數(shù)據(jù)挖掘技術(shù)在股票分析預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)的快速發(fā)展，各個(gè)領(lǐng)域堆積的數(shù)據(jù)也越來越多。數(shù)據(jù)庫雖然有著很強(qiáng)大的采集數(shù)據(jù)和存儲(chǔ)數(shù)據(jù)的能力，但是數(shù)據(jù)分析能力卻相對(duì)薄弱。無法挖掘到隱藏在海量數(shù)據(jù)背后的信息，導(dǎo)致數(shù)據(jù)爆炸和知識(shí)匱乏的普遍現(xiàn)象。如何從海量的數(shù)據(jù)中提取有用的知識(shí)成為當(dāng)務(wù)之急，數(shù)據(jù)挖掘也正成為當(dāng)今信息技術(shù)的一個(gè)重要研究?jī)?nèi)容。
　　 我國的證券市場(chǎng)從上個(gè)世紀(jì)90年代起步，到現(xiàn)在已經(jīng)經(jīng)歷了幾十年的發(fā)展壯大，各個(gè)證券公司都積累了海量的歷史數(shù)據(jù)，如何對(duì)這些數(shù)據(jù)進(jìn)行有

2、效的處理，成為證券市場(chǎng)發(fā)展的一個(gè)難題。同時(shí)，證券業(yè)中的很多業(yè)務(wù)都需要對(duì)歷史數(shù)據(jù)進(jìn)行處理后才能展開，數(shù)據(jù)挖掘技術(shù)的誕生為海量數(shù)據(jù)的處理提供了有效的方法。通過對(duì)歷史數(shù)據(jù)的加工處理，挖掘歷史數(shù)據(jù)中隱藏著的有價(jià)值信息，為證券公司和股票投資者提供參考意見。
　　 本文闡述了數(shù)據(jù)挖掘的基本概念，并對(duì)數(shù)據(jù)挖掘中的分類技術(shù)進(jìn)行了深入分析，主要研究分析了經(jīng)典的決策樹算法、自組織特征映射圖(SOM網(wǎng)絡(luò))、K-means聚類算法。
　　 本文

3、的主要工作有以下三點(diǎn)：
　　 (1)把經(jīng)典的決策樹算法應(yīng)用到股票歷史數(shù)據(jù)分析中，通過對(duì)歷史數(shù)據(jù)的分析，建立了股票價(jià)格走勢(shì)決策樹預(yù)測(cè)模型。經(jīng)過對(duì)測(cè)試數(shù)據(jù)的測(cè)試，實(shí)驗(yàn)結(jié)果是可以達(dá)到指導(dǎo)投資者進(jìn)行股票投資的目的。
　　 (2)具體的分析了SOM網(wǎng)絡(luò)與K-means算法的特點(diǎn)，并根據(jù)SOM網(wǎng)絡(luò)與K-means算法的各自缺點(diǎn)建立了基于SOM&K-means混合聚類算法。通過對(duì)數(shù)據(jù)的訓(xùn)練與測(cè)試，最終得到的聚類結(jié)果明顯優(yōu)于單獨(dú)的SOM

4、網(wǎng)絡(luò)和K-means算法。
　　 (3)在SOM&K-means混合聚類算法的基礎(chǔ)上，提出了基于SOM&K-means混合聚類的交易規(guī)則。把此交易規(guī)則應(yīng)用到滬深300指數(shù)走勢(shì)的預(yù)測(cè)中，最后通過與B&H策略和Resta的R1，R2，R3交易規(guī)則在統(tǒng)計(jì)指標(biāo)和經(jīng)濟(jì)指標(biāo)上的比較，得出在band等于0的情況下，基于SOM&K-means混合聚類的交易規(guī)則在統(tǒng)計(jì)指標(biāo)和經(jīng)濟(jì)指標(biāo)上要優(yōu)于B&H策略和Resta的R1，R2，R3交易規(guī)則。