自組織數(shù)據(jù)挖掘在股票市場中的應(yīng)用研究.pdf

1、在信息技術(shù)迅速發(fā)展的背景下，隨著上市公司數(shù)量的逐年增多以及我國股票市場信息披露制度的逐步完善，我國股票市場中累積了越來越多的數(shù)據(jù)。如何從這些數(shù)據(jù)中獲得有用的信息，這是廣大投資者關(guān)心的一個(gè)問題。作為股票市場數(shù)據(jù)分析的常用方法，傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)在模型的設(shè)定和假設(shè)條件上存在著局限。因此本文引入了自組織數(shù)據(jù)挖掘。自組織數(shù)據(jù)挖掘在進(jìn)化論自組織原理的基礎(chǔ)上，以GMDH算法為核心，實(shí)現(xiàn)數(shù)據(jù)挖掘過程的自組織控制，與其他方法相比具有自組織模式識別和自組織篩

2、選等優(yōu)點(diǎn)。
　　本文闡述了自組織數(shù)據(jù)挖掘的基本思想，并介紹了自組織數(shù)據(jù)挖掘中的兩種算法—參數(shù)自組織數(shù)據(jù)挖掘GMDH算法和非參數(shù)自組織數(shù)據(jù)挖掘AC算法。根據(jù)股票市場上兩類數(shù)據(jù)的不同特點(diǎn)，我們分別采用了GMDH算法和AC算法對數(shù)據(jù)進(jìn)行挖掘，并進(jìn)行了實(shí)證研究。
　　將GMDH算法應(yīng)用于財(cái)務(wù)數(shù)據(jù)的挖掘，預(yù)測上市公司的財(cái)務(wù)危機(jī)，實(shí)證結(jié)果表明基于GMDH的上市公司財(cái)務(wù)預(yù)測模型，預(yù)測準(zhǔn)確率優(yōu)于判別分析和Logit回歸分析，顯示出GMDH在

3、模型識別和模型推廣能力上具有它獨(dú)特的優(yōu)越性。
　　將AC算法用于預(yù)測股價(jià)的發(fā)展趨勢，是從局部的角度來挖掘交易數(shù)據(jù)中的信息，有別于以往傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)的全局性模型。實(shí)證結(jié)果表明，AC算法股價(jià)趨勢預(yù)測有著良好的預(yù)測效果。同時(shí)通過實(shí)證還發(fā)現(xiàn)，與固定時(shí)間窗口相比，通過形態(tài)理論來選擇時(shí)間窗口的預(yù)測效果更好，可以說形態(tài)理論的應(yīng)用，提高了AC算法在股價(jià)趨勢預(yù)測上的準(zhǔn)確性，顯示出該方法的可行性和實(shí)用性。
　　不論是參數(shù)型還是非參數(shù)型的自組織數(shù)