將數(shù)據(jù)挖掘技術(shù)與股票技術(shù)分析相結(jié)合,在使用K-Means聚類算法的基礎(chǔ)上,將乖離率BIAS與相對強弱指標RSI進行技術(shù)指標疊加,建立模型對未來股價波動趨勢進行預(yù)測,并對上證A股中的1410支股票進行實證分析來驗證模型準確性,提出了該模型日后的改進研究方向。 

【文章來源】：電腦編程技巧與維護. 2019,(12)

【文章頁數(shù)】：4 頁

【部分圖文】：

當K=3時模型聚類結(jié)果

當K=4時模型聚類結(jié)果

當K=5時模型聚類結(jié)果

【參考文獻】：
期刊論文
[1]基于k-means聚類的股票KDJ類指標綜合分析方法[J]. 李娜,毛國君,鄧康立.  計算機與現(xiàn)代化. 2018(10)
[2]改進k-means聚類在股價波動趨勢上的應(yīng)用[J]. 岑曉雪,秦江濤.  科技和產(chǎn)業(yè). 2016(01)
[3]淺談數(shù)據(jù)挖掘在證券分析中的應(yīng)用[J]. 施然.  價值工程. 2011(21)
[4]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報. 2008(01)
[5]數(shù)據(jù)挖掘中聚類的研究[J]. 羅可,蔡碧野,吳一帆,謝中科,張麗.  計算機工程與應(yīng)用. 2003(20)
[6]數(shù)據(jù)挖掘中的聚類方法[J]. 王實,高文.  計算機科學(xué). 2000(04)

碩士論文
[1]基于K-means聚類的馬爾可夫過程在股價趨勢預(yù)測中的應(yīng)用[D]. 盧瑞瑞.華中科技大學(xué) 2009



本文編號：3276601