本文關(guān)鍵詞：基于數(shù)據(jù)挖掘組合模型的股價預測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：改革開放以來,隨著我國經(jīng)濟的快速發(fā)展,股票市場也應運而生。我國股市自成立以來,歷經(jīng)了風風雨雨之后,獲得了快速的成長,逐步發(fā)展壯大。一方面在推動實體經(jīng)濟發(fā)展,完善市場經(jīng)濟機制,合理分配社會資源,促進生產(chǎn)要素重新組合與合理流動等方面發(fā)揮著越來越積極的作用；另一方面隨著人民生活水平的日益提高,人們剩余的閑置的資金也越來越多,股票也成為了人們投資、財富保值增值的重要手段。股票市場由于其高風險高回報的特性,長期以來,不斷吸引人們投入到其中,逐漸成為許多人投資的重要手段之一。越來越多的人將手頭的閑置資金投入到股市,以期獲得較為可觀的回報。但是,股票市場是一個極其復雜的、不斷變化的經(jīng)濟系統(tǒng),它受到宏觀經(jīng)濟運行、政策變化、行業(yè)發(fā)展周期、投資者群體等多種因素的綜合影響,使得人們很難準確地找到股票價格走勢的規(guī)律和邏輯。由于專業(yè)知識的缺乏、信息的不對稱性等等原因,人們對于股市的投資往往帶有盲目性、投機性,很難獲得較好的收益。因此,對于股票市場,尋求一套有效的方法,降低人們投資的風險,同時提高人們投資的收益就顯得尤為重要。 目前常用的股票投資的分析方法主要有如下兩種：基本面分析法和技術(shù)分析法,其中基本面分析主要著眼于投資標的股票的選擇上,而技術(shù)分析則主要在具體投資買賣操作的時間和空間判斷上起作用,試圖用以提高投資分的析可靠性和準確性。對于中小投資者來說,在做基本面分析時常常會受到資料不足、分析工具不全面、個人知識面不夠和分析能力欠缺的制約。技術(shù)分析以傳統(tǒng)的證券分析理論為基礎,以股票市場交易價格走勢作為主要研究對象,以預測股票價格走勢趨勢為主要目的,往往從股票過去交易的圖表和數(shù)據(jù)入手,試圖找到股票市場波動規(guī)律并用以指導投資操作。比較著名和常用的有波浪理論、江恩理論、道氏理論等。 在股票市場中,時刻都會產(chǎn)生大量的交易數(shù)據(jù),上市公司也會定期發(fā)布大量的財務數(shù)據(jù),如何有效地利用這些數(shù)據(jù),減少投資者的投資風險,從而給投資者帶來較高的回報便成為了一個非常值得分析和研究的問題。上市公司定期發(fā)布的財務報告數(shù)據(jù)具有很重要的信息含量,這些信息含量包括各種財務比率指標。綜合這些財務指標,能夠一定程度上反映公司整體的經(jīng)營運行狀況和賺取利潤的能力,有利于投資者判斷公司的內(nèi)在價值,從而有助于投資者更好地判斷上市公司股票價格的未來變化。對于中長期的投資者來說,如何利用這些信息來判斷股票的未來投資價值,顯得尤為重要。 而本文試圖通過數(shù)據(jù)挖掘技術(shù),來研究上市公司財務比率指標的動態(tài)變化和股票價格變化趨勢的內(nèi)在聯(lián)系,期望挖掘出財務數(shù)據(jù)中有用的信息,從而對股票的投資決策做出更好的判斷。傳統(tǒng)的統(tǒng)計模型對于數(shù)據(jù)有較高的要求,對于數(shù)據(jù)的假定較多,要求過于嚴格,實際中的數(shù)據(jù)往往很難達到這種要求,而數(shù)據(jù)挖掘技術(shù)對于數(shù)據(jù)的要求相對較低,能夠相對較好地處理非正態(tài)、非平穩(wěn)、高噪聲的數(shù)據(jù)。數(shù)據(jù)挖掘通過結(jié)合統(tǒng)計學、機器學習和人工智能等技術(shù)對于處理海量數(shù)據(jù)和高頻數(shù)據(jù)往往能夠達到不錯的效果。另外數(shù)據(jù)挖掘還能夠?qū)Σ粩喃@得的新數(shù)據(jù)進行模型的動態(tài)更新,非常適合應用于新環(huán)境。數(shù)據(jù)挖掘是當今國際上統(tǒng)計學、人工智能和數(shù)據(jù)庫研究方面最富活力的新興領(lǐng)域,從大型數(shù)據(jù)庫中挖掘有效信息的問題已經(jīng)成為近年來數(shù)據(jù)分析研究領(lǐng)域中的一個新熱點。股票投資風險與機遇并存,如何把握風險,使投資回報最大化?是投資者追求的目標。在上市公司公布的財務數(shù)據(jù)以及股票行情數(shù)據(jù)庫中積累了大量的歷史數(shù)據(jù),如何充分利用這些歷史數(shù)據(jù),為投資者提供決策依據(jù),把數(shù)據(jù)挖掘方法運用于股市投資研究和探索變得很有意義。因此,本文嘗試用數(shù)據(jù)挖掘中的方法來以及組合模型對上市公式財務數(shù)據(jù)進行分析,目的是發(fā)現(xiàn)公司財務數(shù)據(jù)的變化和股票未來價格變化的聯(lián)系,為投資者提供參考。 本文基于國內(nèi)外相關(guān)方面研究成果,介紹了數(shù)據(jù)挖掘的相關(guān)理論,并且引入數(shù)據(jù)挖掘的相關(guān)方法對上市公司兩年間的財務比率指標的變化量和股票價格變化之間的關(guān)系進行了研究分析,最后運用組合模型對數(shù)據(jù)挖掘的幾種方法進行組合和優(yōu)化。文章中用到的數(shù)據(jù)挖掘技術(shù)包括決策樹分類、神經(jīng)網(wǎng)絡模型以及l(fā)ogistic回歸模型三種方法,將三種方法運用于股票價格預測分析中,通過三種方法來研究上市公司公布的財務比率指標兩年之間的變化量與股票當年的價格漲跌之間的內(nèi)在聯(lián)系,并試圖尋找哪些財務指標對于上市公司的股價的變化有較大的影響,并且對三種方法取得的結(jié)果進行評估和對比分析,比較各種模型在進行實證分析時取得的效果,評價各個模型在預測精確度和穩(wěn)定性方面的優(yōu)劣。組合模型是基于幾個單一模型,希望能夠在一定程度上避開它們的缺點的組合方法,通過幾種單一模型達到它們性能的結(jié)合于互補,克服它們各自的缺點。希望能夠在最終的模型中使得股票分類預測變得更加精確、穩(wěn)健并更容易理解。本文試圖通過決策樹模型來挑選上市公司的有效財務指標,剔除冗余指標對預測結(jié)果的干擾,并且利用logistic回歸計算出分類的概率p值。將挑選出來的有效指標和p值作為輸入層建立混合神經(jīng)網(wǎng)絡模型,最后得出組合模型的預測結(jié)果。本文以上市公司公布的財務比率指標計算出兩年的動態(tài)變化量作為輸入變量,以個股相對收益率作為被解釋變量,并結(jié)合歷史數(shù)據(jù)建立模型。從而更好判斷股票的投資價值。文中建立模型時以上市公司公布的兩年財務指標差額作為輸入變量,為便于不同上市公司的比較,財務指標均選取財務比率指標。并為了綜合反映公司的運行狀況,從公司盈利能力、償債能力、發(fā)展能力、運營能力以及現(xiàn)金流五個大的方面來選取指標,以更為準確的反映公司的內(nèi)在價值。此外,以個股相對收益率作為目標變量建立模型。其中個股相對收益率為二元變量,當股票一年期的漲跌幅大于大盤指數(shù)的漲跌幅時取“1”,否則便取“0”。文章的思路便是以綜合反映上市公司運行狀況的財務比率指標的變化量為輸入變量,以個股相對收益率為目標變量,來研究分析上市公司公布的財務比率指標和上市公司個股相對收益率是不是存在關(guān)系,如果存在關(guān)系,哪些財務比率指標對個股贏率的影響較大以及哪種模型預測效果較好,這些都是文章中要研究和解決的問題。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 決策樹 神經(jīng)網(wǎng)絡 logistic回歸 組合模型 財務指標 股票投資
【學位授予單位】：西南財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：F832.51;F224
【目錄】：

• 摘要4-7
• Abstract7-11
• 1. 緒論11-20
• 1.1 研究背景11-12
• 1.2 論文研究意義12-14
• 1.3 國內(nèi)外研究綜述14-18
• 1.4 研究框架18-20
• 2. 股票市場與數(shù)據(jù)挖掘技術(shù)概述20-29
• 2.1 股票市場概述20-22
• 2.2 數(shù)據(jù)挖掘技術(shù)概述22-24
• 2.3 數(shù)據(jù)挖掘的優(yōu)點及運用于股票市場的適用性24-29
• 2.3.1 數(shù)據(jù)挖掘的探索性24-25
• 2.3.2 數(shù)據(jù)挖掘方法的多樣性25-26
• 2.3.3 數(shù)據(jù)挖掘方法穩(wěn)健可靠的評估26-28
• 2.3.4 數(shù)據(jù)挖掘運用于股票市場的適用性28-29
• 3. 數(shù)據(jù)挖掘與組合模型理論介紹29-37
• 3.1 決策樹(DECISION TREES)介紹29-32
• 3.2 LOGISTIC回歸介紹32-34
• 3.3 神經(jīng)網(wǎng)絡模型介紹34-36
• 3.4 組合模型構(gòu)建思想介紹36-37
• 4. 公司財務指標概述及分類37-45
• 4.1 上市公司財務指標的選取37-43
• 4.2 上市公司的分類標準43-44
• 4.3 數(shù)據(jù)來源及篩選44-45
• 5. 基于數(shù)據(jù)挖掘方法的實證分析45-59
• 5.1 基于決策樹分類的實證分析45-49
• 5.1.1 模型設計45-46
• 5.1.2 實證結(jié)果46-49
• 5.2 LOGISTIC回歸方法及實證分析49-52
• 5.2.1 模型設計50
• 5.2.2 實證結(jié)果50-52
• 5.3 基于神經(jīng)網(wǎng)絡模型的實證分析52-56
• 5.3.1 模型設計53
• 5.3.2 實證結(jié)果53-56
• 5.4 組合模型的實證分析56-59
• 5.4.1 實證結(jié)果56-57
• 5.4.2 組合模型與單一神經(jīng)網(wǎng)絡模型對比分析57-59
• 6 總結(jié)59-61
• 參考文獻61-64
• 致謝64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊輝;數(shù)據(jù)挖掘及其在商業(yè)銀行中的應用[J];中國金融電腦;1998年11期

2 劉桂霞,崔永鐸,高平和;關(guān)于數(shù)據(jù)挖掘的研究[J];工業(yè)技術(shù)經(jīng)濟;2000年03期

3 何東峰;數(shù)據(jù)挖掘要適當[J];互聯(lián)網(wǎng)周刊;2000年Z1期

4 石艷芬;數(shù)據(jù)挖掘,你做了沒有?[J];企業(yè)活力;2001年12期

5 宋海嵐;淺敘數(shù)據(jù)挖掘在商業(yè)中的應用[J];計劃與市場;2002年03期

6 吳載斌,王斌會;數(shù)據(jù)挖掘中的預測及其應用[J];統(tǒng)計與預測;2002年01期

7 洪崎;數(shù)據(jù)集中與數(shù)據(jù)挖掘[J];中國金融電腦;2002年10期

8 劉錫京,宣慧玉;客戶關(guān)系管理與數(shù)據(jù)挖掘[J];中外管理導報;2002年10期

9 朱慧云,錢穎;數(shù)據(jù)挖掘在客戶關(guān)系管理中的應用[J];江蘇商論;2003年04期

10 ;數(shù)據(jù)挖掘的發(fā)展與電信行業(yè)的應用[J];通信企業(yè)管理;2003年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 謝中;邱玉輝;;面向商務網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2001年

2 李久丹;陳劍;覃濤;;數(shù)據(jù)挖掘技術(shù)理論研究[A];廣西計算機學會2010年學術(shù)年會論文集[C];2010年

3 張秋彤;;數(shù)據(jù)挖掘與高校圖書館個性化信息服務[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計算大會、第十三屆中國青年信息與管理學者大會論文集[C];2011年

4 薛魯華;張楠;;聚類分析在Web數(shù)據(jù)挖掘中的應用[A];北京市第十三次統(tǒng)計科學討論會論文選編[C];2006年

5 毛定祥;;數(shù)據(jù)挖掘與實證經(jīng)濟學[A];2003中國現(xiàn)場統(tǒng)計研究會第十一屆學術(shù)年會論文集（上）[C];2003年

6 段培俊;周東岱;;數(shù)據(jù)挖掘研究綜述[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

7 雷宇;;論行業(yè)信息資源的數(shù)據(jù)挖掘[A];中國煙草行業(yè)信息化研討會論文集[C];2004年

8 吳以凡;吳鐵軍;歐陽樹生;;面向生產(chǎn)過程質(zhì)量控制的動態(tài)數(shù)據(jù)挖掘方法[A];05'中國自動化產(chǎn)業(yè)高峰會議暨中國企業(yè)自動化和信息化建設論壇論文集[C];2005年

9 孫明;康紅梅;莫一;;數(shù)據(jù)挖掘在科技獎勵管理系統(tǒng)專家?guī)熘械膽肹A];2005年十二省區(qū)市機械工程學會學術(shù)年會論文集（湖北專集）[C];2005年

10 邵紅全;楊菊梅;潘建雄;;數(shù)據(jù)挖掘的策略與實現(xiàn)技術(shù)[A];中國系統(tǒng)工程學會決策科學專業(yè)委員會第六屆學術(shù)年會論文集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學計算機科學與技術(shù)學院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍海[N];網(wǎng)絡世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊虎;序列數(shù)據(jù)挖掘的模型和算法研究[D];重慶大學;2003年

2 鞏建光;面向電信領(lǐng)域的數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];哈爾濱工程大學;2012年

3 李建強;基于數(shù)據(jù)挖掘的電站運行優(yōu)化理論研究與應用[D];華北電力大學（河北）;2006年

4 余小高;電子商務環(huán)境中分布式數(shù)據(jù)挖掘的研究[D];武漢理工大學;2007年

5 李國旗;本體輔助的先驗知識融入生物信息數(shù)據(jù)挖掘的方法研究[D];上海交通大學;2007年

6 翟坤;基于數(shù)據(jù)挖掘的成本管理方法研究[D];大連理工大學;2012年

7 徐河杭;面向PLM的數(shù)據(jù)挖掘技術(shù)和應用研究[D];浙江大學;2010年

8 劉洪波;漢語認知腦數(shù)據(jù)挖掘相關(guān)算法及應用研究[D];大連理工大學;2006年

9 朱廷劭;數(shù)據(jù)挖掘及其在漢語文語轉(zhuǎn)換中應用的研究[D];中國科學院研究生院（計算技術(shù)研究所）;1999年

10 牛成林;增量數(shù)據(jù)挖掘及其在電站運行優(yōu)化中的理論研究及應用[D];華北電力大學（北京）;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 楊毅超;基于Web數(shù)據(jù)挖掘的作物商務平臺分析與研究[D];湖南農(nóng)業(yè)大學;2008年

2 徐進華;基于灰色系統(tǒng)理論的數(shù)據(jù)挖掘及其模型研究[D];北京交通大學;2009年

3 俞馳;基于網(wǎng)絡數(shù)據(jù)挖掘的客戶獲取系統(tǒng)研究[D];西安電子科技大學;2009年

4 馮軍;數(shù)據(jù)挖掘在自動外呼系統(tǒng)中的應用[D];北京郵電大學;2009年

5 于寶華;基于數(shù)據(jù)挖掘的高考數(shù)據(jù)分析[D];天津大學;2009年

6 王仁彥;數(shù)據(jù)挖掘與網(wǎng)站運營管理[D];華東師范大學;2010年

7 彭智軍;數(shù)據(jù)挖掘的若干新方法及其在我國證券市場中應用[D];重慶大學;2005年

8 涂繼亮;基于數(shù)據(jù)挖掘的智能客戶關(guān)系管理系統(tǒng)研究[D];哈爾濱理工大學;2005年

9 賈治國;數(shù)據(jù)挖掘在高考填報志愿上的應用[D];內(nèi)蒙古大學;2005年

10 馬飛;基于數(shù)據(jù)挖掘的航運市場預測系統(tǒng)設計及研究[D];大連海事大學;2006年

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘組合模型的股價預測研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：297361