天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當(dāng)前位置:主頁(yè) > 管理論文 > 證券論文 >

數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測(cè)中的應(yīng)用研究

發(fā)布時(shí)間:2017-06-16 06:14

  本文關(guān)鍵詞:數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測(cè)中的應(yīng)用研究,由筆耕文化傳播整理發(fā)布。


【摘要】:隨著改革開放不斷深化,金融市場(chǎng)建設(shè)逐步完善,國(guó)家對(duì)金融產(chǎn)業(yè)關(guān)注程度不斷升高,股票市場(chǎng)自1990年推行至今,受到市場(chǎng)關(guān)注和投資者的追捧。股票證券市場(chǎng)以其高額的回報(bào),較低的準(zhǔn)入門檻,一度成為社會(huì)關(guān)注的焦點(diǎn)。我國(guó)股票市場(chǎng)投資者今年熱情不斷升高,2014年底股票開戶人數(shù)再創(chuàng)新高。但是高收益同時(shí)也伴隨著高風(fēng)險(xiǎn),如何在保證較高收益的同時(shí)控制風(fēng)險(xiǎn),或者是在同等收益的情況下降低風(fēng)險(xiǎn),一直是投資者思考的問(wèn)題,準(zhǔn)確預(yù)測(cè)股票價(jià)格,根據(jù)股票歷史記錄推測(cè)未來(lái)股票定價(jià),為投資者提供可靠的定價(jià)來(lái)源,F(xiàn)在,利用數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)的方法,通過(guò)對(duì)股票的歷史數(shù)據(jù)的預(yù)測(cè),在給定條件的情況下,通過(guò)機(jī)器自主學(xué)習(xí),給機(jī)器一個(gè)預(yù)測(cè)能力,通過(guò)算法實(shí)現(xiàn),為投資者預(yù)測(cè)未來(lái)股票價(jià)格提供支持。由于股票買賣價(jià)格隨著需求而變動(dòng),而需求也會(huì)隨著各種主動(dòng)和被動(dòng)因素上下浮動(dòng),提前預(yù)測(cè),為投資者合理布局投資方案提供依據(jù)。因此,根據(jù)預(yù)測(cè)數(shù)據(jù),提前設(shè)計(jì)投資布局方案,提升資源利用率,提前做好因股票價(jià)格變化的投資預(yù)案,有備無(wú)患。這一切的基礎(chǔ)就是對(duì)股票的準(zhǔn)確預(yù)測(cè)。相關(guān)文獻(xiàn)顯示,小波神經(jīng)網(wǎng)絡(luò)在時(shí)間序列數(shù)據(jù)預(yù)測(cè)方面具有一定優(yōu)勢(shì)且效果較好。但是小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)對(duì)訓(xùn)練樣本和學(xué)習(xí)過(guò)程時(shí)間相對(duì)較長(zhǎng)。由于在股票市場(chǎng)時(shí)間就是金錢,提高計(jì)算效率是非常重要的。因此,本文嘗試在小波神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)比較的基礎(chǔ)之上,還嘗試了運(yùn)用SVM回歸預(yù)測(cè)股票數(shù)據(jù)。最后在BP神經(jīng)網(wǎng)絡(luò)機(jī)器以及衍生神經(jīng)網(wǎng)絡(luò)和SVM回歸之間做出比較和權(quán)衡。本文主要是通過(guò)對(duì)上證綜合指數(shù)預(yù)測(cè)這一實(shí)證分析,對(duì)BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)和SVM回歸進(jìn)行了分析和比較。分別對(duì)上證綜合指數(shù)預(yù)測(cè)、預(yù)測(cè)均方誤差MSE和運(yùn)算效率等方面進(jìn)行了對(duì)比。通過(guò)對(duì)比,可以發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)是小波神經(jīng)網(wǎng)絡(luò)的基礎(chǔ),小波神經(jīng)網(wǎng)絡(luò)是在BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上衍生而得到的。小波神經(jīng)網(wǎng)絡(luò)在計(jì)算效率方面比較低,在符合要求的情況下,小波神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。而性能最優(yōu)的方法卻是支持向量機(jī),無(wú)論是在預(yù)測(cè)準(zhǔn)確程度還是在計(jì)算效率方面都領(lǐng)先于神經(jīng)網(wǎng)絡(luò)。
【關(guān)鍵詞】:證券市場(chǎng) 支持向量機(jī) 反向傳播神經(jīng)網(wǎng)絡(luò) 小波神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】:云南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2015
【分類號(hào)】:TP311.13;TP183;F832.51
【目錄】:
  • 摘要3-5
  • Abstract5-10
  • 第一章 緒論10-15
  • 第一節(jié) 研究背景10-11
  • 第二節(jié) 論文研究意義11-12
  • 第三節(jié) 國(guó)內(nèi)外研究現(xiàn)狀及文獻(xiàn)綜述12-13
  • 第四節(jié) 論文框架結(jié)構(gòu)13-15
  • 第二章 數(shù)據(jù)挖掘15-23
  • 第一節(jié) 什么是數(shù)據(jù)挖掘15-18
  • 第二節(jié) 數(shù)據(jù)挖掘的功能18-19
  • 第三節(jié) 數(shù)據(jù)挖掘的功能特點(diǎn)及應(yīng)用19-20
  • 一、數(shù)據(jù)挖掘的特點(diǎn)19-20
  • 二、挖掘技術(shù)的三大支柱20
  • 第四節(jié) 數(shù)據(jù)挖掘應(yīng)用現(xiàn)狀20-21
  • 第五節(jié) 數(shù)據(jù)挖掘中存在的問(wèn)題21-23
  • 第三章 上證指數(shù)預(yù)測(cè)23-30
  • 第一節(jié) 上證指數(shù)23-26
  • 第二節(jié) 上證指數(shù)預(yù)測(cè)方法概述26-30
  • 一、傳統(tǒng)股票預(yù)測(cè)方法26-28
  • 二、現(xiàn)代股票預(yù)測(cè)方法28-30
  • 第四章 數(shù)據(jù)挖掘理論模型介紹30-47
  • 第一節(jié)BP神經(jīng)網(wǎng)絡(luò)30-33
  • 一、神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介30-31
  • 二、Sigmoid函數(shù)31
  • 三、建立模型31-33
  • 第二節(jié) 小波神經(jīng)網(wǎng)絡(luò)模型介紹33-39
  • 一、小波基函數(shù)33-35
  • 二、小波神經(jīng)網(wǎng)絡(luò)建立35-38
  • 三、訓(xùn)練過(guò)程38-39
  • 第三節(jié) SVM模型介紹39-47
  • 一、VC維39
  • 二、SVM介紹39-41
  • 三、SVM回歸分析41-44
  • 四、SVM計(jì)算工具44-47
  • 第五章 指標(biāo)概述分類47-49
  • 第一節(jié) 昨日最低指數(shù)47
  • 第二節(jié) 昨日最高指數(shù)47
  • 第三節(jié) 昨日開盤指數(shù)47
  • 第四節(jié) 前日收盤指數(shù)47
  • 第五節(jié) 昨日成交量47-48
  • 第六節(jié) 昨日成交額48-49
  • 第六章 基于數(shù)據(jù)挖掘方法的實(shí)證分析49-58
  • 第一節(jié) 基于BP神經(jīng)網(wǎng)絡(luò)的實(shí)證分析49-51
  • 一、模型設(shè)計(jì)49
  • 二、實(shí)證結(jié)果49-50
  • 三、模型評(píng)估50-51
  • 第二節(jié) 基于小波神經(jīng)網(wǎng)絡(luò)模型實(shí)證分析51-54
  • 一、模型設(shè)計(jì)51-52
  • 二、實(shí)證結(jié)果52-53
  • 三、模型評(píng)估53-54
  • 第三節(jié) 基于SVM回歸模型實(shí)證分析54-56
  • 一、模型設(shè)計(jì)54
  • 二、實(shí)證結(jié)果54-55
  • 三、模型評(píng)估55-56
  • 第四節(jié) 各種模型的比較研究56-58
  • 第七章 總結(jié)、展望建議及不足58-61
  • 第一節(jié) 總結(jié)58
  • 第二節(jié) 研究展望建議58-59
  • 第三節(jié) 研究不足59-61
  • 參考文獻(xiàn)61-64
  • 附錄64-81
  • 致謝81

【參考文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 朱宏輝;陳定方;;知識(shí)獲取與知識(shí)進(jìn)化模型[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 劉光輝;“中國(guó)教育經(jīng)濟(jì)信息網(wǎng)”建設(shè)中數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用[D];西安建筑科技大學(xué);2004年

2 王慶凱;股票價(jià)格波動(dòng)和預(yù)測(cè)方法研究[D];北京交通大學(xué);2008年

3 左輝;基于事件研究的股票數(shù)據(jù)挖掘[D];西南交通大學(xué);2008年

4 鄧濤;基于USI及項(xiàng)集相關(guān)重要性的頻繁集挖掘算法[D];天津師范大學(xué);2009年


  本文關(guān)鍵詞:數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測(cè)中的應(yīng)用研究,由筆耕文化傳播整理發(fā)布。

,

本文編號(hào):454653

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/guanlilunwen/zhqtouz/454653.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶c6d2e***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com