本文關鍵詞：證券分析中數(shù)據(jù)挖掘模型的研究及應用，由筆耕文化傳播整理發(fā)布。

廈門大學 碩士學位論文 證券分析中數(shù)據(jù)挖掘模型的研究及應用 姓名：林香 申請學位級別：碩士 專業(yè)：計算機應用技術 指導教師：姜青山 20070501 摘要 證券分析是現(xiàn)代金融分析的基本研究對象。證券市場在我國的短短幾十年內 迅猛發(fā)展，越來越多的人將資金投入到證券中，證券市場尤其在近幾年異�；钴S。 而隨著證券市場的快速發(fā)展也對證券分析系統(tǒng)提出了更高的要求，因此對證券分 析系統(tǒng)的研究也成為金融分析研究的一個重要課題。同時數(shù)據(jù)挖掘技術近幾年被 研究越來越多，尤其在證券分析領域中，數(shù)據(jù)挖掘技術由于其具有強大的發(fā)掘潛 在信息的能力，，被廣泛應用。 在證券分析中，股票預測是金融數(shù)據(jù)挖掘的一個重要研究方向。股票時間序 列除了具有非線性、非平穩(wěn)和動態(tài)等一般時間序列具有的特征外，還具有高噪音、 非正態(tài)、尖峰厚尾等特征，因此股票時間序列預測更具有挑戰(zhàn)性，并有廣闊的應 用價值和市場前景。同時相似股票時間序列檢索也是證券分析中的一個研究重 點。隨著證券市場的繁榮，股票價格的波動顯得更加復雜，從大量股票的歷史數(shù) 據(jù)中快速查找出與其具有相似波動規(guī)律的股票從而進行預測或者投資組合分析 是證券分析系統(tǒng)中不可缺少的功能。 針對以上兩個關鍵問題，本文重點研究了基于遺傳BP神經網絡混合模型在 股票預測中的應用。傳統(tǒng)的研究只能對短趨式的預測才有比較好的預測效果，同 時大部分的模型都只適用于他們所實驗的單一

  本文關鍵詞：證券分析中數(shù)據(jù)挖掘模型的研究及應用，由筆耕文化傳播整理發(fā)布。