股票是市場(chǎng)經(jīng)濟(jì)的重要體現(xiàn),同時(shí)也反映著我國(guó)經(jīng)濟(jì)發(fā)展?fàn)顩r,在經(jīng)濟(jì)發(fā)展走勢(shì)分析中起著至關(guān)重要的作用。隨著股票市場(chǎng)的發(fā)展,選擇投資股票作為盈利項(xiàng)目的人也越來(lái)越多。但是如何選擇股票,怎樣選擇相應(yīng)的上市公司進(jìn)行投資可以獲得最大收益,一直是一個(gè)難題。因此,對(duì)股票市場(chǎng)上的各類(lèi)股票走勢(shì)進(jìn)行分析預(yù)測(cè)具有重要意義。然而股票數(shù)據(jù)是一個(gè)龐大并且雜亂無(wú)章的復(fù)雜系統(tǒng),利用傳統(tǒng)方法對(duì)其進(jìn)行預(yù)測(cè)分析存在一定的困難。數(shù)據(jù)挖掘技術(shù)提供了一個(gè)良好的解決方案,可以從眾多雜亂無(wú)章的龐大數(shù)據(jù)中提取出潛在對(duì)于走勢(shì)預(yù)測(cè)有價(jià)值有意義的數(shù)據(jù)。針對(duì)目前股票預(yù)測(cè)模型的準(zhǔn)確度不夠高,存在過(guò)擬合或欠擬合等問(wèn)題,在現(xiàn)有股票預(yù)測(cè)方法分析的基礎(chǔ)上,給出了一種基于Cart決策樹(shù)與Boosting方法的股票預(yù)測(cè)方法。該方法根據(jù)數(shù)據(jù)縱向的關(guān)聯(lián)性,在常用的開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)、成交量、當(dāng)日最高價(jià)、當(dāng)日最低價(jià)五個(gè)指標(biāo)的基礎(chǔ)上增加“近十日均價(jià)”及“轉(zhuǎn)手率”兩個(gè)縱向變化指標(biāo);同時(shí)以Cart決策樹(shù)方法為基礎(chǔ),采用Boosting級(jí)聯(lián)多棵決策樹(shù)來(lái)解決擬合度問(wèn)題。本文選取A股市場(chǎng)上某儀器儀表領(lǐng)域的上市公司作為樣本數(shù)據(jù),選取該領(lǐng)域某公司一年的股票交易數(shù)據(jù)作為輸入變量,利用C5.... 

【文章來(lái)源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景以及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容
第2章 相關(guān)理論知識(shí)
    2.1 股票投資分析方法
        2.1.1 基本分析法
        2.1.2 技術(shù)分析法
        2.1.3 量化分析法
    2.2 數(shù)據(jù)挖掘理論
        2.2.1 數(shù)據(jù)挖掘的任務(wù)
        2.2.2 數(shù)據(jù)挖掘的步驟
    2.3 數(shù)據(jù)挖掘在股票預(yù)測(cè)領(lǐng)域的適用性分析
    2.4 本章小結(jié)
第3章 決策樹(shù)與Boosting提升算法
    3.1 C5.0決策樹(shù)
        3.1.1 C5.0決策樹(shù)的生長(zhǎng)
        3.1.2 C5.0對(duì)數(shù)據(jù)的處理
    3.2 Cart決策樹(shù)算法
        3.2.1 Cart決策樹(shù)的生長(zhǎng)
        3.2.2 Cart決策樹(shù)的修剪
        3.2.3 Cart樹(shù)的子樹(shù)評(píng)估
    3.3 Boosting提升算法
    3.4 決策樹(shù)以及提升Boosting算法在股票分析中的適用性
    3.5 本章小結(jié)
第4章 決策樹(shù)及Boosting算法在股票預(yù)測(cè)的應(yīng)用
    4.1 數(shù)據(jù)選取與指標(biāo)確定
        4.1.1 指標(biāo)的確定
        4.1.2 數(shù)據(jù)的選取
        4.1.3 指標(biāo)描述性統(tǒng)計(jì)
    4.2 模型建立
    4.3 實(shí)驗(yàn)
        4.3.1 五特征C5.0決策樹(shù)結(jié)合Boosting算法實(shí)驗(yàn)
        4.3.2 五特征Cart樹(shù)結(jié)合Boosting算法實(shí)驗(yàn)
        4.3.3 七特征Cart樹(shù)結(jié)合Boosting算法實(shí)驗(yàn)
    4.4 實(shí)驗(yàn)結(jié)果評(píng)估
        4.4.1 評(píng)價(jià)指標(biāo)
        4.4.2 實(shí)驗(yàn)結(jié)果對(duì)比
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)挖掘在股票預(yù)測(cè)中的應(yīng)用[J]. 張博凱.  當(dāng)代經(jīng)濟(jì). 2017(08)
[2]基于金融微博情感與傳播效果的股票價(jià)格預(yù)測(cè)[J]. 朱夢(mèng)珺,蔣洪迅,許偉.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2016(11)
[3]Boosting算法理論與應(yīng)用研究[J]. 張文生,于廷照.  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2016(03)
[4]一種基于Boosting的集成學(xué)習(xí)算法在不均衡數(shù)據(jù)中的分類(lèi)[J]. 李詒靖,郭海湘,李亞楠,劉曉.  系統(tǒng)工程理論與實(shí)踐. 2016(01)
[5]投資者情緒對(duì)股價(jià)的影響——基于AH股交叉上市股票的實(shí)證分析[J]. 陸靜,周媛.  中國(guó)管理科學(xué). 2015(11)
[6]基于C4.5決策樹(shù)的股票數(shù)據(jù)挖掘[J]. 王領(lǐng),胡揚(yáng).  計(jì)算機(jī)與現(xiàn)代化. 2015(10)
[7]基于支持向量機(jī)的股票預(yù)測(cè)[J]. 劉廷.  信息通信. 2015(08)
[8]Targeting inflammation in diabetes: Newer therapeutic options[J]. Neeraj Kumar Agrawal,Saket Kant.  World Journal of Diabetes. 2014(05)
[9]基于RU-SMOTE-SVM的金融市場(chǎng)極端風(fēng)險(xiǎn)預(yù)警研究[J]. 林宇,黃迅,徐凱.  預(yù)測(cè). 2013(04)
[10]基于BP神經(jīng)網(wǎng)絡(luò)的股票價(jià)格趨勢(shì)預(yù)測(cè)[J]. 李云強(qiáng),宋威.  北方工業(yè)大學(xué)學(xué)報(bào). 2013(01)

碩士論文
[1]股票指數(shù)走勢(shì)的決定因素及政策效應(yīng)[D]. 錢(qián)鈞.浙江工商大學(xué) 2014
[2]基于網(wǎng)絡(luò)輿情的SVM股票價(jià)格預(yù)測(cè)研究[D]. 張世軍.南京信息工程大學(xué) 2014
[3]決策樹(shù)及神經(jīng)網(wǎng)絡(luò)算法在股票分類(lèi)預(yù)測(cè)中的應(yīng)用[D]. 陶雨雨.杭州電子科技大學(xué) 2014
[4]基于數(shù)據(jù)挖掘技術(shù)的股票預(yù)測(cè)與研究[D]. 都彬.江蘇科技大學(xué) 2012
[5]基于數(shù)據(jù)挖掘技術(shù)的股價(jià)預(yù)測(cè)實(shí)證分析[D]. 唐文慧.西南財(cái)經(jīng)大學(xué) 2009



本文編號(hào)：3013413