我國股市經(jīng)過近三十年的不斷發(fā)展,股票市場(chǎng)逐漸走向成熟,股票的分析方法、分析手段也趨向于多元化。當(dāng)前股票的傳統(tǒng)分析方法主要有基本面分析方法和技術(shù)面分析方法。但是隨著股票市場(chǎng)數(shù)據(jù)的不斷擴(kuò)充,傳統(tǒng)分析方法在處理大數(shù)據(jù)時(shí)消耗時(shí)間長(zhǎng)、依賴人的主觀判斷、和難以快速的發(fā)現(xiàn)數(shù)據(jù)內(nèi)部間規(guī)律性的弊端不斷顯現(xiàn)。隨著人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展,將這些技術(shù)運(yùn)用到股票數(shù)據(jù)分析的情形在海內(nèi)外基金公司中不斷出現(xiàn)�；鸸具\(yùn)用新的數(shù)據(jù)挖掘方法是為了能夠獲得超越指數(shù)收益的股票。論文從眾多數(shù)據(jù)挖掘技術(shù)中選擇四種數(shù)據(jù)挖掘技術(shù),尋找具有超額收益的股票特征。運(yùn)用的數(shù)據(jù)挖掘方法包括關(guān)聯(lián)規(guī)則,主成分分析,決策樹模型和深度神經(jīng)網(wǎng)絡(luò)模型等。所選擇的股票特征包括反映公司整體財(cái)務(wù)狀況的財(cái)報(bào)指標(biāo),外部行業(yè)指標(biāo)、技術(shù)類指標(biāo),一致預(yù)期類指標(biāo)、估值類指標(biāo)等五大類指標(biāo)。由于各類指標(biāo)內(nèi)部具有很強(qiáng)的相關(guān)性,如果同時(shí)把所有指標(biāo)輸入到數(shù)據(jù)挖掘模型內(nèi),容易造成多重共線性導(dǎo)致的參數(shù)估計(jì)不顯著等問題。所以論文將采用關(guān)聯(lián)規(guī)則和主成分分析兩種數(shù)據(jù)降維的方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,將通過降維的高濃度數(shù)據(jù)作為輸入變量分別輸入到?jīng)Q策樹模型和深度神經(jīng)網(wǎng)絡(luò)模型中,來預(yù)... 

【文章來源】：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景
    1.2 研究意義
    1.3 文獻(xiàn)綜述
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 技術(shù)路線和論文結(jié)構(gòu)
        1.4.1 研究思路
        1.4.2 研究方法
    1.5 創(chuàng)新之處
第二章 理論基礎(chǔ)
    2.1 數(shù)據(jù)挖掘概念界定
    2.2 數(shù)據(jù)挖掘技術(shù)流程
    2.3 數(shù)據(jù)挖掘技術(shù)的操作方法
    2.4 數(shù)據(jù)挖掘成果的驗(yàn)證和評(píng)估
第三章 股票核心指標(biāo)提取和數(shù)據(jù)清洗方案
    3.1 數(shù)據(jù)挖掘指標(biāo)的選取和清洗標(biāo)準(zhǔn)
        3.1.1 股票指標(biāo)的時(shí)間區(qū)間
        3.1.2 剔除被交易所警告有可能出現(xiàn)退市情況的股票
        3.1.3 剔除股票數(shù)據(jù)不全的股票
        3.1.4 樣本選擇
        3.1.5 改進(jìn)了數(shù)據(jù)清洗方法
    3.2 數(shù)據(jù)挖掘指標(biāo)的選取
        3.2.1 輸入變量
        3.2.2 目標(biāo)變量
第四章 利用非監(jiān)督學(xué)習(xí)模型對(duì)指標(biāo)進(jìn)行降維
    4.1 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘
        4.1.1 關(guān)聯(lián)規(guī)則的原理和計(jì)算步驟
        4.1.2 關(guān)聯(lián)規(guī)則的優(yōu)缺點(diǎn)
    4.2 利用關(guān)聯(lián)規(guī)則對(duì)股票指標(biāo)進(jìn)行處理達(dá)到降維
        4.2.1 數(shù)據(jù)預(yù)處理
        4.2.2 運(yùn)用關(guān)聯(lián)規(guī)則處理經(jīng)過整理后的數(shù)據(jù)
    4.3 利用主成分分析(PCA)對(duì)數(shù)據(jù)進(jìn)行處理
        4.3.1 主成分分析的含義
        4.3.2 主成分分析的計(jì)算步驟
        4.3.3 主成分分析的優(yōu)缺點(diǎn)分析
    4.4 利用主成分分析(PCA)對(duì)股票數(shù)據(jù)進(jìn)行降維處理
第五章 利用分類和預(yù)測(cè)模型進(jìn)行建模分析
    5.1 預(yù)測(cè)模型和分類模型含義
    5.2 決策樹數(shù)據(jù)挖掘方法概述
    5.3 運(yùn)用決策樹模型處理股票特征數(shù)據(jù)
        5.3.1 數(shù)據(jù)處理
        5.3.2 決策樹分析及評(píng)價(jià)
        5.3.3 決策樹模型效果展示
    5.4 神經(jīng)網(wǎng)絡(luò)模型
        5.4.1 神經(jīng)網(wǎng)絡(luò)概述
        5.4.2 神經(jīng)網(wǎng)絡(luò)特點(diǎn)
    5.5 神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘
        5.5.1 數(shù)據(jù)預(yù)處理
        5.5.2 神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)
        5.5.3 神經(jīng)網(wǎng)絡(luò)模型效果分析
        5.5.4 神經(jīng)網(wǎng)絡(luò)模型的效果展示
第六章 決策樹模型和神經(jīng)網(wǎng)絡(luò)模型對(duì)比分析
    6.1 模型的比較的方法概述
    6.2 四種模型比較方法下對(duì)比兩個(gè)模型
        6.2.1 偏差方差比較方法
        6.2.2 ROC曲線判別方法
        6.2.3 F1score比較方法
        6.2.4 超額收益率方法
第七章 結(jié)論與展望
    7.1 研究結(jié)論
    7.2 研究展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷在讀期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于廣義加性分位數(shù)回歸的基金經(jīng)理選股與擇時(shí)能力評(píng)價(jià)[J]. 許啟發(fā),侯奇華,蔣翠俠.  財(cái)會(huì)月刊. 2017(35)
[2]股票信任分類基礎(chǔ)上的投資組合選擇[J]. 汪涌,黃東賓,楊宣.  經(jīng)營(yíng)管理者. 2017(09)
[3]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)
[4]公開信息披露、媒體報(bào)道基調(diào)與股票價(jià)格行為——基于權(quán)益變動(dòng)類信息的新聞報(bào)道視角[J]. 張磊.  會(huì)計(jì)之友. 2017(04)
[5]基于遺傳算法的股票市場(chǎng)選擇模型[J]. 戎容,吳萍.  計(jì)算機(jī)工程與應(yīng)用. 2016(18)
[6]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.  中國管理科學(xué). 2015(11)
[7]基于C4.5決策樹的股票數(shù)據(jù)挖掘[J]. 王領(lǐng),胡揚(yáng).  計(jì)算機(jī)與現(xiàn)代化. 2015(10)
[8]技術(shù)分析的經(jīng)濟(jì)收益與市場(chǎng)有效性[J]. 汪天都,孫謙.  國際商務(wù)研究. 2015(05)
[9]基于支持向量機(jī)的股票預(yù)測(cè)[J]. 劉廷.  信息通信. 2015(08)
[10]股票回購的市場(chǎng)時(shí)機(jī)選擇及其影響因素研究[J]. 姜英兵,屈慧敏.  財(cái)務(wù)研究. 2015(04)



本文編號(hào)：3170087