本文關(guān)鍵詞：基于粗糙集的股票推薦研究

  更多相關(guān)文章： 股票 粗糙集 屬性約簡 相對(duì)性能界限

【摘要】：隨著我國經(jīng)濟(jì)的發(fā)展,人們生活水平日益提高,手中剩余資金不斷增多,逐漸有了投資理財(cái)意識(shí)。股票作為金融市場的最重要組成成分之一,越來越吸引人們的眼光。在股票信息數(shù)據(jù)庫中積累了大量股票歷史相關(guān)數(shù)據(jù),怎樣高效利用這些歷史數(shù)據(jù)探尋股票漲跌的決策規(guī)則,成為人們關(guān)注的熱點(diǎn)。近年來,金融專業(yè)人士運(yùn)用基本分析、技術(shù)分析和演化分析等傳統(tǒng)方法對(duì)股票市場進(jìn)行預(yù)測,而這些方法適用于成熟的股票市場,中國股市發(fā)展的時(shí)間短,散戶較多,傳統(tǒng)的分析方法不適合中國的股票市場,所以急需一個(gè)有效的智能方法幫助人們選擇合適的股票。粗糙集理論是分析和處理各種不精確、不完備信息的數(shù)學(xué)工具,它已成為數(shù)據(jù)挖掘研究的一個(gè)重要組成部分。粗糙集理論的知識(shí)獲取,主要是在保持分類能力不變的前提下,通過屬性約簡,導(dǎo)出問題的決策規(guī)則。由于獲取股票相關(guān)數(shù)據(jù)無法做到全面,所以應(yīng)用粗糙集理論對(duì)股票數(shù)據(jù)進(jìn)行挖掘比較適用。本文基于粗糙集理論,重點(diǎn)研究了屬性約簡中的基于屬性重要度算法,在數(shù)據(jù)預(yù)處理階段,先用相對(duì)性能界篩選符合要求的數(shù)據(jù),將股票的漲跌屬性定義為漲跌比率,設(shè)定閾值,滿足閾值的股票數(shù)據(jù)被留下；然后用趨勢增量進(jìn)行離散化,將股票時(shí)間序列轉(zhuǎn)換為信息系統(tǒng),將一個(gè)交易日分為兩個(gè)交易單元,上午和下午,分別查看上午和下午的總體漲跌情況,根據(jù)上午下午股票漲跌與股票的其他屬性,如今日股票屬于高開還是低開,復(fù)權(quán)價(jià)等,最終得到股票漲跌的規(guī)則。該方法解決了原有股票屬性約簡的不準(zhǔn)確性問題,采用高頻交易、概率制勝的方式,使得到規(guī)則的冗余屬性值數(shù)目進(jìn)一步降低,規(guī)則也更加滿足人們的需求。在理論研究的基礎(chǔ)上,采用matlab進(jìn)行了仿真實(shí)驗(yàn),通過連續(xù)屬性離散化、屬性約簡、規(guī)則提取和規(guī)則解釋四個(gè)步驟完成了基于粗糙集股票推薦的實(shí)現(xiàn),通過決策規(guī)則的置信度和支持度對(duì)規(guī)則進(jìn)行評(píng)價(jià)。使用真實(shí)的股票歷史交易數(shù)據(jù)對(duì)基于粗糙集的股票推薦系統(tǒng)進(jìn)行測試,取得了較為滿意的結(jié)果。提供了股票漲跌的預(yù)測規(guī)則,幫助投資者選擇合適的股票進(jìn)行投資。
【關(guān)鍵詞】：股票 粗糙集 屬性約簡 相對(duì)性能界限
【學(xué)位授予單位】：哈爾濱商業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F832.51;TP18
【目錄】：

• 摘要5-6
• Abstract6-12
• 1 緒論12-18
• 1.1 本文研究的目的和意義12-13
• 1.2 國內(nèi)外研究和應(yīng)用現(xiàn)狀13-16
• 1.3 論文的創(chuàng)新點(diǎn)16
• 1.4 論文研究的主要內(nèi)容16-18
• 2 挖掘理論研究18-28
• 2.1 粗糙集理論18-25
• 2.1.1 知識(shí)的含義與表示18-19
• 2.1.2 不可分辨關(guān)系19
• 2.1.3 粗糙集的上、下近似及邊界區(qū)19-21
• 2.1.4 可辨識(shí)矩陣21
• 2.1.5 屬性的重要度21-22
• 2.1.6 屬性約簡22-23
• 2.1.7 約簡算法23-25
• 2.2 決策規(guī)則25-26
• 2.3 粗糙集在數(shù)據(jù)挖掘的應(yīng)用26-27
• 2.3.1 粗糙集在數(shù)據(jù)挖掘的作用26
• 2.3.2 粗糙集作為數(shù)據(jù)挖掘的優(yōu)勢26-27
• 2.4 本章小結(jié)27-28
• 3 基于相對(duì)性能界的算法研究28-33
• 3.1 屬性約簡屬于NP難問題28
• 3.2 解決NP難問題的方法28-29
• 3.3 近似算法29-30
• 3.3.1 差界29
• 3.3.2 相對(duì)性能界29-30
• 3.3.3 多項(xiàng)式近似方案和完全多項(xiàng)式近似方案30
• 3.4 相對(duì)性能界確定算法30-32
• 3.5 本章小結(jié)32-33
• 4 粗糙集屬性約簡在股票的應(yīng)用33-42
• 4.1 粗糙集挖掘的功能33-34
• 4.2 數(shù)據(jù)預(yù)處理34-35
• 4.3 連續(xù)屬性離散化35
• 4.4 屬性約簡35-36
• 4.5 規(guī)則獲取36-37
• 4.6 規(guī)則解釋37
• 4.7 實(shí)驗(yàn)數(shù)據(jù)37-41
• 4.8 本章小結(jié)41-42
• 5 股票推薦仿真應(yīng)用及分析42-49
• 5.1 數(shù)據(jù)準(zhǔn)備42-44
• 5.1.1 清理數(shù)據(jù)42
• 5.1.2 屬性構(gòu)造42-43
• 5.1.3 連續(xù)屬性離散化43-44
• 5.2 基于屬性重要度的約簡44-45
• 5.3 規(guī)則提取及解釋45-47
• 5.4 對(duì)比實(shí)驗(yàn)47-48
• 5.5 本章小結(jié)48-49
• 結(jié)論49-50
• 參考文獻(xiàn)50-54
• 致謝54

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 邱兆雷;范穎;王愛云;;粗糙集理論及進(jìn)展[J];信息技術(shù)與信息化;2006年05期

2 徐偉華;張文修;;覆蓋廣義粗糙集的模糊性[J];模糊系統(tǒng)與數(shù)學(xué);2006年06期

3 石杰;;粗糙集理論及其應(yīng)用研究[J];科技信息;2008年33期

4 唐彬;;粗糙集理論和應(yīng)用研究[J];內(nèi)江科技;2008年03期

5 胡軍;王國胤;;覆蓋粗糙集的模糊度[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

6 燕紅文;康向平;張麗;;依賴空間與粗糙集理論[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2009年09期

7 林國平;;覆蓋廣義粗糙集與信任函數(shù)[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年02期

8 王石平;祝峰;朱培勇;;基于抽象相關(guān)關(guān)系的粗糙集研究[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

9 成新文;陳國超;李琦;;關(guān)于粗糙集的理論及應(yīng)用研究[J];煤炭技術(shù);2010年10期

10 林治;張璇;;粗糙集理論的應(yīng)用探析[J];邢臺(tái)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 黎文航;陳善本;王兵;;粗糙集理論在焊接中的應(yīng)用綜述[A];第十一次全國焊接會(huì)議論文集（第2冊）[C];2005年

2 尹宗成;;粗糙集理論在我國糧食產(chǎn)量預(yù)測中的應(yīng)用[A];現(xiàn)代農(nóng)業(yè)理論與實(shí)踐——安徽現(xiàn)代農(nóng)業(yè)博士科技論壇論文集[C];2007年

3 鄒剛;滕書華;孫即祥;陳森林;敖永紅;;一種粗糙集優(yōu)化協(xié)同原型模式約簡分類方法[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

4 葛麗;傅彥;;粗糙集在科學(xué)數(shù)據(jù)屬性約簡中的應(yīng)用[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

5 陳雪飛;;粗糙集分類中耦合數(shù)據(jù)的處理方法研究[A];2008年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊)[C];2008年

6 肖健梅;蘆曉明;王錫淮;;集裝箱起重機(jī)防搖系統(tǒng)粗糙集控制[A];第二十六屆中國控制會(huì)議論文集[C];2007年

7 王印松;馮康;;主汽溫調(diào)節(jié)系統(tǒng)性能評(píng)價(jià)的粗糙集實(shí)現(xiàn)方法[A];第二十七屆中國控制會(huì)議論文集[C];2008年

8 王紅萍;萬程亮;金彥豐;;應(yīng)用粗糙集理論的對(duì)抗效果權(quán)重確定方法[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2009年

9 王莉;周獻(xiàn)中;;一種基于粗糙集的模糊神經(jīng)網(wǎng)絡(luò)模型在鋼材力學(xué)性能預(yù)測中的研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第二分冊）[C];2009年

10 卓明;王麗珍;譚旭;;基于粗糙集近似集擴(kuò)展的規(guī)則提取算法[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2000年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 唐孝;基于粗糙集的知識(shí)發(fā)現(xiàn)方法及其在ECG信號(hào)識(shí)別中的應(yīng)用[D];電子科技大學(xué);2015年

2 曾凱;鄰域�；植谟�(jì)算的關(guān)鍵技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2015年

3 鮑忠奎;面向不確定信息系統(tǒng)的粗糙集擴(kuò)展模型研究[D];合肥工業(yè)大學(xué);2015年

4 王永生;基于粗糙集理論的動(dòng)態(tài)數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2016年

5 薛佩軍;正負(fù)域覆蓋廣義粗糙集與知識(shí)粗傳播研究[D];山東大學(xué);2007年

6 孔芝;粗糙集理論若干問題的研究與應(yīng)用[D];東北大學(xué);2009年

7 秦中廣;基于粗糙集的交叉研究及其在中醫(yī)診斷的應(yīng)用[D];華南理工大學(xué);2002年

8 劉少輝;知識(shí)發(fā)現(xiàn)中粗糙集理論的研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2003年

9 鄧大勇;基于粗糙集的數(shù)據(jù)約簡及粗糙集擴(kuò)展模型的研究[D];北京交通大學(xué);2007年

10 孫英娟;基于粗糙集的分類方法研究[D];吉林大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張德齊;基于粗糙集理論的電機(jī)故障診斷方法研究[D];渤海大學(xué);2015年

2 楊禮;基于粗糙集的公路交通安全預(yù)警研究[D];西南交通大學(xué);2015年

3 朱爭瓊;多知識(shí)抽取在腦認(rèn)知中的應(yīng)用[D];大連海事大學(xué);2016年

4 尹哲;基于粗糙集的決策樹分類方法研究[D];大連海事大學(xué);2016年

5 李卓軍;基于粒子群算法和粗糙集的屬性約簡研究[D];中國石油大學(xué)(華東);2014年

6 梁文惠;基于粗糙集理論構(gòu)建項(xiàng)目級(jí)企業(yè)社會(huì)責(zé)任管理指標(biāo)體系[D];清華大學(xué);2015年

7 吳健陽;基于典型相關(guān)性分析的粗糙集屬性約簡研究及其并行化實(shí)現(xiàn)[D];南京大學(xué);2014年

8 黃雙雙;基于粗糙集和突變模型的江西省生態(tài)經(jīng)濟(jì)發(fā)展水平評(píng)價(jià)研究[D];東華理工大學(xué);2016年

9 張佃倫;基于粗糙集的聚類算法及其在入侵檢測中的應(yīng)用[D];青島科技大學(xué);2015年

10 邱玉穎;基于模糊內(nèi)積依賴度及辨識(shí)矩陣的屬性約簡[D];渤海大學(xué);2016年

，

本文編號(hào)：1021861