本文選題：股票分析 + 關(guān)聯(lián)規(guī)則　； 參考：《重慶大學(xué)》2013年碩士論文

【摘要】：股市發(fā)展至今，股票分析始終是眾多學(xué)者研究的熱點(diǎn)。股市每天都會(huì)產(chǎn)生海量數(shù)據(jù)，很多業(yè)務(wù)都需要依賴對(duì)這些數(shù)據(jù)的分析，從中挖掘出有用的信息。利用數(shù)據(jù)挖掘技術(shù)建立有效的組合投資模型，尋找出最具投資價(jià)值的股票信息，以便投資者能夠做出最佳決策，有效提高投資的回報(bào)率，具有重要的理論和現(xiàn)實(shí)意義。 本文的主要研究工作： 首先對(duì)股票市場(chǎng)進(jìn)行了現(xiàn)狀分析，，并總結(jié)了國內(nèi)外將數(shù)據(jù)挖掘技術(shù)運(yùn)用到股票分析的研究現(xiàn)狀；其次介紹了數(shù)據(jù)挖掘技術(shù)，并著重介紹了其中的關(guān)聯(lián)規(guī)則算法、決策樹分類算法及馬克維茨模型；然后運(yùn)用以上數(shù)據(jù)挖掘技術(shù)進(jìn)行了實(shí)例仿真，選取上證和深證股票市場(chǎng)2012年中的2000多只股票進(jìn)行了實(shí)證分析。從股票的眾多屬性中用關(guān)聯(lián)規(guī)則挖掘出影響股票走勢(shì)的關(guān)鍵屬性指標(biāo)，并由關(guān)鍵屬性指標(biāo)對(duì)兩千多只股票按決策樹算法進(jìn)行分類，實(shí)現(xiàn)策略選股。最后運(yùn)用馬克維茨模型對(duì)選定的投資組合進(jìn)行風(fēng)險(xiǎn)評(píng)估，并決定各股票在投資組合中的最佳比例。
[Abstract]:Up to now, stock analysis has always been a hot research topic for many scholars. The stock market produces huge amounts of data every day, and many businesses rely on the analysis of these data to extract useful information from it. It is of great theoretical and practical significance to establish an effective portfolio investment model by using data mining technology to find out the most valuable stock information so that investors can make the best decision and improve the return rate of investment effectively. The main research work of this paper is as follows: Firstly, the paper analyzes the current situation of stock market, and summarizes the research status of applying data mining technology to stock analysis at home and abroad, then introduces data mining technology, and emphasizes on the association rules algorithm. The decision tree classification algorithm and Markowitz model are used to simulate the above data mining technology and more than 2000 stocks in the stock market of Shanghai Stock Exchange and Shenzhen Stock Exchange in 2012 are selected for empirical analysis. The key attribute indexes which affect the trend of stocks are mined by association rules from many attributes of stocks, and more than 2,000 stocks are classified according to decision tree algorithm by key attribute indexes, and the strategy of stock selection is realized. Finally, we use Markowitz model to evaluate the risk of the selected portfolio, and determine the optimal proportion of each stock in the portfolio.
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：F832.51;F224;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱宇光;黃樹成;;一種基于信息熵建立決策樹的算法[J];常州工學(xué)院學(xué)報(bào);2006年01期

2 呂馨,徐松艷,張剛;組合投資的數(shù)學(xué)模型[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1999年04期

3 劉純浩;證券組合的可行集與有效集[J];經(jīng)濟(jì)數(shù)學(xué);1995年01期

4 莎仁格日樂;;馬克維茨均值-方差模型及應(yīng)用[J];集寧師專學(xué)報(bào);2007年04期

5 李緒成,王保保;挖掘關(guān)聯(lián)規(guī)則中Apriori算法的一種改進(jìn)[J];計(jì)算機(jī)工程;2002年07期

6 張曉龍,駱名劍;基于IF-THEN規(guī)則的決策樹裁剪算法[J];計(jì)算機(jī)應(yīng)用;2005年09期

7 黃斐;;Markowitz投資組合模型的優(yōu)化研究[J];中國市場(chǎng);2008年40期

8 程玉勝;鄧小光;江效堯;;Apriori算法中頻繁項(xiàng)集挖掘?qū)崿F(xiàn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年03期

9 魏紅寧;決策樹剪枝方法的比較[J];西南交通大學(xué)學(xué)報(bào);2005年01期

10 譚旭,王麗珍,卓明;利用決策樹發(fā)掘分類規(guī)則的算法研究[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年06期

本文編號(hào)：1924539