數據挖掘技術在金融市場領域的應用.pdf

1、金融市場作為目前比較常見的收集和流通資本的重要場所，是市場經濟的重要組成部分，其功能重點是連接投資者和籌資者，通過相關的規(guī)則，能夠將社會上的小錢進行匯集，滿足發(fā)展重點經濟的需要。同時，金融市場對調節(jié)市場上的資金有一定的功效，保持資本在一定范圍內的穩(wěn)定性，在某種程度上較好地化解資本的供求矛盾。因此，對金融市場投資的研究分析是經濟學者們熱衷的領域。在眾多的金融投資研究模型中，比較常見的是傳統(tǒng)的基于時間序列模型，該模型的構建是建立在一定的假設

2、條件上的，但是這些假設的條件與實際的相符合程度較低，這就是該模型的局限性。此外，傳統(tǒng)的基于時間序列模型是一個結構固定的全局模型，但是由于金融市場時間序列的結構是不穩(wěn)定的，是隨時變化的，因此使用該模型來描述不是很精確。
　　社會的不斷發(fā)展，信息技術進入金融行業(yè)，推動了金融業(yè)的蓬勃發(fā)展，同時，金融市場所產生的信息也是呈指數增加的，因此人們又面臨了一個新的問題，就是如何更好更快地從海量的金融信息中獲取到自身需要的信息。數據挖掘技術正是為

3、解決從海量的信息中獲取有用的信息的新興技術，該方法極大的解決了人們的困惑，給人們在獲取信息中帶來了很多便利。
　　本文從現(xiàn)有FCM聚類模型存在的問題入手，結合EMD-SVR預測模型算法，提出了基于改進的FCM聚類算法的EMD-SVR預測模型。該模型首先對數據進行聚類，實現(xiàn)數據對象的分類訓練以及隸屬度的計算，減少輸入規(guī)則的條數，最終簡化EMD-SVR預測模型。
　　將該模型分別應用于深成指數和上證指數的預測，實驗結果表明，該預