基于數(shù)據(jù)挖掘的股票選股系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展、大數(shù)據(jù)的出現(xiàn)，人們對(duì)于股票交易預(yù)測(cè)的研究熱情不斷升溫。如何利用股票交易所產(chǎn)生的海量數(shù)據(jù)信息進(jìn)行分析，研究交易中對(duì)股票趨勢(shì)存在較為穩(wěn)定的影響因素，有效過(guò)濾干擾因素，提供給股民有效的輔助性決策信息具有非常重要的實(shí)際意義。
　　首先研究了國(guó)內(nèi)外的相關(guān)研究現(xiàn)狀，并針對(duì)現(xiàn)有研究中所解決的問(wèn)題以及存在的問(wèn)題進(jìn)行了分析，總結(jié)了現(xiàn)有股票預(yù)測(cè)中存在的問(wèn)題，介紹了本文的工作重點(diǎn)與研究?jī)?nèi)容。
　　其次，介紹了數(shù)據(jù)挖掘的相

2、關(guān)基礎(chǔ)知識(shí)，重點(diǎn)介紹了聚類算法的原理以及常用的兩種聚類算法:k均值、DBSCAN算法，同時(shí)介紹了分類算法的原理以及兩種常用的分類算法:決策樹(shù)方法和神經(jīng)網(wǎng)絡(luò)分類算法，為后續(xù)本文的研究提供了必要的理論依據(jù)。
　　第三，針對(duì)短線股民要求短期獲利的心理，對(duì)上漲交易數(shù)據(jù)的特征分析，提出了一種基于聚類分析的智能選股算法。通過(guò)對(duì)歷史股票交易數(shù)據(jù)進(jìn)行分析，結(jié)合股票后期的變化趨勢(shì)，將股票交易記錄劃分為上漲與非上漲兩種類型。通過(guò)對(duì)上漲交易數(shù)據(jù)進(jìn)行不同

3、聚類數(shù)目的多次聚類，形成不同的聚類模型。結(jié)合聚類模型對(duì)上漲交易數(shù)據(jù)進(jìn)行劃分，得到不同的上漲類別數(shù)據(jù)，通過(guò)組合原始非上漲交易數(shù)據(jù)，得到分類所需要的原始樣本數(shù)據(jù)。在此基礎(chǔ)上，利用決策樹(shù)的分類算法對(duì)這些數(shù)據(jù)集進(jìn)行分類訓(xùn)練，獲得相應(yīng)的分類判斷模型。通過(guò)對(duì)分類結(jié)果進(jìn)行分析，將分類為上漲交易數(shù)據(jù)的各個(gè)類別整理形成上漲類別，非上漲數(shù)據(jù)則保持為非上漲類別，從而得到判斷結(jié)果只有上漲與非上漲這兩類的綜合模型。
　　第四，本文利用基于聚類分析的智能選股

4、算法，按照目標(biāo)定義、數(shù)據(jù)準(zhǔn)備、聚類、分類以及實(shí)驗(yàn)結(jié)果分析這五個(gè)步驟設(shè)計(jì)了相應(yīng)的實(shí)驗(yàn)方案，結(jié)合從2006年至2010年深市899支股票共計(jì)665621條交易數(shù)據(jù)的分析，給出了交易數(shù)據(jù)上漲的定義，詳細(xì)介紹了交易數(shù)據(jù)的拆分過(guò)程，同時(shí)利用K均值聚類算法對(duì)上漲數(shù)據(jù)進(jìn)行多層次聚類，獲取到相應(yīng)的聚類模型，結(jié)合C50的分類算法得到實(shí)驗(yàn)結(jié)果。通過(guò)對(duì)獲得的待上漲股票后續(xù)真實(shí)交易數(shù)據(jù)的變化情況進(jìn)行對(duì)比，其準(zhǔn)確率達(dá)到52.63％，新算法取得了較大的性能提升。<