基于數(shù)據(jù)挖掘的金融預(yù)測(cè)模型.pdf

1、金融預(yù)測(cè)是金融數(shù)據(jù)挖掘的一個(gè)重要研究方向。金融時(shí)間序列除了具有非線(xiàn)性、非平穩(wěn)、動(dòng)態(tài)的一般常見(jiàn)的特征外，還具有其它一些特征，例如高噪音、非正態(tài)、尖峰厚尾等。因此，金融預(yù)測(cè)也就更有挑戰(zhàn)性，同時(shí)有著廣闊的應(yīng)用價(jià)值和市場(chǎng)前景。 本文重點(diǎn)研究了模糊修正模型和基于聚類(lèi)分析和神經(jīng)網(wǎng)絡(luò)的混合模型在金融預(yù)測(cè)領(lǐng)域中的應(yīng)用。由于傳統(tǒng)的模糊邏輯模型自身的局限性，在對(duì)金融時(shí)間序列趨勢(shì)的連續(xù)預(yù)測(cè)應(yīng)用中，趨勢(shì)準(zhǔn)確率偏低，連續(xù)預(yù)測(cè)值波動(dòng)小(體現(xiàn)不出未來(lái)的市場(chǎng)走

2、向)，對(duì)此，本文提出了模糊修正的方法，試驗(yàn)結(jié)果表明，運(yùn)用模糊修正模型進(jìn)行金融預(yù)測(cè)是可行的和有效的；在基于聚類(lèi)分析和神經(jīng)網(wǎng)絡(luò)的混合模型中，研究了針對(duì)金融時(shí)間序列的子序列特征提取聚類(lèi)方法，并引入到BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，消除了不相關(guān)歷史模式對(duì)網(wǎng)絡(luò)訓(xùn)練的影響，實(shí)驗(yàn)預(yù)測(cè)結(jié)果明顯優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)。 本文兩個(gè)創(chuàng)新的預(yù)測(cè)模型是基于同樣的實(shí)驗(yàn)數(shù)據(jù)，因此還對(duì)這兩個(gè)預(yù)測(cè)模型的實(shí)驗(yàn)結(jié)果進(jìn)行了比較，并對(duì)各自特點(diǎn)和適用性進(jìn)行分析。 此外，本文對(duì)