基于數(shù)據(jù)挖掘的證券態(tài)勢(shì)估計(jì)系統(tǒng).pdf

1、本文作為面向證券的智能檢索系統(tǒng)的一個(gè)重要組成部分,側(cè)重于對(duì)證券進(jìn)行技術(shù)分析,主要是對(duì)交易行情進(jìn)行數(shù)據(jù)挖掘,期望建立起證券投資的自動(dòng)決策系統(tǒng).本文首先介紹了系統(tǒng)的體系結(jié)構(gòu),其次介紹了數(shù)據(jù)挖掘方法在該系統(tǒng)中的具體應(yīng)用,最后介紹了系統(tǒng)的語音接口. 本文將數(shù)據(jù)融合中的態(tài)勢(shì)估計(jì)理論用于證券研究領(lǐng)域,提出了證券態(tài)勢(shì)估計(jì)的新概念.由于證券市場(chǎng)具有高度復(fù)雜性,僅僅依靠單一的方法,不可能對(duì)證券市場(chǎng)做出精確的預(yù)測(cè).為了充分利用多種預(yù)測(cè)方案的優(yōu)勢(shì),本

2、文用數(shù)據(jù)融合技術(shù)將各種數(shù)據(jù)挖掘方法組合起來.鑒于態(tài)勢(shì)估計(jì)的層次化要求,本文使用分組多層黑板體系結(jié)構(gòu)實(shí)現(xiàn)了證券態(tài)勢(shì)估計(jì)系統(tǒng)(SSAS),并且建立了證券數(shù)據(jù)挖掘方法本體庫.該系統(tǒng)被設(shè)計(jì)成一個(gè)開放的平臺(tái),便于擴(kuò)充新的分析手段. 本文使用自組織網(wǎng)絡(luò)(SOM)對(duì)個(gè)股收盤價(jià),市盈率,市凈率,市銷率和流通市值進(jìn)行聚類,建立了基于財(cái)務(wù)指標(biāo)的板塊劃分方法.對(duì)個(gè)股的時(shí)間序列數(shù)據(jù)進(jìn)行小波分析,得到各級(jí)小波分解下的能量及能量分布,求得個(gè)股的信息量系數(shù),

3、然后用SOM聚類,創(chuàng)建了板塊劃分新方法. 本文使用Apriori算法挖掘個(gè)股的關(guān)聯(lián)規(guī)則,還進(jìn)行了基于聚類的關(guān)聯(lián)規(guī)則挖掘.另外,分析了每周各交易日個(gè)股走勢(shì)及其關(guān)聯(lián)關(guān)系,結(jié)果表明中國證券市場(chǎng)存在時(shí)間異象. 本文使用馬爾科夫鏈(Markov)進(jìn)行股票的價(jià)格趨勢(shì)預(yù)測(cè).并且以個(gè)股時(shí)間序列的小波分解系數(shù)作為觀測(cè)值,借用數(shù)字語音識(shí)別的思想,使用隱馬爾科夫模型(HMM)進(jìn)行價(jià)格趨勢(shì)預(yù)測(cè),改善了預(yù)測(cè)效果.用誤差反饋神經(jīng)網(wǎng)絡(luò)(BP)對(duì)股票價(jià)