關聯(lián)規(guī)則算法研究及在股市中的應用.pdf

1、數(shù)據(jù)挖掘是研究如何從大量的數(shù)據(jù)中獲取潛在的有用信息和知識。而關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中最成熟、最主要、最活躍的研究內(nèi)容。隨著證券市場的不斷發(fā)展，在證券信息數(shù)據(jù)庫中積累了大量歷史交易數(shù)據(jù)，如何充分利用這些歷史數(shù)據(jù)探尋證券市場自身的運行規(guī)律，成為人們關心的問題。特別是2005年下半年，適逢股改大潮的來臨，中國股市重新振作，掀起了一波接一波的熱潮，從中留下的數(shù)據(jù)又為數(shù)據(jù)挖掘提供了良好的挖掘?qū)ο?，可以總結出大量有價值的規(guī)律指導投資者操作。

2、 在整個數(shù)據(jù)挖掘的研究中，算法的研究占有特別重要的地位。數(shù)據(jù)挖掘面對的是大量數(shù)據(jù)集，算法的效率起到?jīng)Q定性的作用，因此，研究和改進現(xiàn)有的算法，有著十分重要的意義。鑒于此，本文對關聯(lián)規(guī)則挖掘算法進行了研究。首先對數(shù)據(jù)挖掘作了一般性介紹，包括數(shù)據(jù)挖掘的概念、模式、挖掘的主要問題、數(shù)據(jù)挖掘系統(tǒng)的分類以及應用和發(fā)展趨勢。然后，對數(shù)據(jù)挖掘中重要的關聯(lián)規(guī)則挖掘算法做了深入的研究，分析了關聯(lián)規(guī)則中經(jīng)典的Apriori算法、AprioriTid算法和Ap

3、rioriHybird算法及其他學者對Apriori算法的改進算法，總結了算法中存在的問題；接著，詳細介紹了本文內(nèi)容的重點之一，一種AprioriHybird算法的改進算法，并把它與AprioriHybird算法進行了詳細比較。 為了更好地挖掘股市信息，就必須結合股市的特點，特別是股票自身的運作規(guī)律，股票的走勢包含了數(shù)以萬計人的思維和智慧，必須通過詳細和耐心的觀察才能學之一二。經(jīng)過長期學習、跟蹤股市及模擬演練，本文決定從宏觀和微

4、觀兩個方面來描述股票。宏觀上，把近數(shù)月的股票數(shù)據(jù)通過模糊時間序列匹配的方法轉(zhuǎn)化為股票的長期參數(shù)；微觀上，把近數(shù)日的股票數(shù)據(jù)通過相關實戰(zhàn)書籍經(jīng)驗和模擬實戰(zhàn)經(jīng)驗轉(zhuǎn)化為短期參數(shù)，從而形成一套完整的參數(shù)集，為挖掘工作打下堅實的基礎。這是本文內(nèi)容的重點之二。 最后在MicrosoftVisualC++6.0環(huán)境下完成了對股票數(shù)據(jù)的處理、算法的改進及挖掘工作。實驗驗證了改進的AprioriHybird算法的效率在一定程度上優(yōu)于Apriori