不確定時(shí)態(tài)數(shù)據(jù)挖掘方法及其在證券行情預(yù)測中的應(yīng)用.pdf

1、隨著金融全球化與自由化的推進(jìn)，金融行業(yè)的運(yùn)行效率與水平在很大程度上決定了一個國家的經(jīng)濟(jì)競爭力，而信息化技術(shù)越來越成為影響金融行業(yè)創(chuàng)新能力與發(fā)展水平的重要因素。近年來，許多金融機(jī)構(gòu)開始運(yùn)用先進(jìn)的信息技術(shù)與智能決策支持技術(shù)對業(yè)務(wù)系統(tǒng)中積累的海量數(shù)據(jù)進(jìn)行深入分析，以發(fā)現(xiàn)各種有價(jià)值的規(guī)律。數(shù)據(jù)挖掘技術(shù)作為一種新興的智能決策支持技術(shù)，已經(jīng)開始在金融行業(yè)的部分領(lǐng)域得到應(yīng)用。在此背景下，研究如何從金融數(shù)據(jù)中挖掘出各種信息，更好地認(rèn)識、掌握并利用其規(guī)律

2、，無疑具有重要意義。 與此同時(shí)，金融市場的信息具有不確定性眾多、非線性和信息數(shù)據(jù)的模糊性及非結(jié)構(gòu)性等特點(diǎn)。金融市場中的不確定性不僅包含時(shí)間的不確定，還包括事件信息和技術(shù)的不確定。這些問題都值得研究者們進(jìn)行深入研究。 不確定性方法與數(shù)據(jù)挖掘技術(shù)有一定的重疊性，兩者在單獨(dú)使用時(shí)都具有一定局限性。數(shù)據(jù)挖掘中存在不確定性問題，金融時(shí)間序列分析中也存在不確定性問題，并且傳統(tǒng)數(shù)理統(tǒng)計(jì)方法不適用于從大量的數(shù)據(jù)中主動發(fā)現(xiàn)各種潛在規(guī)則，而

3、不確定性方法在單獨(dú)進(jìn)行預(yù)測時(shí)會遇到小數(shù)據(jù)量等問題。本文根據(jù)具體選定的證券市場行情預(yù)測對象，將不確定性方法和數(shù)據(jù)挖掘技術(shù)的各自優(yōu)勢結(jié)合起來，得到一種基于不確定性方法和數(shù)據(jù)挖掘技術(shù)的不確定時(shí)態(tài)數(shù)據(jù)挖掘方法(UTDM)。該方法能更好地發(fā)揮不確定性方法和數(shù)據(jù)挖掘技術(shù)的優(yōu)勢，為證券市場的預(yù)測提供更好的技術(shù)分析方法，從而為投資決策者提供更為精確的定量分析結(jié)果。 本文在對不確定性方法和數(shù)據(jù)挖掘技術(shù)的相關(guān)理論、研究發(fā)展現(xiàn)狀及不足進(jìn)行深入討論的基

4、礎(chǔ)上，主要選取不確定性方法和數(shù)據(jù)挖掘技術(shù)中幾種具有代表性的方法：在不確定性方法中選取模糊集方法、模糊相似關(guān)系下的模糊粗糙集及灰色理論；在數(shù)據(jù)挖掘中選取關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)等方法，用于構(gòu)建證券市場的有效分析方法。特別地，選取數(shù)據(jù)挖掘技術(shù)中的聚類方法進(jìn)行預(yù)處理，在此基礎(chǔ)上分別得到模糊相似關(guān)系下的模糊粗糙集挖掘預(yù)測方法、趨勢特征挖掘預(yù)測方法、時(shí)間序列模糊關(guān)聯(lián)規(guī)則挖掘預(yù)測方法及多灰色神經(jīng)網(wǎng)絡(luò)預(yù)測方法，用這些方法分別解決了證券市場中短期的股票價(jià)格預(yù)

5、測、趨勢預(yù)測、規(guī)則預(yù)測以及股指預(yù)測等問題。 本文通過模糊相似關(guān)系下的模糊粗糙集和數(shù)據(jù)挖掘技術(shù)對股票價(jià)格進(jìn)行預(yù)測研究，從證券市場的大量數(shù)據(jù)中得到強(qiáng)規(guī)則。利用模糊集和粗糙集方法將股票價(jià)格進(jìn)行預(yù)分類，并按時(shí)間屬性進(jìn)行分組，通過給出的模糊相似關(guān)系下的模糊粗糙集計(jì)算每組的真值，利用數(shù)據(jù)挖掘技術(shù)獲得候選屬性，最終得到相應(yīng)時(shí)間段內(nèi)的有用規(guī)則，根據(jù)所得規(guī)則預(yù)測某一具體時(shí)間段內(nèi)股票價(jià)格的變化趨勢。將模糊粗糙集擴(kuò)展到模糊相似關(guān)系下的模糊粗糙集，并應(yīng)

6、用到對股票價(jià)格的預(yù)測中，能較原模糊粗糙集方法得到更多的有用規(guī)則，準(zhǔn)確率更高。 本文將股票中的時(shí)間序列轉(zhuǎn)換為以價(jià)格變動率為變量的時(shí)間序列進(jìn)行分析，并對趨勢特征提取、聚類算法進(jìn)行改進(jìn)，將時(shí)間序列的預(yù)測問題轉(zhuǎn)化為頻繁和有效特征集來發(fā)現(xiàn)問題，進(jìn)而對趨勢特征模式進(jìn)行挖掘預(yù)測，根據(jù)連續(xù)一段時(shí)間內(nèi)的漲跌情況判斷市場的發(fā)展趨勢。 在已有相關(guān)研究的基礎(chǔ)上，本文將時(shí)間序列模糊關(guān)聯(lián)規(guī)則應(yīng)用于證券市場的交易規(guī)則抽取。選用聚類方法對模糊集屬性進(jìn)行

7、離散化，構(gòu)造模糊集和隸屬函數(shù)，引入時(shí)間維度，提出適合股票交易規(guī)則抽取的時(shí)間序列模糊關(guān)聯(lián)規(guī)則算法，對股票間及行業(yè)間的關(guān)聯(lián)關(guān)系進(jìn)行挖掘預(yù)測。 本文根據(jù)灰色預(yù)測方法對股票進(jìn)行分析的可行性，提出將3種灰色預(yù)測模型，即殘差GM(1，1)，無偏GM(1，1)和pGM(1，1)與神經(jīng)網(wǎng)絡(luò)預(yù)測模型有機(jī)組合起來，建立一種新的多灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測方法，對中國證券市場綜合指數(shù)進(jìn)行模擬預(yù)測。該方法充分利用了灰色預(yù)測建模所需信息少、方法簡單的優(yōu)點(diǎn)和神經(jīng)