數(shù)據(jù)挖掘算法在股市預(yù)測中的應(yīng)用研究.pdf

1、作為市場經(jīng)濟重要特征的股票市場,從誕生的那天起就牽掛著數(shù)以千萬投資者的心.高風險高回報是股票市場的特征,因此投資者們時刻在關(guān)心股市、分析股市、試圖預(yù)測股市的發(fā)展趨勢.由于股市的行情受到政治、經(jīng)濟等多方面因素的影響,其內(nèi)部規(guī)律非常復(fù)雜,傳統(tǒng)的預(yù)測技術(shù)預(yù)測效果并不理想.針對股價(股指)預(yù)測存在的問題,如:股價(股指)具有非線性特性、股價數(shù)據(jù)具有高噪聲特性等,該文通過研究數(shù)據(jù)挖掘算法在股市預(yù)測中的應(yīng)用,來尋求數(shù)據(jù)挖掘算法與股價(股指)預(yù)測的結(jié)

2、合點.論文首先介紹了各種數(shù)據(jù)挖掘算法以及目前數(shù)據(jù)挖掘算法的研究現(xiàn)狀,提出通過研究數(shù)據(jù)挖掘算法在股市預(yù)測中的應(yīng)用來更好地進行股市預(yù)測.其次,該文應(yīng)用數(shù)據(jù)挖掘算法對股票指數(shù)進行了預(yù)測,分別使用了灰色系統(tǒng)和神經(jīng)網(wǎng)絡(luò)模型對股票指數(shù)進行了預(yù)測.預(yù)測結(jié)果表明,在對股指走勢的短期預(yù)測中,GM模型是一個高效率的方法,而神經(jīng)網(wǎng)絡(luò)模型同樣表現(xiàn)了較好的預(yù)測效果,但單一模型預(yù)測效果仍然不夠理想.針對單一模型預(yù)測的缺點,該文提出了灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)組合模型,并使

3、用該組合模型對股指進行了預(yù)測.數(shù)值實驗結(jié)果表明,組合模型預(yù)測結(jié)果較單一模型有所改進.再次,該文應(yīng)用數(shù)據(jù)挖掘算法對個股股價進行了預(yù)測.在神經(jīng)網(wǎng)絡(luò)用于股市預(yù)測的工作中,該文將股市中廣泛使用的技術(shù)指標如KD指標、指數(shù)平滑異同移動平均線MACD、相對強弱指標RSI等引入模型,分別使用BP神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)網(wǎng)絡(luò)進行了預(yù)測.同時,我們使用時間序列預(yù)測中的二次指數(shù)平滑法和三次指數(shù)平滑法對同一問題進行了研究并將各種方法預(yù)測的結(jié)果進行了比較.數(shù)值試驗的