数据挖掘在股市趋势预测的应用研究

发布时间：2025-06-18 23:16

　　信息技术的日新月异,使得数据的大规模增长,如何充分利用这些海量数据进行分析处理,挖掘并析取其背后蕴藏的价值信息,对于我们揭示事物发展规律变化的内部规律,发现不同事物之间的相互关系,为人们正确认识事物和科学决策提供依据具有重要的实际意义。数据挖掘技术为人们提供了强大的武器。聚类分析是数据挖掘研究的一个重要内容之一,基于聚类的各种数据挖掘算法的研究历来也是研究重点,并且对聚类的各种数据挖掘算法应用也非常广泛。但是,目前大多数的聚类分析算法的数据对象只是针对于静态数据集,对于动态数据集却只能采取对整个数据集重新进行聚类的方式,因此随着数据量的不断增大以及对数据集实时数据挖掘的需求不断加大,这样处理的结果是效率低下而且重复性高。现实股票市场中存在着许多不确定因素,这些不确定因素使股票交易者很难对股票价格做出准确、客观的预测。 本文的数据对象是采用来自互联网的1990年3月27日到2005年3月27日每日恒生指数的数据,数据格式采用国际上通常讲的股票历史数据格式,即是每一“交易日”为一条数据记录单元。通过随机选取的一个股票对象的属性进行对整个恒生指数的概述,其中每个属性都经过了数值化变换。要得...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图3.2数据挖掘系统总体结构

决策树也能处理时间顺序，但是需要的数据准备就相对较多一点。(7)自由文本数据:MBR技术最适合。数据挖掘系统的总体结构如图3.2所示:

图3.3数据仓库结构图

硕士学位论文数据挖掘在股市趋势预测的应用研究3)数据访问和分析结构。数据仓库结构如图3.3所示。数数据仓库管管理理工具具数数据清清清数据建建...洗工具具具模工具具前端工具前端工具前端工具源数据数据的抽取转换加载数据集市数据访问与分析图3.3数据仓库....

图5.3恒生指数的历史走势图

369696306256恒生指数的历史走势图，如图5.3所示。20000150001000050001894久哭沁2识冲2.0百1.51.0万0.50.0时间图5.3恒生指数的历史走势图F19.5.3ThehistoriealeurveofHSstoe....

图5.42004年3月至2005年3月恒生指数实际曲线图

150001000050001894久哭沁2识冲2.0百1.51.0万0.50.0时间图5.3恒生指数的历史走势图F19.5.3ThehistoriealeurveofHSstoek截取2004年4月至2005年3月恒生指数实际曲线图，如图5.4所示:LI....

本文编号：4050485