基于数据挖掘的证券态势估计系统

论文摘要

本文作为面向证券的智能检索系统的一个重要组成部分,侧重于对证券进行技术分析,主要是对交易行情进行数据挖掘,期望建立起证券投资的自动决策系统。本文首先介绍了系统的体系结构,其次介绍了数据挖掘方法在该系统中的具体应用,最后介绍了系统的语音接口。本文将数据融合中的态势估计理论用于证券研究领域,提出了证券态势估计的新概念。由于证券市场具有高度复杂性,仅仅依靠单一的方法,不可能对证券市场做出精确的预测。为了充分利用多种预测方案的优势,本文用数据融合技术将各种数据挖掘方法组合起来。鉴于态势估计的层次化要求,本文使用分组多层黑板体系结构实现了证券态势估计系统(SSAS),并且建立了证券数据挖掘方法本体库。该系统被设计成一个开放的平台,便于扩充新的分析手段。本文使用自组织网络(SOM)对个股收盘价,市盈率,市净率,市销率和流通市值进行聚类,建立了基于财务指标的板块划分方法。对个股的时间序列数据进行小波分析,得到各级小波分解下的能量及能量分布,求得个股的信息量系数,然后用SOM聚类,创建了板块划分新方法。本文使用Apriori算法挖掘个股的关联规则,还进行了基于聚类的关联规则挖掘。另外,分析了每周各交易日个股走势及其关联关系,结果表明中国证券市场存在时间异象。本文使用马尔科夫链(Markov)进行股票的价格趋势预测。并且以个股时间序列的小波分解系数作为观测值,借用数字语音识别的思想,使用隐马尔科夫模型(HMM)进行价格趋势预测,改善了预测效果。用误差反馈神经网络(BP)对股票价格进行预测,结果表明,使用弹性BP或共轭BP得到了较好的预测效果。为扩充证券态势估计系统平台的应用,给该平台添加了语音识别接口。利用Microsoft的Speech SDK开发包,本文实现了一个小型的语音平台,解决了股票名称发音相似的匹配难题,对常用控制命令,股票名称和股票代码都能达到较高的识别效果。而且本文还研究了利用剑桥大学的HTK工具包实现对股票代码的识别问题,提高了股票代码的识别率。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景和研究思路
• 1.2 国内外研究现状
• 1.2.1 证券的研究现状
• 1.2.2 数据挖掘研究现状
• 1.2.3 数据挖掘在证券上的应用
• 1.2.4 证券分析软件现状
• 1.3 本文主要研究内容
• 1.4 主要创新点
• 1.5 本文组织结构
• 第二章 证券态势估计系统
• 2.1 数据融合和态势估计
• 2.1.1 数据融合
• 2.1.2 态势估计
• 2.2 证券态势估计系统
• 2.2.1 证券态势要素提取
• 2.2.2 证券态势理解
• 2.2.3 证券态势预测
• 2.3 黑板体系结构
• 2.3.1 黑板系统的关键技术
• 2.3.2 基于黑板模型的态势估计系统
• 2.4 证券态势估计系统的体系结构
• 2.4.1 知识源
• 2.4.2 系统结构
• 2.5 基于本体的黑板体系结构
• 2.5.1 本体简介
• 2.5.2 本体模型
• 2.5.3 证券态势估计系统方法本体示例
• 2.5.4 证券态势估计系统领域本体示例
• 2.6 系统实现
• 2.7 本章小结
• 第三章 聚类分析
• 3.1 背景知识
• 3.1.1 股票投资价值评估指标
• 3.1.2 聚类分析简介
• 3.1.3 主要的聚类方法
• 3.2 基于SOM的股市板块划分
• 3.2.1 SOM算法
• 3.2.2 数据预处理
• 3.2.3 SOM聚类
• 3.3 小波分析
• 3.3.1 小波变换
• 3.3.2 小波变换的Mallat算法
• 3.3.3 时间序列信号的信息量测度方法
• 3.3.4 基于小波分解的聚类
• 3.4 本章小结
• 第四章 关联规则挖掘
• 4.1 背景知识
• 4.1.1 定义
• 4.1.2 关联规则的挖掘
• 4.1.3 使用Apriori算法候选项集找频繁项集
• 4.1.4 关联规则常见算法
• 4.1.5 字段处理
• 4.2 利用关联规则挖掘股票间关系
• 4.2.1 数据预处理
• 4.2.2 挖掘关联规则
• 4.2.3 挖掘具有时间约束的关联规则
• 4.3 基于聚类的关联规则
• 4.4 利用关联规则挖掘股市的时间异象
• 4.4.1 数据预处理
• 4.4.2 挖掘时间异象
• 4.5 本章小结
• 第五章 基于小波分析的HMM预测
• 5.1 背景知识
• 5.2 马尔可夫预测
• 5.2.1 马尔可夫分析法的基本原理
• 5.2.2 用各日收盘价的状态对象进行预测
• 5.2.3 结论
• 5.3 HMM预测
• 5.3.1 HMM基本原理
• 5.3.2 HMM预测股市
• 5.3.3 基于小波特征参数的HMM预测股市
• 5.4 本章小结
• 第六章 BP网络预测
• 6.1 BP网络预测
• 6.1.1 BP算法
• 6.1.2 利用BP对证券预测
• 6.3 基于自定义板块指数的BP预测
• 6.3.1 自定义板块指数计算
• 6.3.2 基于自定义板块指数的BP预测
• 6.4 本章小结
• 第七章 语音识别接口
• 7.1 背景介绍
• 7.2 基于Speech SDK的语音识别
• 7.2.1 Speech SDK简介
• 7.2.2 用Speech SDK设计证券态势估计语音系统
• 7.2.3 实验
• 7.3 基于HTK的语音识别
• 7.3.1 特征提取
• 7.3.2 语音模型
• 7.3.3 语言模型
• 7.3.4 实验
• 7.4 本章小结
• 第八章 总结与展望
• 8.1 总结
• 8.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致 谢