数据挖掘技术对股票走势预测的分析和研究

论文摘要

股票市场是市场经济的重要组成部分,股市的稳定不仅关系到国家经济的繁荣发展,也关系到普通投资者的经济收入。因此有效的股票走势预测的分析和研究有着重大的理论意义和实践价值。但是股票市场的高度非线性特征,导致众多的股市分析方法的应用效果都难如人意。基于神经网络技术的数据挖掘模型,因其很强的非线性模拟、自适应能力和自学习能力的特点,所以本文将使用神经网络技术对股票走势预测这一课题进行深入的研究。本文阐述了数据挖掘的基本思想,对神经网络技术进行了深入分析,主要研究了二种神经网络算法——BP神经网络算法和RBF神经网络算法,来建立股票走势预测模型,更好地对股票走势进行预测。主要工作有以下二点:(1).基于股票历史交易数据对BP神经网络模型的设计,利用收集样本数据进行训练优化网络,使网络预测误差达到设计要求。经测试数据测试,实验结果可以达到指导投资者投资的作用。(2).基于股票历史交易数据对RBF神经网络模型的设计,利用收集样本数据进行训练,确定最优的RBF股票预测模型。实验结果表明,该神经网络模型完全达到设计要求,显示出该算法的可行性和有效性。通过实验数据的证明,本文的研究为二种算法在股票走势预测中的应用提供的切实可行的经验,为投资者提供了新的分析技术和预测方法来指导自己的投资行为,对于丰富和创新股票市场的预测方法具有一定的现实意义和参考价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 国内外研究现状
• 1.4 论文的主要内容和章节安排
• 1.4.1 论文的主要内容
• 1.4.2 章节安排
• 1.5 本章小结
• 第二章 数据挖掘技术
• 2.1 数据挖掘的概述
• 2.1.1 数据挖掘产生的背景
• 2.1.2 数据挖掘的概念
• 2.1.3 数据挖掘的过程
• 2.2 数据挖掘的常用方法
• 2.2.1 数据挖掘的常用方法
• 2.2.2 数据挖掘的功能
• 2.3 数据挖掘的适用性
• 2.4 本章小结
• 第三章 股票市场的预测理论
• 3.1 股票概述
• 3.2 股票指数和股市预测的有关指标变量
• 3.2.1 股票指数
• 3.2.2 股市预测的变量和指标
• 3.2.3 技术指标
• 3.3 股票市场的预测的几大困难
• 3.4 股市常用的预测方法
• 3.4.1 股票投资分析方法
• 3.4.2 时间序列分析方法
• 3.4.3 神经网络预测方法
• 3.4.4 其他预测方法
• 3.5 本章小结
• 第四章 神经网络在股票预测中的应用
• 4.1 神经网络的概述
• 4.1.1 神经网络的概述
• 4.1.2 神经网络的特征
• 4.2 BP 神经网络
• 4.2.1 BP 神经网络的概述
• 4.2.2 BP 网络的结构
• 4.2.3 BP 网络的学习规则
• 4.2.4 BP 网络的设计
• 4.3 基于BP 神经网络的股票预测
• 4.3.1 问题的描述
• 4.3.2 样本的收集和处理
• 4.3.3 BP 训练网络的建立
• 4.3.4 BP 网络训练结果
• 4.4 径向基（RBF）网络在股票走势预测研究中的应用
• 4.4.1 径向基的网络结构
• 4.4.2 径向基函数（RBF）的特点
• 4.4.3 径向基函数（RBF）网络对于股票价格的预测
• 4.4.4 训练结果及分析
• 4.5 结果总结
• 第五章 总结
• 致谢
• 参考文献