基于事件研究的股票数据挖掘

论文摘要

随着经济的发展和人们投资意识的转变,股票已成为现代人投资理财的一个重要组成部分,对股市内在规律的分析研究具有极其重要的理论意义和应用价值。本文将对证券分析师推荐股票信息进行数据挖掘,使用事件研究方法分析“证券分析师发布股票推荐信息”这一事件。在金融环境中,事件研究方法常用来研究某一事件或消息对证券的价格成交量等因素的影响。如果某一事件存在显著影响,非正常收益率和非正常成交量在事件发生前后会呈现某种特殊分布。那么是否可以反过来,根据非正常值曲线在事件发生时刻之前异常变化这一特点,判断某一事件是否将要发生;或者根据非正常值曲线在事件发生之前的不同走势,判断事件发生后股票价格的不同走向。本文将使用数据挖掘中分类和聚类方法来实现这两个目标。本文主要工作包括:首先使用事件研究方法,针对“证券分析师发布股票推荐信息”这一事件,选用两种正常交易值估计模型对证券分析师推荐的股票进行分析,得出该类股票的总体特征,提出分类和聚类分析目标:即通过分类分析在推荐信息发布前找出符合推荐股特征的股票;通过对推荐股票在推荐信息发布前的数据进行聚类分析找出在推荐信息发布后股价继续上升的股票类别。然后,根据推荐股票的非正常成交量和非正常收益率异常变化特征,使用两种分类方法分别构造了两模式分类器,用于在股票推荐信息发布前2日发现符合该类特征股票。经过实验表明,使用该分类器进行选股可以获得较好收益。最后应用聚类方法对推荐股票进行分析,通过对股票在被推荐之前的非正常成交量和非正常收益率的走势进行聚类,发现一类推荐股票在推荐信息发布后股价继续上涨,该信息对投资者判断推荐股票是否具有买入具有参考价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景和意义
• 1.2 课题来源
• 1.3 本文研究内容
• 第2章 股票分析中的数据挖掘技术
• 2.1 股票分析的背景知识
• 2.2 数据挖掘概述
• 2.2.1 数据挖掘基本概念
• 2.2.2 数据挖掘的一般过程
• 2.2.3 数据挖掘的功能
• 2.3 股市常用的数据挖掘分析方法
• 2.3.1 神经网络预测方法
• 2.3.2 关联挖掘
• 2.3.3 聚类分析方法
• 2.3.4 分类分析方法
• 2.4 本章小结
• 第3章 基于事件研究的推荐股票特征分析
• 3.1 事件研究方法的基本原理
• 3.2 分析数据的来源
• 3.2.1 证券分析师推荐股票数据的选择
• 3.2.2 交易数据的选择
• 3.3 证券分析师推荐股票总体特征
• 3.3.1 事件研究方法模型的建立
• 3.3.2 方法一
• 3.3.3 方法二
• 3.3.4 特征分析
• 3.3.5 分类和聚类方案的提出
• 3.4 本章小结
• 第4章 基于推荐股特征的分类分析
• 4.1 分类概述
• 4.1.1 数据分类的过程
• 4.1.2 分类器评价标准
• 4.1.3 主要分类方法
• 4.1.4 贝叶斯分类方法
• 4.1.5 k-最近邻方法
• 4.2 分类分析在证券分析师推荐股票数据挖掘的应用
• 4.2.1 目标与研究思路
• 4.2.2 数据来源与预处理
• 4.2.3 贝叶斯分类分析
• 4.2.4 k-最近邻方法分类分析
• 4.3 小结
• 第5章 基于事件研究的推荐股票聚类分析
• 5.1 聚类概述
• 5.1.1 主要聚类方法
• 5.1.2 聚类分析中的数据类型
• 5.1.3 聚类分析中的相异度的度量
• 5.2 k-means聚类算法
• 5.3 聚类分析在证券分析师推荐股票数据挖掘的应用
• 5.3.1 聚类分析的目标与意义
• 5.3.2 数据来源与规范化
• 5.3.3 聚类分析
• 5.3.4 结论分析
• 5.4 小结
• 总结
• 致谢
• 参考文献
• 附录1
• 附录2
• 附录3
• 攻读硕士学位期间发表论文