当前位置: > 硕士毕业论文 > 33593字硕士毕业论文基于数据挖掘的股市波动趋势系统的研究与设计

33593字硕士毕业论文基于数据挖掘的股市波动趋势系统的研究与设计

论文类型:硕士毕业论文
论文字数:33593字
论点:数据挖掘,神经网络,数据
论文概述:

在模型层中,建立神经网络模型库,利用基于自适应BP神经网络模型进行规则分析,从而得到决策支持的目的。

论文正文:

基于数据挖掘的股市波动趋势系统的研究与设计
摘要
股票市场的发展关系到中国经济的发展,其在经济发展中的份额也在不断增加。准确预测股票在金融投资领域非常重要。股票市场通常以复杂性和不确定性为特征。股票市场的发展往往受到国家出台的股票市场管理措施、经济发展、投资者盲目跟风等自身投资心理等因素的影响。与此同时,随着经济的发展,股票交易量不断增加,股票价格的变化通常反映在细微的数据变化中。因此,很难为它建立一个模型。数据挖掘技术的出现为挖掘有效数据和提供有效信息提供了一种数据处理技术,对股票信息的研究、整理和预测具有重要的现实意义。
本文构建了一个基于神经网络的股票波动趋势数据挖掘框架,该框架分为数据层、模型层和用户层。数据层通过对原始股票数据文件进行排序,对数据进行预处理,并将数据存储在数据库中,从而形成数据xls文件。在模型层,建立神经网络模型库,利用自适应神经网络模型对规则进行分析,通过神经网络模型拓扑结构和用户层显示的规则将得到的结果显示给用户,从而达到决策支持的目的。
在系统实现方面,本文提出的数据挖掘技术神经网络预测策略是基于股票投资理论和股票价格预测方法的研究。系统通过及时获取股票历史和实际交易数据,研究和分析各种技术指标值,并将其输入数据库。根据技术指标形态变化特征的趋势选择集中股票投资方案,根据输入的股票技术指标值确定最优股票,通过绘制股票k线图和技术指标图设定股票价格变量,相应获得次日的交易情况,通过观察图像的趋势形式获得变化情况, 从而可以粗略预测股票价格趋势,然后结合技术压力水平和支撑水平对股票趋势情况进行分析和研究。 大量实验结果表明,该神经预测系统是可行的,并将最终显示其结果。该系统利用强大的计算能力,将Delphi编程技术与Matlab完美结合,具有灵活高效的特点,具有运行稳定、运行速度快、操作简单、操作方便、功能强大的优点。
关键词:股票;技术指标;数据挖掘;股票预测;神经网络
摘要
股票市场作为经济的晴雨表,在中国经济中发挥着非常重要的作用,有效的股票预测在金融投资领域占据着重要的地位。但是股票市场受到政策、经济和投资者心理等诸多复杂因素的影响,并且是一个非常复杂的系统,具有复杂不确定性的典型特征,很难建模和数据大小以及股票交易,因为常规的股票价格信息往往包含在这些海量的数据中。而数据处理新技术的快速发展——数据挖掘提供了从这些海量数据中隐含的、有价值的信息是一种重要的手段,因此利用该技术来分析和预测股票信息具有重要的理论和现实意义。
论文构建了基于BP神经网络的股票波动趋势数据挖掘方案,共分为数据层、模型层和用户层,其中数据层通过对原始股票数据文件进行整理,形成数据. xls文件,对这些数据再进行预处理存储到数据库中;在模型层,建立神经网络模型库,利用基于自适应神经网络模型进行规则分析,在用户层面上通过神经网络模型结构和规则获得的结果呈现给用户,从而达到决策支持的目的。
在系统实现方面,本文基于股票投资理论的深入分析和价格预测方法,从实际角度,提出了利用数据挖掘神经网络进行预测的思路和方法。下载股票交易历史的系统数据和实时市场数据,计算技术指标,并将其写入数据库。技术指标研究形态特征,总结选股,通过查询数据库规范选股,选择符合标准的股票,并根据其技术压力和支撑水平预测股票的短期走势和股价。股票价格预测,绘制股票图表和技术指标,通过调整股票报价模拟第二天的交易,烛台和技术指标,实时观察变化,可以计算第二天的总趋势和价格。大量仿真结果表明,神经预测在证券系统中有一定的实用性,进一步研究将为投资者提供准确的决策和回报。Delphi灵活高效的系统编程结合了Matlab强大的计算能力,具有快速、简单的操作和稳定运行的强大功能。
关键词:股票规格,数据挖掘,股票预测神经网络
内容
内容4
第一章导言1
1.1研究背景和意义1
1.2国内外研究现状2
1.2.1计算机技术在证券业的应用2
1.2.2海量数据的利用和分析3
1.2.3智能数据分析技术3
1.2.4数据挖掘技术4
1.3研究内容和研究框架5
1.3.1研究目标5
1.3.2研究内容6
1.3.3研究方法8
第2章系统相关技术概述9
2.1数据挖掘技术9
2.1.1数据挖掘概念9
2.1.2数据挖掘模式9
2.1.3数据挖掘过程10
2.2时间序列预测技术12
2.2.1时间序列12的内涵
2.2.2时间序列的分类12
2.2.3时间序列预测13
2.3基本库存分析技术14
2.5统一建模语言15
2.6本章概述16
第三章基于数据挖掘的股市波动趋势分析模型设计17
3.1 BP神经网络模型设计17
3.1.1神经网络简介17
3.1.2神经网络模型18
3.1.3神经网络结构和工作模式21
3.1.4神经网络学习方法23
3.2 BP神经网络分析股票波动趋势方法24
3.2.1整体框架设计24
3.2.2数据预处理设计25
3.2.3 BP神经网络结构设计26
3.3基于决策树29的股票波动趋势分析模型
3.4本章总结30
第四章股票市场波动趋势分析系统的设计32
4.1系统设计目标和原则32
4.2系统架构设计33
4.3系统功能架构34
4.3.1系统功能组合34
4.3.2账户管理模块35的功能组成
4.3.3股票数据管理模块35的功能组成
4.4股市波动趋势分析流程35
4.4.1数据采集和预处理35
4.4.2培训网络的设计36
4.4.3决策树分类设计38
4.5本章概述40
第五章股市波动趋势分析系统的实现41
5.1系统平台41的构建
5.2数据的预培训和测试43
5.2.1样品的选择43
5.2.2培训阶段44
5.2.3预测阶段45
5.2.4决策树建立46
5.3预测结果50
5.4预测结果分析55
5.5本章总结56
总结和展望57
参考文献58
谢谢你
第一章引言
1.1研究背景和意义
随着现代工业的发展,股票已经进入普通人的生活,成为最常用的财务管理方法之一。然而,做好股票投资并不容易。人们都希望在风险可控的情况下获得最大回报。为了实现这一目标,我们必须深刻理解股票运行规律及其投资技术,对股票走势进行合理而深入的分析,避免盲目投资,以提高投资回报率[1】。如果你想通过股票投资进行财务管理,你必须学习股票分析技术。因此,股票分析在股票投资过程中起着重要的作用。
总结与展望
基于神经网络的股票预测系统是集股票知识、人工智能、软件工程开发和应用于一体的综合系统。
在系统的研发过程中,完成了开发、编程、调试等重要工作,并完成了规定的基本功能。同时,结合Matlab语言的神经网络工具箱,完成了股票预测实验。总体而言,本系统的开发研究是基于实用的视角,直观易懂,使用方便,具有很强的使用价值。
当然,这一制度还有许多需要改进和完善的地方,可以归纳为以下三个方面:
首先,在该系统中,采用了网络结构优化和BP算法的方法,这可能导致一般前馈学习效率低下甚至失败,从而可能出现拟合效果不佳的现象。因此,建议采用两层以上的网络模式,改变隐藏层节点的数量,进行多次实验,最终找出效果更好的网络结构。
第二,在处理大量数据的过程中,系统可能有两个重要问题:第一个是速度慢,第二个是过度拟合。为了消除这些问题,可以使用数据预处理来避免它们。
第三,由于系统采用C/S模式,在应用程序运行过程中,数据以matlab文本格式文件存储,应用程序在运行过程中需要以字符串的形式完成数据传输,降低了程序的执行效率,给系统的使用带来了一些不便。
鉴于上述三个问题,需要对系统进行相应的调整和改进。考虑到我们的系统研发涉及到很多领域,实际效果还存在一些偏差。为了有效地解决这些问题,未来还有很长的路要走,这也鼓励我们在今后的工作和学习中继续努力。
参考
[1]曹肖春、曾安、潘丹。云计算环境下的数据挖掘服务平台研究[。自动化仪器,2014,09:9-13。
曹正峰、季红、谢邦昌。用随机森林算法实现优质砧木的选择[。首都经济商业大学学报,2014,02:21-27。
[[3]赵新南,冯洪灿。数据挖掘技术在[企业薪酬设计中的应用。美国信息工程研究所。2014年第四届国际应用社会科学会议录(国际社会科学理事会,2014年)第51卷,[。美国信息工程研究所:2014:5。
曹正峰。随机森林算法优化研究[。首都经济与商业大学,2014年。
[5]曾安、陈云、潘丹、杨海东、谢广强。面向领域的数据挖掘云平台研究[。微电子与计算机,2014,08:15-19。
[6]曾克。基于数据挖掘的微博用户兴趣群发现与分类[。华中师范大学,2014。
常凯。基于神经网络的数据挖掘分类算法的比较与分析。安徽大学,2014。
[8]赵新南,冯洪灿。数据挖掘技术在[企业薪酬设计中的应用。美国信息工程研究所。2014年第四届国际应用社会科学会议录(国际社会科学理事会,2014年)第51卷,[。美国信息工程研究所:2014:5。
[9]陈宝刚。基于数据挖掘方法的企业财务分析系统的设计与实现。吉林大学,2014。
[10]伊曼纽尔·拉希、伊丽莎白·波卢齐、阿里奥拉·科齐、保罗·卡拉塞尼、法布里奇奥·德庞蒂。评估与抗真菌药物相关的肝损伤:简明文献综述和来自FAERS数据库数据挖掘的线索[。世界肝病杂志,2014,08:601-612。
[11]陈欣然。基于数据挖掘技术的反流性食管炎中医临床期刊近15年文献研究[。北京中医药大学,2014。
[12]陈怡。基于网络数据挖掘的移动视频客户数据支持系统[。信息通信,2014,01:161-163。
[13]何晴、庄富珍、曾力、赵伟忠、谭晴。基于云计算的并行分布式数据挖掘工具平台[。中国科学:信息科学,2014,07:871-885。
[14]刘天辉,傅碧娜,东丈.用神经网络研究盐酸在金(111)上解离化学吸附的六维势能面.科学中国(化学),2014,01:147-155。
他是小旭。时间序列数据挖掘的若干关键问题研究[。中国科技大学,2014。
[16]黄佳斌。数据挖掘在实践教学信息网络中的研究与应用[。华北理工大学,2014。
[17]雷尼·卡翁达。真三轴应力状态分析和中间主应力对完整岩石强度影响演示的新人工神经网络[J]。岩石力学和岩土工程杂志,2014,04:338-347。
[18]黄玲。[电子商务中的网络数据挖掘研究。湖南大学,2014。
季根林,赵斌。时间空大数据数据挖掘概述[。南京师范大学学报(自然科学版),2014,01:1-7。
京闵月。基于数据挖掘的图书馆书目推荐服务研究[。中国北方大学,2014。
[21]李海林。大数据环境下数据挖掘的教学探索[。《计算机时报》,2014,02:54-55。
[22]刘彦君、刘磊、童绍成。一类具有死区的不确定非线性离散系统的自适应神经网络跟踪设计[[]。科学中国(信息科学),2014,03:276-287。
李平荣。数据挖掘技术及其在大数据时代的应用[。重庆三峡大学学报,2014,03:45-47。
[24]伊曼纽尔·拉希、伊丽莎白·波洛齐、阿里奥拉·科齐、保罗·卡拉塞尼、法布里奇奥·德庞蒂。评估与抗真菌药物相关的肝损伤:简明文献综述和来自FAERS数据库数据挖掘的线索[。世界肝病杂志,2014,08:601-612。
[25]李·董娟。一类连续搅拌釜反应器系统的自适应神经网络控制[[]。科学中国(信息科学),2014,10:246-253。
[26]李永红。相关子图空[数据中局部异常值的挖掘和应用]。太原科技大学,2014。
刘玉刚,东东。数据挖掘在公共交通调查数据分析中的应用研究[。公路工程,2014,02:96-101。
[28]倪红梅、杨徐明、方成泉、郭莹莹、岳明徐、何裕民。基于数据挖掘的中国八省市居民亚健康状态研究[。《中医杂志》,2014,04:511-517。
[29]倪红梅、杨徐明、方成泉、郭莹莹、岳明徐、何裕民。基于数据挖掘的中国八省市居民亚健康状态研究[。《中医杂志》,2014,04:511-517。
刘志龙。数据分析和数据挖掘在统计行业中的应用-工具[。统计与咨询,2014,01:36-38。
[31]马宏斌,王柯,马敦雪。大数据时代的数据挖掘概述[。大数据时代的地图和地理信息,2014,07:19-22。
[32]曲丽丽,陈艳。大数据背景下数据挖掘课程的教学改革与探索[。教育和教学论坛,2014年,16:57-58。
孙二娟。基于隐私保护的数据挖掘技术与研究[。浙江工业大学,2014。
陶艺。基于数据挖掘的朱仁康从“风”论治皮肤病的学术思想和临床经验研究。北京中医药大学,2014。
陶玉玉。决策树和神经网络算法在[证券分类预测中的应用。杭州电子科技大学,2014。
汪明星。数据挖掘算法优化的研究与应用[。安徽大学,2014。
王云峰,宁小西。刑事侦查数据仓库的模型设计及数据挖掘技术的应用[。软件工程师,2014,06:53-55。
[38]贺飞、何东风、徐安均、王红兵、奈田源。基于钢包热状态和人工神经网络的钢水温度预测混合模型[[]。钢铁研究杂志(国际),2014,02:181-190。
[39]吴汉华。大数据时代如何挖掘和利用医学数据[。硅谷,2014,05:13+12。
[40]吴桥。基于数据挖掘的煤炭企业成本管理系统的设计与实现。厦门大学,2014。
[41]谢丽阳。基于海量数据挖掘的武汉城市圈应急物流系统设计与优化。湖北工业大学,2014。
熊平、朱天庆、王小峰。差分隐私保护及其应用[。中国计算机杂志,2014,01:101-122。
徐建峰、张袁剑、周端宁、李丹、李雨。基于粒度计算的不确定性时间序列建模与聚类[[]。南京大学学报(自然科学版),2014,01:86-94。
[44]许钫钫,丁磊道。《数据挖掘技术及相关问题分析》[。数字技术与应用,2014,04:141-144。
闫妍。中国数据挖掘的现状与发展分析[。科技信息,2014,05:292。
[46]张晶晶。数据挖掘在汽车保险客户关系管理中的应用研究[。大连海事大学,2014。
[47]张雅。数据挖掘技术在[铁路货运营销中的应用研究。西南交通大学,2014。
[48] Masoud RAKHSHKHORSHID,Sayed-Amin TEIMURI SENDESI。预测奥氏体形成温度的贝叶斯正则化神经网络[[]。钢铁研究杂志(国际),2014,02:246-251。
[49]张燕。大数据背景下数据挖掘教学的新思路[。《计算机时报》,2014,04:59-61。
郑段曦。甲骨文数据挖掘在城市能源计量数据平台中的应用[。计算机和数字工程,2014,07:1299-1302。
[[51]周朝群。基于数据挖掘算法的教务选课系统的设计与实现。Xi理工大学,2014年。
周静歌。基于误差消除理论的数据挖掘误差系统优化方法及应用研究[。广东工业大学,2014。