數據挖掘在股市趨勢預測的應用研究.pdf

1、信息技術的日新月異,使得數據的大規(guī)模增長,如何充分利用這些海量數據進行分析處理,挖掘并析取其背后蘊藏的價值信息,對于我們揭示事物發(fā)展規(guī)律變化的內部規(guī)律,發(fā)現不同事物之間的相互關系,為人們正確認識事物和科學決策提供依據具有重要的實際意義。數據挖掘技術為人們提供了強大的武器。聚類分析是數據挖掘研究的一個重要內容之一,基于聚類的各種數據挖掘算法的研究歷來也是研究重點,并且對聚類的各種數據挖掘算法應用也非常廣泛。但是,目前大多數的聚類分析算法的

2、數據對象只是針對于靜態(tài)數據集,對于動態(tài)數據集卻只能采取對整個數據集重新進行聚類的方式,因此隨著數據量的不斷增大以及對數據集實時數據挖掘的需求不斷加大,這樣處理的結果是效率低下而且重復性高。現實股票市場中存在著許多不確定因素,這些不確定因素使股票交易者很難對股票價格做出準確、客觀的預測。
　　 本文的數據對象是采用來自互聯網的1990年3月27日到2005年3月27日每日恒生指數的數據,數據格式采用國際上通常講的股票歷史數據格式,

3、即是每一“交易日”為一條數據記錄單元。通過隨機選取的一個股票對象的屬性進行對整個恒生指數的概述,其中每個屬性都經過了數值化變換。要得到的聚類結果為:股市走勢類別分組聚類。這個問題可以轉換成股票走勢特征極大化?；诰垲惖南陆档隽渴綌祿诰蚶^承了已有聚類的執(zhí)行成果,通過對新增數據的考查,迭代求取最佳可能值,根據實例數據對象特征以及本文提出挖掘算法的聚類特點,在實際實驗結果的驗證下,可以得出本文課題是可行和有效的。同時本課題提出的算法可在

4、很大程度上避免大量的重復計算,減少了計算量,節(jié)省了系統開支,提高了效率,尤其數據量越大時,下降迭代增量式的數據挖掘技術就越能體現出其優(yōu)越性,也更能為有數據挖掘需求的用戶提供及時、快捷、有價值的信息內容。
　　 股票的趨勢是一個受政治局勢、災害、軍事局勢、企業(yè)經營、股票歷史數據等多方面因素影響的非線性問題,本課題基于股票市場產生的大量數據,利用基于聚類的下降迭代增量式的數據挖掘技術對股票趨勢進行預測。模擬結果再現了股票市場尖峰肥尾