基于改进k-means算法的股票预测研究与实现

基于改进k-means算法的股票预测研究与实现

ID:35178355

大小:5.34 MB

页数:65页

时间:2019-03-20

基于改进k-means算法的股票预测研究与实现_第1页
基于改进k-means算法的股票预测研究与实现_第2页
基于改进k-means算法的股票预测研究与实现_第3页
基于改进k-means算法的股票预测研究与实现_第4页
基于改进k-means算法的股票预测研究与实现_第5页
资源描述:

《基于改进k-means算法的股票预测研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学惊化与 ̄号G13156040410532学3"5密级公进分类号町.HUNANUNIVERSrry工程硕±学位论文基于改进K-means算法的股票预测研究与实现学位申请人姓名王辉培养单位软件学院导师姓名及职称汪皎英副教授卢冬云高级工程师学科专业软件工程研究方向企业信息化论文提交日期2016年10月26日湖南大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的。研究成果除了文中特别加

2、W标注引用的内容外,本论文不包含任何其他个人或。集体已经发表或撰写的成果作品对本文的研究做出重要贡献的个人和集体,均已在文中{^明确方式标巧。本人完全意识到本声明的法律后果由本人承担。f作者签名:曰期;年巧*名曰学位论文版权使用授权书本学位论文作者完全了解学巧有关保留、使用学位论文的规定,同意学校保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可将本学位论文的全部或部分内容编入有关数据库进行检。索,可采用影印、缩印或扫描等复制手段保存

3、和汇编本学位论文本学位论文属于1、保密□,在年解密后适用本授权书。2、不保密囚。""(请在上相应方框内巧V)'作者签名;日期:>4^明日导师签名:日期:>長日/名年。月'学校代号:10532学号:G131560404密级:公开湖南大学工程硕士学位论文基于改进K-means算法的股票预测研究与实现学位申请人姓名:王辉导师姓名及职称:汪皎英副教授卢冬云高级工程师培养单位:软件学院专业名称:软件工程论文提交日期:2016年10月26日论文答辩日期:2016年11月19日答辩委员会主席:秦拯

4、教授ResearchandimplementationofstockforecastingbasedonimprovedK-meansalgorithmbyWANGHuiB.E.(XiangtanUniversity)2007AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringInSoftwareEngineeringintheGraduateSchoolofHunanUniversityS

5、upervisorAssociateProfessorWANGJiaoyingSeniorEngineerLUDongyunOctober,2016基于改进K-means算法的股票预测研究与实现摘要随着经济的发展,人们对于股市的关注度逐渐提高,很多人投身于股市之中。由于股市的高复杂性以及影响股市的因素较多,给股市的预测带来了难度。股市专家也一直致力于股市的研究,并提出预测性较高的模型来揭示股市的运行模式,为投资者的投资提供决策。如何有效的利用历史投资数据进行数据挖掘,为个体用户提供投资推荐是值得研究的问题。随着

6、数据挖掘技术的不断发展,对于金融行业来说,越来越多的金融时间序列数据亟待处理。在金融资产投资上,个体用户与企业用户相比,永远处于高风险之中,目前大多数金融数据挖掘算法都面向企业,在个体用户数据挖掘和投资推荐上的研究较少。与企业相比,个体用户的金融时间序列数据有着不同的特性,不能使用传统的数据挖掘算法为其所用,本文针对个体用户的投资行为,利用改进的k-means算法为用户推荐感兴趣且上涨概率较大的股票。论文对传统线性回归模型及其参数计算进行改进,提出了PRA降维算法,将原始数据特征降低为线性回归模型的参数维度,降

7、低了时间复杂度。通过相似性查找算法,将PRA降维后的数据特征进行相似性查找,对相似性较高的进行聚类。将相似性高的簇作为叶子节点构件核心树。过核心数据进行迭代以完善核心树的枝叶。通过k-means算法对叶子节点进行后续处理,增强了核心树的鲁棒性。在改进算法基础上,论文为个体用户实现了一个基于聚类算法的金融数据挖掘个体用户投资推荐系统。实验和测试结果表明,该系统与改进算法可以实时进行金融投资的推荐,并通过客户有效的输入相应时间段的金融时间序列数据,给出推荐的结果与每个结果的得分排名,排名越高,该股票或者金融资产的投

8、资收益越高,大大降低了个体客户的投资风险,增加了投资收益。通过对本系统的设计与实现,希望为今后的个体用户投资推荐系统的研究奠定基础。关键词:金融时间序列;PRA降维方法;增量聚类算法;核心树II工程硕士学位论文AbstractWiththedevelopmentofeconomypeoplepaymoreattentiontothestockmarketandalotofpeoplea

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。