数据挖掘技术在上证指数预测中的应用研究.pdf

《数据挖掘技术在上证指数预测中的应用研究.pdf》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、4iiHfl^4VIwyviwtRsinfflmwmianbrunums焉撼々‘，I#f爾i1■-■111专此碩士研究生学位泠文数据挖掘技术在上证指数预测中的应用研究_.v7:学院(部、所)1:表__统计与数专业:、p^用统计举姓名：_______A赵建觀论文起止时间：2014年9月-2015年3月mM摘要摘要随着改革开放不断深化，金融市场建设逐步完善，国家对金融产业关注程度不断升高，股票市场自1990年推行至今，受到市场关注和投资者的追捧。股票证券市场以其高额的回报，较低的准入门槛，一度成为社会关注的焦点。我国股票市场投资者今

2、年热情不断升高，2014年底股票开户人数再创新高。但是高收益同时也伴随着高风险，如何在保证较高收益的同时控制风险，或者是在同等收益的情况下降低风险，一直是投资者思考的问题，准确预测股票价格，根据股票历史记录推测未来股票定价，为投资者提供可靠的定价来源。现在，利用数据挖掘技术和机器学习的方法，通过对股票的历史数据的预测，在给定条件的情况下，通过机器自主学习，给机器一个预测能力，通过算法实现，为投资者预测未来股票价格提供支持。由于股票买卖价格随着需求而变动，而需求也会随着各种主动和被动因素上下浮动，提前预测，为投资者合理布局投资方案提

3、供依据。因此，根据预测数据，提前设计投资布局方案，提升资源利用率，提前做好因股票价格变化的投资预案，有备无患。这一切的基础就是对股票的准确预测。相关文献显示，小波神经网络在时间序列数据预测方面具有一定优势且效果较好。但是小波神经网络预测对训练样本和学习过程时间相对较长。由于在股票市场时间就是金钱，提高计算效率是非常重要的。因此，本文尝试在小波神经网络与BP神经网络比较的基础之上，还尝试了运用SVM回归预测股票数据。最后在BP神经网络机器以及衍生神经网络和SVM回归之间做出比较和权衡。本文主要是通过对上证综合指数预测这一实证分析，对

4、BP神经网络和小波神经网络和SVM回归进行了分析和比较。分别对上证综合指数预测、预测均方误差MSE和运算效率等方面进行了对比。通过对比，可以发现BP神经网络是小波神经网络的基础，小波神经网络是在BP神经网络的基础上衍生而得到的。小波神经网络在计算效率方面比较低，在符合要求的情况下，小波神经网络的准确性优于BP神经网络。而性能最优的方法却是支持向量机，无论是在预测准确程度还是在计算效率方面都领先于神经网络。I摘要关键词:证券市场；支持向量机；反向传播神经网络；小波神经网络IIAbstractAbstractAsChina’srefo

5、rmandopeningupdrivedeepens,constructionoffinancialmarketgraduallyimproved,financialmarketgraduallyfocused,theChineseStockmarketwaschasedafterfrom1990.Thestockmarketwasthefocusspotbecauseofhigherincomeandrisk.InChina,investorsentimenthasbeenimprovinggraduallyinrecentye

6、ar.In2004,thenumberofopeningthestockaccountwascreatesnewhigh.Withhighriskandhighearning,howtogethigherincomeandlowerrisk,thatwefocuson.Thestockpriceforestcorrectly,accordingtothehistoryrecord,wecanforestthefuturestockprice,andimprovethereliabilityinformationsource.Now

7、,bydataminingtechnologyandmachinelearning,weimproveafuturestockpricetoinvestor.Becausethestockpriceisfloatedbydemand.Thedemandisfloatedbysomeactiveandpassivereason.Investoraheadoftimetoforestthestockprice.Wecanprovideagisttoinvestor.Accordingtothegist,investorlayoutin

8、vestmentprogram.It’scanimprovethelevelofresourceutilization.Allabovebaseonthepreciselyforestthestockprice.Relatedliteraturea