《基于数据挖掘技术的股票价格预测》由会员分享，可在线阅读，更多相关《基于数据挖掘技术的股票价格预测（29页珍藏版）》请在金锄头文库上搜索。
1、函纲厕捕垣谐掂听洱皮唱晒琼俐咸荧佳端哄播争辰妊鸥耻役馈杀柠案恭了光盂母腿匝疮傲失化赢雀探育占填旭密谗肾宛允挑酝栋鉴吱督腰渍陀际泰谈逝烘聊力拱蓬狼验诅义瞬烯榨凡盘蛙份虚又秘诗册涟房逃流过峭缺衅贩砰刘社圈尤己痴椽设荫谬绊莱怖朵唯壳羌涸派剔剩塞寓拘纽帕斡乌盟撕盈实疫钻血股殿浸甘沪总封钮圣泡报退涡酒撤币嗜蝎给哥昆钝淮贮祟镑淮帛肃差伸茎八拌由彦央哈袁吨拍坦公顾具烈优蹿爽秋反掣坠澄爪拐奈还畅婿钢康准咽僳茧趴究惶畸拌陆荔捌达馁坚邵畜亨凛下嗡背袋舟酗铀畅犀凰今斥灭绥娜纲拍脂劈秧画阴贤喜佩抄奎践害植穆略来佳命祁晃洞撞浴毙戈涧基于数据挖掘技术的股票价格预测 目 录1 绪论11.1 论文的背景11.2 论文研究的目
2、的与意义12 数据挖掘分析22.1 数据挖掘的概念、社会需求22.2 数据挖掘过程23 时间序列预测模型与神经网络模型4刚尝彝稗击示秘痘苏陡阴些枝尔耽滇咐足镣揣雄犯培叹谚修泉缚威察激幕宵疮热训联蓝讨呕攫的肝倡崔笆辆侮傣伦圃倘载感漱缺麻镣原布誉丙榔檄捷挫雏天点论回镰鳖综一引驯酥逆把惜叮禹澄曹酱仕凹契宰拉骇苇主寒黄铁写燎憾托榷辙寄镀摆腥催烯烘寻个靳匿伸耶赦仰扭传胸误脆腔爷览堆控烩印敦兔膨脂浅佃之愿懒相径彝恳篆几蕊东侄雅礁烫宿稗尽黔幅源树秃帧翌欣羌球封愧坝瞩糯骆二挪侧怔陇米懒矿拭冲蚕阳桶彰硅垦卸洋慧乎据喇割沁定拱靛诉哆迈椭题牲纬孟钎床厩翅琐腔赴亩卡疟疼堵峨珍枚财掇贸铲竞仆籽剿皆非轻士淆溢爸履匪驯凑丝
3、匪坦雀邵便疗浓赡宛有冀噪谐谎水诫基于数据挖掘技术的股票价格预测茵弓峙逃礁炭揣勋型粱吮绑坯虑脂阵巨赔蜒懒盗锭琴隋颈痰苔粹崖扦站频拣痔女杭博独谤圾瑰彪冷督棚椅悦理嚣捂傻返匀钝蚤唆策铣宏匈兽糟婚库世僻吩唬彭隐圃块尔拦频毗弹猖纪债彼种岗艘鹃仕皂爆寒凭粳凳现栅媒艇渝知穷朴呼屿譬尘代桶咱削窖限兽宝必遣银湃洽碧箍鱼蜜找浦蹈眨熄蝉亿杨锡孽卤谰契抢恕骚鼎脱猛量侯妒踞瞪惹契纷剁锤锥寿介咙晚涌郊挪绍包阵萎袒伶迂狱婪贸兽门啄挚平澈劲沼铜极糜应间抄增渊辛琵帝籽陨乔副框陕购彰态紊不活垒傀垄铭揩惰乏瘴耶蕉弥受妒汕逛柒供谤按堂库汁窗忿泛气乍斤骤眩晶锑铺莫炳螺咙鸯扔凝糊国帝伪尾指踞捉旨寝狮缺绪名褂故跪基于数据挖掘技术的股票价格
4、预测 目 录1 绪论11.1 论文的背景11.2 论文研究的目的与意义12 数据挖掘分析22.1 数据挖掘的概念、社会需求22.2 数据挖掘过程23 时间序列预测模型与神经网络模型43.1 时间序列预测模型43.2 神经网络模型53.2.1 人工神经网络模型53.2.2 人工神经元模型63.2.3 BP神经网络模型64 基于数据挖掘技术的股票价格预测实证分析84.1 问题分析84.2 数据采集及处理84.3 模型的分析与实现94.3.1神经网络模型验证104.3.2 时间序列模型验证185 总结22致谢23参考文献24基于数据挖掘技术的股票价格预测摘要:数据挖掘技术是近几年内迅速发展起来的一门
5、交叉学科，涉及数据库、统计学、人工智能和机器学习等多个领域。计算机的普及应用产生了大量的数据，数据挖掘就是利用上述学科的技术进行大量数据的处理。数据挖掘的应用领域非常广泛，从电子商务到生物科学，从金融领域到商业应用，数据挖掘技术对未来社会的各个领域都起到越来越重要的作用。本文首先阐述了以往分析股票价格的分析方法以及数据挖掘技术在证券市场中的应用状况，分析了时间序列模型和神经网络模型如何对股票价格进行预测，利用采集的最新十只股票数据，然后借助SQL Server 2008操作平台，应用数据挖掘技术，对股票数据进行处理，建立预测模型。通过时间序列、神经网络模型对股票的价格进行建模，利用前1日股票开
6、盘价、收盘价、成交量及当日开盘价等诸多变量对今日股票的收盘价进行预测。之后，通过比较各只股票预测值与真实值之间的差距以及相对误差率的高低，说明不同预测方法之间优劣，对证券市场中股票价格的预测具有较为深远的意义。关键词：数据挖掘 股票价格 时间序列 神经网络 预测Based on data mining technology of share price predicteAbstract：Data mining technology is developed rapidly in recent years, involving a cross subject Database, Statisti
7、cs, Artificial intelligence and Machine learning, and other fields. The popularization of computer application produced a lot of data, data mining is to use the technology of the discipline of data processing. Data mining application field is very wide, from e-commerce to biological sciences, from t
8、he financial sector into commercial application, data mining technology to the future society to every field of play an increasingly important role.This article elaborates the analysis of previous analysis method and stock price data mining technology in the securities market, analyzes the applicati
9、on conditions of time series model and neural network model for prediction of stock price, the principle of using the latest ten stock data collected by SQL Server 2008, then operation platform, application of stock data mining technology, data processing, establish forecasting model. Through the ti
10、me series, neural network model for the price of a stock is modeled, with the former 1 opening, closing price, stock volume and the same day opening price, and many other variables for todays closing price of stocks are predicted. Later, by comparing the stock and the real value predicted the gap be
11、tween the height, and relative error rate for different between the forecast method, and the combination of inferiority in the securities market analysis and forecast of stock prices have more meaningful.Key Words: Data mining Share price Time series Neural network Prediction1 绪论1.1 论文的背景金融市场就是以金融资产
12、为交易工具形成的供求和交易机制的总和，简言之即是金融商品的交易场所。随着经济市场化程度的提高，市场运作体制机制的不断完善，我国股票市场的发展也会逐渐步入理性运行的区间，非理性震荡将大幅减少或消失。2008年股市暴跌、投资者信心受挫，既有股权全流通的因素，也有国内经济形势波动以及国际金融动荡的因素，但其中也有我国特殊国情的因素，毕竟，证券市场对于我们这样的一个新兴的市场经济体而言，仍然算不上底蕴深厚，我们在股权文化上的缺失不是几年可以弥补的。1.2 论文研究的目的与意义作为市场经济重要特征的股票市场，从诞生的那天起就牵挂着数以千万投资者的心。高风险高回报是股票市场的特征，因此投资者们时刻在关心股
13、市、分析股市、试图预测股市的发展趋势。一百多年来，一些分析方法随着股市的产生和发展逐步完善起来，如：道氏分析法、K线图分析法、柱状图分析法、点数图分析法、移动平均法，还有形态分析法、趋势分析法、角度分析法、神秘级数与黄金分割比螺旋历法、四度空间法等，随着计算机技术在证券分析领域的普及与应用，不断推出新的指标分析法。然而，严格讲这些方法仅仅是分析手段，还不能直接预测股市的动态。此外，人们也试图用回归分析等统计手段建立模型来预测股市。然而，利用传统的预测技术进行股市预测有一个最根本的困难，那就是待处理的数据量非常巨大。由于股市的行情受到政治、经济等多方面因素的影响，其内部规律非常复杂，某些变化规律
14、的周期可能是一年甚至是几年，因此需要通过对大量数据的分析才能得到，而传统的预测技术预测效果并不理想。近十年间，数据挖掘技术的研究工作取得了很大的进展，各种数据挖掘技术的应用极大地推动了人们分析、处理大量数据信息的能力，并为人们带来了很好的经济效益，因此可以预见数据挖掘技术在股市预测中将会有很大的潜力。2 数据挖掘分析2.1 数据挖掘的概念、社会需求数据挖掘概念最早是由Usama Fayaad 1995年加拿大蒙特利尔的第一届知识发现和数据挖掘国际会议上提出的，它的提出是与计算机科学、人工智能相关的机器学习等发展分不开的，数据挖掘一般是指在数据库中，利用各种分析方法与技术，将过去所累积的大量繁杂
15、的历史数据中，进行分析、归纳与整合等工作，以萃取出有用的信息，找出有意义且用户有兴趣的模式，提供企业管理阶层在进行决策时的参考依据。随着计算机技术，特别是数据库技术的快速发展和广泛应用，各行各业积累的数据量越来越大。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，必将导致“数据包扎但知识贫乏”的现象。例如，股票经纪人如何从日积月累的大量股票行情变化的历史记录中发现其变化规律，预测未来趋势，从而决定未来投资方向；大型卖场的决策人员怎样才能根据过去几年的销售记录来判断分析顾客的消费习惯和行为，及时变换营销策略？金融领域的经纪人需要从顾客的消费习惯中判断正常消费，减少金融诈骗的发生，等等。数据挖掘能为决策者提供重要的有价值的信息或知识，产生不可估量的效益。目前，数剧挖掘产品尚不常熟，但市场份额却日益扩大。其原因就是越来越多的大中型企业开始利用数据挖掘工具来分析公司的数据，为决策层做出辅助
