基于K-means算法和決策樹模型的投資者交易行為研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，用戶在互聯(lián)網(wǎng)上留下的行為信息越來越多，通過運用數(shù)據(jù)挖掘技術(shù)尋找行為之間的內(nèi)在規(guī)律，揭示其背后潛在的價值信息，對商業(yè)決策和理論研究都具有重要意義。在互聯(lián)網(wǎng)金融領(lǐng)域，投資者的交易行為同樣也蘊含了大量信息，為了能夠探究股票投資者交易行為特征，本文以股票投資者交易行為研究對象，研究其交易行為與股票收益之間的規(guī)律。
　　本文內(nèi)容主要包括五個章節(jié)。第一章我們首先介紹了數(shù)據(jù)挖掘的研究背景，數(shù)據(jù)挖掘的流程及挖掘內(nèi)容;然后分別

2、介紹了數(shù)據(jù)挖掘在金融領(lǐng)域和用戶行為領(lǐng)域的國內(nèi)外研究現(xiàn)狀;最后，在各學(xué)者研究的基礎(chǔ)上，我們提出本文的研究方向及研究意義，并簡要介紹了本文的主要內(nèi)容。
　　在第二章中，我們首先從相關(guān)網(wǎng)絡(luò)上收集了與投資者實盤交易相關(guān)的數(shù)據(jù)，對數(shù)據(jù)進行預(yù)處理，并對用戶投資交易行為定義并量化，然后分別從盈虧情況、操作風(fēng)格、交易次數(shù)、交易頻率、選股情況等方面對整體交易行為進行分析。通過分析發(fā)現(xiàn)，整體交易記錄中盈利多于虧損，整體交易偏保守型，且選股情況不佳;大

3、多數(shù)交易傾向于中短期投資，同時傾向于低頻操作。
　　第三章中，我們以中短期交易記錄為研究對象，通過K-means算法，將其分為四類，分析各個類別的行為特征，結(jié)合各個類別的收益情況發(fā)現(xiàn)中短期盈利情況受整體交易中的交易風(fēng)格影響較大，而其操作頻率影響較小。
　　第四章中，以投資者個人為研究對象，對其指標(biāo)進行定義轉(zhuǎn)化，用K-means算法對投資者指標(biāo)進行離散化處理，然后通過ID3算法構(gòu)建決策樹模型，經(jīng)過模型訓(xùn)練與剪枝，得到投資者行為