不確定時(shí)態(tài)數(shù)據(jù)挖掘方法及其在證券行情預(yù)測(cè)中的應(yīng)用.pdf

1、隨著金融全球化與自由化的推進(jìn)，金融行業(yè)的運(yùn)行效率與水平在很大程度上決定了一個(gè)國(guó)家的經(jīng)濟(jì)競(jìng)爭(zhēng)力，而信息化技術(shù)越來(lái)越成為影響金融行業(yè)創(chuàng)新能力與發(fā)展水平的重要因素。近年來(lái)，許多金融機(jī)構(gòu)開(kāi)始運(yùn)用先進(jìn)的信息技術(shù)與智能決策支持技術(shù)對(duì)業(yè)務(wù)系統(tǒng)中積累的海量數(shù)據(jù)進(jìn)行深入分析，以發(fā)現(xiàn)各種有價(jià)值的規(guī)律。數(shù)據(jù)挖掘技術(shù)作為一種新興的智能決策支持技術(shù)，已經(jīng)開(kāi)始在金融行業(yè)的部分領(lǐng)域得到應(yīng)用。在此背景下，研究如何從金融數(shù)據(jù)中挖掘出各種信息，更好地認(rèn)識(shí)、掌握并利用其規(guī)律

2、，無(wú)疑具有重要意義。 與此同時(shí)，金融市場(chǎng)的信息具有不確定性眾多、非線性和信息數(shù)據(jù)的模糊性及非結(jié)構(gòu)性等特點(diǎn)。金融市場(chǎng)中的不確定性不僅包含時(shí)間的不確定，還包括事件信息和技術(shù)的不確定。這些問(wèn)題都值得研究者們進(jìn)行深入研究。 不確定性方法與數(shù)據(jù)挖掘技術(shù)有一定的重疊性，兩者在單獨(dú)使用時(shí)都具有一定局限性。數(shù)據(jù)挖掘中存在不確定性問(wèn)題，金融時(shí)間序列分析中也存在不確定性問(wèn)題，并且傳統(tǒng)數(shù)理統(tǒng)計(jì)方法不適用于從大量的數(shù)據(jù)中主動(dòng)發(fā)現(xiàn)各種潛在規(guī)則，而

3、不確定性方法在單獨(dú)進(jìn)行預(yù)測(cè)時(shí)會(huì)遇到小數(shù)據(jù)量等問(wèn)題。本文根據(jù)具體選定的證券市場(chǎng)行情預(yù)測(cè)對(duì)象，將不確定性方法和數(shù)據(jù)挖掘技術(shù)的各自優(yōu)勢(shì)結(jié)合起來(lái)，得到一種基于不確定性方法和數(shù)據(jù)挖掘技術(shù)的不確定時(shí)態(tài)數(shù)據(jù)挖掘方法(UTDM)。該方法能更好地發(fā)揮不確定性方法和數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)，為證券市場(chǎng)的預(yù)測(cè)提供更好的技術(shù)分析方法，從而為投資決策者提供更為精確的定量分析結(jié)果。 本文在對(duì)不確定性方法和數(shù)據(jù)挖掘技術(shù)的相關(guān)理論、研究發(fā)展現(xiàn)狀及不足進(jìn)行深入討論的基

4、礎(chǔ)上，主要選取不確定性方法和數(shù)據(jù)挖掘技術(shù)中幾種具有代表性的方法：在不確定性方法中選取模糊集方法、模糊相似關(guān)系下的模糊粗糙集及灰色理論；在數(shù)據(jù)挖掘中選取關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)等方法，用于構(gòu)建證券市場(chǎng)的有效分析方法。特別地，選取數(shù)據(jù)挖掘技術(shù)中的聚類(lèi)方法進(jìn)行預(yù)處理，在此基礎(chǔ)上分別得到模糊相似關(guān)系下的模糊粗糙集挖掘預(yù)測(cè)方法、趨勢(shì)特征挖掘預(yù)測(cè)方法、時(shí)間序列模糊關(guān)聯(lián)規(guī)則挖掘預(yù)測(cè)方法及多灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法，用這些方法分別解決了證券市場(chǎng)中短期的股票價(jià)格預(yù)

5、測(cè)、趨勢(shì)預(yù)測(cè)、規(guī)則預(yù)測(cè)以及股指預(yù)測(cè)等問(wèn)題。 本文通過(guò)模糊相似關(guān)系下的模糊粗糙集和數(shù)據(jù)挖掘技術(shù)對(duì)股票價(jià)格進(jìn)行預(yù)測(cè)研究，從證券市場(chǎng)的大量數(shù)據(jù)中得到強(qiáng)規(guī)則。利用模糊集和粗糙集方法將股票價(jià)格進(jìn)行預(yù)分類(lèi)，并按時(shí)間屬性進(jìn)行分組，通過(guò)給出的模糊相似關(guān)系下的模糊粗糙集計(jì)算每組的真值，利用數(shù)據(jù)挖掘技術(shù)獲得候選屬性，最終得到相應(yīng)時(shí)間段內(nèi)的有用規(guī)則，根據(jù)所得規(guī)則預(yù)測(cè)某一具體時(shí)間段內(nèi)股票價(jià)格的變化趨勢(shì)。將模糊粗糙集擴(kuò)展到模糊相似關(guān)系下的模糊粗糙集，并應(yīng)

6、用到對(duì)股票價(jià)格的預(yù)測(cè)中，能較原模糊粗糙集方法得到更多的有用規(guī)則，準(zhǔn)確率更高。 本文將股票中的時(shí)間序列轉(zhuǎn)換為以價(jià)格變動(dòng)率為變量的時(shí)間序列進(jìn)行分析，并對(duì)趨勢(shì)特征提取、聚類(lèi)算法進(jìn)行改進(jìn)，將時(shí)間序列的預(yù)測(cè)問(wèn)題轉(zhuǎn)化為頻繁和有效特征集來(lái)發(fā)現(xiàn)問(wèn)題，進(jìn)而對(duì)趨勢(shì)特征模式進(jìn)行挖掘預(yù)測(cè)，根據(jù)連續(xù)一段時(shí)間內(nèi)的漲跌情況判斷市場(chǎng)的發(fā)展趨勢(shì)。 在已有相關(guān)研究的基礎(chǔ)上，本文將時(shí)間序列模糊關(guān)聯(lián)規(guī)則應(yīng)用于證券市場(chǎng)的交易規(guī)則抽取。選用聚類(lèi)方法對(duì)模糊集屬性進(jìn)行

7、離散化，構(gòu)造模糊集和隸屬函數(shù)，引入時(shí)間維度，提出適合股票交易規(guī)則抽取的時(shí)間序列模糊關(guān)聯(lián)規(guī)則算法，對(duì)股票間及行業(yè)間的關(guān)聯(lián)關(guān)系進(jìn)行挖掘預(yù)測(cè)。 本文根據(jù)灰色預(yù)測(cè)方法對(duì)股票進(jìn)行分析的可行性，提出將3種灰色預(yù)測(cè)模型，即殘差GM(1，1)，無(wú)偏GM(1，1)和pGM(1，1)與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型有機(jī)組合起來(lái)，建立一種新的多灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法，對(duì)中國(guó)證券市場(chǎng)綜合指數(shù)進(jìn)行模擬預(yù)測(cè)。該方法充分利用了灰色預(yù)測(cè)建模所需信息少、方法簡(jiǎn)單的優(yōu)點(diǎn)和神經(jīng)