數(shù)據(jù)挖掘在股市趨勢預(yù)測的應(yīng)用研究.pdf

1、信息技術(shù)的日新月異,使得數(shù)據(jù)的大規(guī)模增長,如何充分利用這些海量數(shù)據(jù)進(jìn)行分析處理,挖掘并析取其背后蘊(yùn)藏的價(jià)值信息,對(duì)于我們揭示事物發(fā)展規(guī)律變化的內(nèi)部規(guī)律,發(fā)現(xiàn)不同事物之間的相互關(guān)系,為人們正確認(rèn)識(shí)事物和科學(xué)決策提供依據(jù)具有重要的實(shí)際意義。數(shù)據(jù)挖掘技術(shù)為人們提供了強(qiáng)大的武器。聚類分析是數(shù)據(jù)挖掘研究的一個(gè)重要內(nèi)容之一,基于聚類的各種數(shù)據(jù)挖掘算法的研究歷來也是研究重點(diǎn),并且對(duì)聚類的各種數(shù)據(jù)挖掘算法應(yīng)用也非常廣泛。但是,目前大多數(shù)的聚類分析算法的

2、數(shù)據(jù)對(duì)象只是針對(duì)于靜態(tài)數(shù)據(jù)集,對(duì)于動(dòng)態(tài)數(shù)據(jù)集卻只能采取對(duì)整個(gè)數(shù)據(jù)集重新進(jìn)行聚類的方式,因此隨著數(shù)據(jù)量的不斷增大以及對(duì)數(shù)據(jù)集實(shí)時(shí)數(shù)據(jù)挖掘的需求不斷加大,這樣處理的結(jié)果是效率低下而且重復(fù)性高?，F(xiàn)實(shí)股票市場中存在著許多不確定因素,這些不確定因素使股票交易者很難對(duì)股票價(jià)格做出準(zhǔn)確、客觀的預(yù)測。
　　 本文的數(shù)據(jù)對(duì)象是采用來自互聯(lián)網(wǎng)的1990年3月27日到2005年3月27日每日恒生指數(shù)的數(shù)據(jù),數(shù)據(jù)格式采用國際上通常講的股票歷史數(shù)據(jù)格式,

3、即是每一“交易日”為一條數(shù)據(jù)記錄單元。通過隨機(jī)選取的一個(gè)股票對(duì)象的屬性進(jìn)行對(duì)整個(gè)恒生指數(shù)的概述,其中每個(gè)屬性都經(jīng)過了數(shù)值化變換。要得到的聚類結(jié)果為:股市走勢類別分組聚類。這個(gè)問題可以轉(zhuǎn)換成股票走勢特征極大化?；诰垲惖南陆档隽渴綌?shù)據(jù)挖掘繼承了已有聚類的執(zhí)行成果,通過對(duì)新增數(shù)據(jù)的考查,迭代求取最佳可能值,根據(jù)實(shí)例數(shù)據(jù)對(duì)象特征以及本文提出挖掘算法的聚類特點(diǎn),在實(shí)際實(shí)驗(yàn)結(jié)果的驗(yàn)證下,可以得出本文課題是可行和有效的。同時(shí)本課題提出的算法可在

4、很大程度上避免大量的重復(fù)計(jì)算,減少了計(jì)算量,節(jié)省了系統(tǒng)開支,提高了效率,尤其數(shù)據(jù)量越大時(shí),下降迭代增量式的數(shù)據(jù)挖掘技術(shù)就越能體現(xiàn)出其優(yōu)越性,也更能為有數(shù)據(jù)挖掘需求的用戶提供及時(shí)、快捷、有價(jià)值的信息內(nèi)容。
　　 股票的趨勢是一個(gè)受政治局勢、災(zāi)害、軍事局勢、企業(yè)經(jīng)營、股票歷史數(shù)據(jù)等多方面因素影響的非線性問題,本課題基于股票市場產(chǎn)生的大量數(shù)據(jù),利用基于聚類的下降迭代增量式的數(shù)據(jù)挖掘技術(shù)對(duì)股票趨勢進(jìn)行預(yù)測。模擬結(jié)果再現(xiàn)了股票市場尖峰肥尾