基于粗糙集的績優(yōu)股票預(yù)測系統(tǒng)研究.pdf

1、隨著股票市場的不斷發(fā)展，在股票信息數(shù)據(jù)庫中積累了大量歷史交易數(shù)據(jù)，如何充分利用這些歷史數(shù)據(jù)探尋股票價格的運動規(guī)律，成為人們關(guān)心的問題。近年來，出現(xiàn)了許多以預(yù)測股票未來價格或趨勢的方法、系統(tǒng)，如傳統(tǒng)的技術(shù)分析方法、人工神經(jīng)網(wǎng)絡(luò)方法、時間序列分析法等。但上述方法對于普通投資者來說都有使用上的難處。例如需要預(yù)先設(shè)定參數(shù)，計算速度慢等。因此，本文對股票歷史時間序列數(shù)據(jù)預(yù)處理、預(yù)處理數(shù)據(jù)的粗糙集約簡方法及股票預(yù)測規(guī)則的生成方法進行了探討與研究。<

2、br>　　 粗糙集理論是分析和處理各種不精確、不完整信息的數(shù)學(xué)工具，它已成為數(shù)據(jù)挖掘研究的一個重要分支。但股票信息數(shù)據(jù)庫中的股票時間序列數(shù)據(jù)并不符合粗糙集分析的要求，所以先要進行預(yù)處理，構(gòu)建粗糙集可以分析的決策表。
　　 基于粗糙集理論的知識獲取，主要是在保持分類能力不變的前提下，通過知識約簡，導(dǎo)出問題的決策規(guī)則，包括屬性約簡和值約簡。本文基于該理論，重點研究了屬性值約簡算法中的標記法，重新定義了屬性值的重要性，提出了一種改進

3、的基于屬性值重要性的粗糙集值約簡算法。該方法克服了標記法不能處理不相容決策表的缺點，得到規(guī)則的冗余屬性值數(shù)量進一步降低。并用實例對該算法進行了驗證。
　　 在上述研究的基礎(chǔ)上，設(shè)計了基于粗糙集的股票預(yù)測系統(tǒng)，并采用Visual C++2005，SQL Server2000和MFC應(yīng)用程序框架對所設(shè)計的系統(tǒng)進行了具體實現(xiàn)。該系統(tǒng)提供了股票歷史交易數(shù)據(jù)查詢功能，并可實現(xiàn)對下一個交易日股票價格走勢的預(yù)測，為投資者進行股票買賣決策提供參