股票是市場經(jīng)濟的重要體現(xiàn),同時也反映著我國經(jīng)濟發(fā)展狀況,在經(jīng)濟發(fā)展走勢分析中起著至關重要的作用。隨著股票市場的發(fā)展,選擇投資股票作為盈利項目的人也越來越多。但是如何選擇股票,怎樣選擇相應的上市公司進行投資可以獲得最大收益,一直是一個難題。因此,對股票市場上的各類股票走勢進行分析預測具有重要意義。然而股票數(shù)據(jù)是一個龐大并且雜亂無章的復雜系統(tǒng),利用傳統(tǒng)方法對其進行預測分析存在一定的困難。數(shù)據(jù)挖掘技術提供了一個良好的解決方案,可以從眾多雜亂無章的龐大數(shù)據(jù)中提取出潛在對于走勢預測有價值有意義的數(shù)據(jù)。針對目前股票預測模型的準確度不夠高,存在過擬合或欠擬合等問題,在現(xiàn)有股票預測方法分析的基礎上,給出了一種基于Cart決策樹與Boosting方法的股票預測方法。該方法根據(jù)數(shù)據(jù)縱向的關聯(lián)性,在常用的開盤價、收盤價、成交量、當日最高價、當日最低價五個指標的基礎上增加“近十日均價”及“轉手率”兩個縱向變化指標;同時以Cart決策樹方法為基礎,采用Boosting級聯(lián)多棵決策樹來解決擬合度問題。本文選取A股市場上某儀器儀表領域的上市公司作為樣本數(shù)據(jù),選取該領域某公司一年的股票交易數(shù)據(jù)作為輸入變量,利用C5.... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景以及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 論文主要研究內容
第2章 相關理論知識
    2.1 股票投資分析方法
        2.1.1 基本分析法
        2.1.2 技術分析法
        2.1.3 量化分析法
    2.2 數(shù)據(jù)挖掘理論
        2.2.1 數(shù)據(jù)挖掘的任務
        2.2.2 數(shù)據(jù)挖掘的步驟
    2.3 數(shù)據(jù)挖掘在股票預測領域的適用性分析
    2.4 本章小結
第3章 決策樹與Boosting提升算法
    3.1 C5.0決策樹
        3.1.1 C5.0決策樹的生長
        3.1.2 C5.0對數(shù)據(jù)的處理
    3.2 Cart決策樹算法
        3.2.1 Cart決策樹的生長
        3.2.2 Cart決策樹的修剪
        3.2.3 Cart樹的子樹評估
    3.3 Boosting提升算法
    3.4 決策樹以及提升Boosting算法在股票分析中的適用性
    3.5 本章小結
第4章 決策樹及Boosting算法在股票預測的應用
    4.1 數(shù)據(jù)選取與指標確定
        4.1.1 指標的確定
        4.1.2 數(shù)據(jù)的選取
        4.1.3 指標描述性統(tǒng)計
    4.2 模型建立
    4.3 實驗
        4.3.1 五特征C5.0決策樹結合Boosting算法實驗
        4.3.2 五特征Cart樹結合Boosting算法實驗
        4.3.3 七特征Cart樹結合Boosting算法實驗
    4.4 實驗結果評估
        4.4.1 評價指標
        4.4.2 實驗結果對比
    4.5 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的學術論文
致謝


【參考文獻】：
期刊論文
[1]數(shù)據(jù)挖掘在股票預測中的應用[J]. 張博凱.  當代經(jīng)濟. 2017(08)
[2]基于金融微博情感與傳播效果的股票價格預測[J]. 朱夢珺,蔣洪迅,許偉.  山東大學學報(理學版). 2016(11)
[3]Boosting算法理論與應用研究[J]. 張文生,于廷照.  中國科學技術大學學報. 2016(03)
[4]一種基于Boosting的集成學習算法在不均衡數(shù)據(jù)中的分類[J]. 李詒靖,郭海湘,李亞楠,劉曉.  系統(tǒng)工程理論與實踐. 2016(01)
[5]投資者情緒對股價的影響——基于AH股交叉上市股票的實證分析[J]. 陸靜,周媛.  中國管理科學. 2015(11)
[6]基于C4.5決策樹的股票數(shù)據(jù)挖掘[J]. 王領,胡揚.  計算機與現(xiàn)代化. 2015(10)
[7]基于支持向量機的股票預測[J]. 劉廷.  信息通信. 2015(08)
[8]Targeting inflammation in diabetes: Newer therapeutic options[J]. Neeraj Kumar Agrawal,Saket Kant.  World Journal of Diabetes. 2014(05)
[9]基于RU-SMOTE-SVM的金融市場極端風險預警研究[J]. 林宇,黃迅,徐凱.  預測. 2013(04)
[10]基于BP神經(jīng)網(wǎng)絡的股票價格趨勢預測[J]. 李云強,宋威.  北方工業(yè)大學學報. 2013(01)

碩士論文
[1]股票指數(shù)走勢的決定因素及政策效應[D]. 錢鈞.浙江工商大學 2014
[2]基于網(wǎng)絡輿情的SVM股票價格預測研究[D]. 張世軍.南京信息工程大學 2014
[3]決策樹及神經(jīng)網(wǎng)絡算法在股票分類預測中的應用[D]. 陶雨雨.杭州電子科技大學 2014
[4]基于數(shù)據(jù)挖掘技術的股票預測與研究[D]. 都彬.江蘇科技大學 2012
[5]基于數(shù)據(jù)挖掘技術的股價預測實證分析[D]. 唐文慧.西南財經(jīng)大學 2009



本文編號：3013413