时间序列的数据挖掘在证券预测分析中的应用研究
| 第一章 绪论 | 第1-14页 |
| ·研究背景及选题意义 | 第7页 |
| ·股指预测中存在的问题 | 第7-8页 |
| ·股票指数的非线性特性 | 第7-8页 |
| ·股价数据的高噪声 | 第8页 |
| ·股价系统的主体是具有主观能动性的投资者 | 第8页 |
| ·数据挖掘技术应用于股票市场的原因 | 第8-10页 |
| ·国内外研究现状及预测方法 | 第10-12页 |
| ·证券挖掘的基本现状 | 第10-11页 |
| ·预测方法综述 | 第11-12页 |
| ·论文的主要研究内容和总体框架 | 第12-14页 |
| 第二章 数据挖掘技术 | 第14-24页 |
| ·数据挖掘定义 | 第15-16页 |
| ·数据挖掘的功能 | 第16-18页 |
| ·数据挖掘中常用的技术和方法 | 第18-19页 |
| ·数据挖掘的应用领域 | 第19-20页 |
| ·数据挖掘的基本过程 | 第20-21页 |
| ·数据挖掘算法研究现状 | 第21-24页 |
| 第三章 股市预测研究 | 第24-32页 |
| ·股市中常用的预测方法 | 第24-26页 |
| ·证券投资分析法 | 第24-25页 |
| ·时间序列分析法 | 第25页 |
| ·神经网络预测分析法 | 第25-26页 |
| ·股票价格预测中的部分相关变量 | 第26-27页 |
| ·股票指数的计算方法 | 第27-32页 |
| ·股票平均数的计算 | 第28-29页 |
| ·股票指数的计算 | 第29-32页 |
| 第四章 序列挖掘分析 | 第32-48页 |
| ·时间序列模式挖掘 | 第32-37页 |
| ·时间序列的概念 | 第32页 |
| ·时间序列预测方法 | 第32页 |
| ·时间序列趋势分析 | 第32-34页 |
| ·时间序列分析的三个目的 | 第34-35页 |
| ·时间序列的相似性搜索 | 第35-37页 |
| ·DNA 序列挖掘分析 | 第37-39页 |
| ·DNA 序列特性 | 第37页 |
| ·金融系统中DNA 的应用 | 第37页 |
| ·DNA 时间序列 | 第37-39页 |
| ·未来解析预测模式挖掘 | 第39-40页 |
| ·未来解析预测分析法中的变量 | 第39页 |
| ·未来解析预测分析法中离散属性的相似性搜索 | 第39-40页 |
| ·利用正则表达式实现字符串搜索 | 第40-48页 |
| ·什么是正则表达式 | 第40页 |
| ·正则表达式的组成 | 第40-43页 |
| ·正则表达式的匹配规则 | 第43-48页 |
| 第五章 股市未来解析预测系统的设计与实现 | 第48-68页 |
| ·数据层实现 | 第48-50页 |
| ·逻辑层实现 | 第50-59页 |
| ·特征量提取 | 第50-55页 |
| ·特征量标记 | 第51-52页 |
| ·体实现 | 第52-55页 |
| ·未来解析线中字符串的转换 | 第55-57页 |
| ·利用正则表达式进行字符串的匹配搜索 | 第57-59页 |
| ·表示层设计 | 第59页 |
| ·实验结果数据 | 第59-68页 |
| 第六章 总结与展望 | 第68-71页 |
| ·本文工作总结 | 第68-69页 |
| ·进一步工作研究 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 摘要 | 第76-79页 |
| Abstract | 第79-84页 |
| 致谢 | 第84-85页 |
