数据挖掘在股票分析中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第6-11页 |
| 1.1 论文背景 | 第6-7页 |
| 1.2 论文的意义 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.4 项目内容简述 | 第10页 |
| 1.5 论文结构 | 第10-11页 |
| 第二章 数据挖掘与股票分析概述 | 第11-17页 |
| 2.1 数据挖掘技术 | 第11-14页 |
| 2.1.1 数据挖掘的定义 | 第11-12页 |
| 2.1.2 数据挖掘常用的方法 | 第12-13页 |
| 2.1.3 数据挖掘的工作过程 | 第13-14页 |
| 2.2 股票分析概述 | 第14-17页 |
| 第三章 项目可行性分析及数据准备 | 第17-28页 |
| 3.1 数据挖掘在股票分析应用的可行性分析 | 第17-21页 |
| 3.1.1 股票市场有大量数据 | 第17-18页 |
| 3.1.2 股票分析是知识密集型工作 | 第18-19页 |
| 3.1.3 MATLAB适用于股票分析 | 第19-21页 |
| 3.2 数据挖掘项目及数据来源简述 | 第21-22页 |
| 3.3 数据准备 | 第22-28页 |
| 第四章 项目详细设计和实现 | 第28-56页 |
| 4.1 运用关联规则找出影响股票涨跌的重要因素 | 第28-35页 |
| 4.1.1 关联规则 | 第28-29页 |
| 4.1.2 关联规则分析数据准备 | 第29-32页 |
| 4.1.3 运用关联规则进行分析 | 第32-33页 |
| 4.1.4 关联规则结果分析 | 第33-35页 |
| 4.2 运用决策树找出优质股票组合 | 第35-45页 |
| 4.2.1 决策树的定义 | 第35-36页 |
| 4.2.2 决策树的优缺点 | 第36-38页 |
| 4.2.3 运用决策树对股票进行分类 | 第38-44页 |
| 4.2.4 决策树分类结果分析 | 第44-45页 |
| 4.3 通过遗传算法找出最有投资组合 | 第45-56页 |
| 4.3.1 遗传算法简介 | 第46-47页 |
| 4.3.2 遗传算法在组合投资应用的可行性分析 | 第47-49页 |
| 4.3.3 遗传算法求解组合投资最优化问题 | 第49-53页 |
| 4.3.4 结果分析 | 第53-56页 |
| 第五章 结语与展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
