基于数据挖掘技术的股价预测实证分析
| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 1.绪论 | 第14-26页 |
| ·研究的背景及意义 | 第14-15页 |
| ·研究背景 | 第14页 |
| ·研究意义 | 第14-15页 |
| ·国内外文献综述 | 第15-19页 |
| ·股票分析相关文献 | 第15-16页 |
| ·基于数据挖掘技术的股价行分析预测相关文献 | 第16-19页 |
| ·股票预测分析方法概述 | 第19-23页 |
| ·股票市场 | 第19-20页 |
| ·国内外股票主要的预测分析方法 | 第20-21页 |
| ·我国A股市场发展历程与特有性质 | 第21-23页 |
| ·研究目的与研究方法 | 第23-25页 |
| ·研究目的 | 第23页 |
| ·研究方法 | 第23-25页 |
| ·论文架构 | 第25-26页 |
| 2.数据挖掘方法总论 | 第26-44页 |
| ·数据挖掘定义 | 第26-27页 |
| ·数据挖掘过程 | 第27-28页 |
| ·数据挖掘方法的分类 | 第28-30页 |
| ·数据挖掘任务分类 | 第28-29页 |
| ·数据挖掘算法分类 | 第29-30页 |
| ·数据挖掘算法介绍 | 第30-44页 |
| ·决策树算法 | 第30-32页 |
| ·关联规则挖掘算法 | 第32-33页 |
| ·人工神经网络算法 | 第33-37页 |
| ·聚类分析算法 | 第37-39页 |
| ·时间序列模式分析 | 第39-42页 |
| ·逻辑回归 | 第42-43页 |
| ·数据挖掘算法在股票分析与预测中的作用 | 第43-44页 |
| 3.数据挖掘技术在基本分析中的应用 | 第44-66页 |
| ·决策树在基本面分析中的应用 | 第44-50页 |
| ·样本选取 | 第44-45页 |
| ·变量选取 | 第45页 |
| ·模型设计 | 第45-46页 |
| ·实证结果 | 第46-50页 |
| ·聚类分析在基本分析中的应用 | 第50-56页 |
| ·样本选取 | 第51页 |
| ·变量选择 | 第51页 |
| ·模型设计 | 第51页 |
| ·实证结果 | 第51-56页 |
| ·人工神经网络在基本分析中的应用 | 第56-61页 |
| ·样本选择 | 第56页 |
| ·变量选择 | 第56-57页 |
| ·模型设计 | 第57-58页 |
| ·实证结果 | 第58-61页 |
| ·逻辑回归算法在基本分析中的应用 | 第61-66页 |
| ·样本选择 | 第62页 |
| ·变量选择 | 第62页 |
| ·模型设计 | 第62-63页 |
| ·实证结果 | 第63-66页 |
| 4.数据挖掘技术在股票技术分析中的应用 | 第66-90页 |
| ·决策树在技术分析中的应用 | 第66-73页 |
| ·样本选择 | 第67页 |
| ·变量选择 | 第67页 |
| ·设定买点分类阈值 | 第67页 |
| ·模型设计 | 第67-68页 |
| ·实证结果 | 第68-73页 |
| ·关联分析在技术面分析中的应用 | 第73-77页 |
| ·样本选取 | 第73-74页 |
| ·变量选择 | 第74页 |
| ·模型设计 | 第74页 |
| ·实证结果 | 第74-77页 |
| ·人工神经网络算法在技术分析中的应用 | 第77-83页 |
| ·样本选取 | 第77页 |
| ·变量选择 | 第77-78页 |
| ·模型设计 | 第78-79页 |
| ·实证结果 | 第79-83页 |
| ·时间序列分析在技术分析中的应用 | 第83-90页 |
| ·样本选取 | 第83-84页 |
| ·流程 | 第84页 |
| ·模型设计 | 第84-88页 |
| ·实证结果 | 第88-90页 |
| 5.结论及进一步讨论 | 第90-95页 |
| ·算法应用评价 | 第90-93页 |
| ·各类算法在基本面分析的应用评价 | 第90-91页 |
| ·各类算法在技术面分析的应用评价 | 第91页 |
| ·决策树算法在基本面与技术面的应用评价 | 第91-92页 |
| ·人工神经网络算法在基本面与技术面的应用评价 | 第92-93页 |
| ·结论 | 第93-94页 |
| ·本文研究不足及进一步展望 | 第94-95页 |
| 参考文献 | 第95-98页 |
| 附录 | 第98-125页 |
| 后记 | 第125-126页 |
| 致谢 | 第126页 |
