数据挖掘方法在股票交易数据分析及股票走势预测方面的应用和研究
| 序 | 第1-7页 |
| 第一章 绪论 | 第7-22页 |
| ·研究背景 | 第7-10页 |
| ·国内外研究综述 | 第10-20页 |
| ·数据仓库应用研究综述 | 第10-14页 |
| ·数据挖掘研究综述 | 第14-16页 |
| ·预测方法综述 | 第16-18页 |
| ·神经网络研究综述 | 第18-19页 |
| ·股票分析方法综述 | 第19-20页 |
| ·本文研究的主要内容 | 第20-22页 |
| 第二章 数据仓库和数据挖掘技术分析 | 第22-42页 |
| ·引言 | 第22页 |
| ·数据仓库技术 | 第22-34页 |
| ·数据仓库技术的定义 | 第23页 |
| ·与数据仓库相关的一揽子概念 | 第23-25页 |
| ·数据仓库体系结构 | 第25-27页 |
| ·数据仓库的数据组织结构 | 第27-31页 |
| ·数据仓库的实现策略 | 第31-34页 |
| ·数据挖掘技术 | 第34-39页 |
| ·数据挖掘 | 第34-38页 |
| ·数据挖掘和在线分析处理(OLAP) | 第38-39页 |
| ·基于数据仓库的数据挖掘技术 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第三章 股票交易数据的数据仓库建立 | 第42-71页 |
| ·引言 | 第42-43页 |
| ·需求分析 | 第43-47页 |
| ·主题的选取 | 第47-48页 |
| ·逻辑结构设计 | 第48-54页 |
| ·分析主题域 | 第48-49页 |
| ·粒度层次划分和数据分割 | 第49-52页 |
| ·数据之间关系的表示 | 第52-54页 |
| ·物理模型设计 | 第54-55页 |
| ·数据仓库的体系结构 | 第55-69页 |
| ·数据仓库的体系结构 | 第56-57页 |
| ·数据获取 | 第57-58页 |
| ·数据装入 | 第58-60页 |
| ·技术指标计算 | 第60-63页 |
| ·功能实现 | 第63-68页 |
| ·数据存储形式的进一步讨论 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 第四章 基于神经网络的股票交易数据预测的研究 | 第71-100页 |
| ·引言 | 第71-73页 |
| ·多层前项神经网络地结构与反向传播算法 | 第73-79页 |
| ·基于BP 网络的股票交易数据预测 | 第79-98页 |
| ·时序预测BP 网络的一般结构 | 第79-81页 |
| ·基于BP 网络的时序预测模型的建立 | 第81-84页 |
| ·预测方法设计 | 第84-86页 |
| ·基于BP 网络的股票交易预测 | 第86-94页 |
| ·原始样本的选取 | 第86页 |
| ·利用五日移动平均进行训练和预测 | 第86-89页 |
| ·对基于BP 网络的股票交易预测的改进 | 第89-94页 |
| ·对BP 网络泛化能力的讨论 | 第94-97页 |
| ·对BP 网络泛化能力的一般讨论 | 第94-96页 |
| ·分段处理的股票交易预测 | 第96-97页 |
| ·BP 神经网络的不足 | 第97-98页 |
| ·本章小结 | 第98-100页 |
| 第五章 结论 | 第100-103页 |
| 附录 | 第103-104页 |
| 参考文献 | 第104-106页 |
| 摘要 | 第106-108页 |
| Abstract | 第108-110页 |
| 致谢 | 第110页 |
