基于数据挖掘的量化选股策略的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 前言 | 第8-13页 |
| 1.1 选题背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 国内研究文献综述 | 第8-9页 |
| 1.2.2 国外研究文献综述 | 第9-10页 |
| 1.3 研究目的 | 第10页 |
| 1.4 研究方法 | 第10-11页 |
| 1.5 研究意义 | 第11页 |
| 1.6 结构安排 | 第11-13页 |
| 第二章 相关理论知识及可行性分析 | 第13-17页 |
| 2.1 量化投资相关理论 | 第13页 |
| 2.2 数据挖掘在量化投资中的应用 | 第13-17页 |
| 2.2.1 什么是数据挖掘 | 第13-15页 |
| 2.2.2 数据挖掘的主要功能 | 第15-16页 |
| 2.2.3 数据挖掘用于分析和预测股票的可行性 | 第16-17页 |
| 第三章 量化选股策略的研究 | 第17-44页 |
| 3.1 数据来源 | 第17页 |
| 3.2 因子选取 | 第17-20页 |
| 3.2.1 基本面分析 | 第17-19页 |
| 3.2.2 数据展示 | 第19-20页 |
| 3.3 主成分分析 | 第20-26页 |
| 3.3.1 主成分分析的基本概念 | 第20页 |
| 3.3.2 主成分分析步骤 | 第20-21页 |
| 3.3.3 对股票因子进行主成分分析 | 第21-26页 |
| 3.4 聚类分析 | 第26-38页 |
| 3.4.1 聚类分析概述 | 第26页 |
| 3.4.2 相似性度量 | 第26-28页 |
| 3.4.3 常用的聚类分析算法 | 第28-29页 |
| 3.4.4 K-均值聚类算法 | 第29-31页 |
| 3.4.5 数据重整 | 第31-32页 |
| 3.4.6 K均值聚类与选股结果 | 第32-38页 |
| 3.5 模型的可行性检验 | 第38-44页 |
| 第四章 总结与展望 | 第44-46页 |
| 4.1 总结 | 第44页 |
| 4.2 不足 | 第44-45页 |
| 4.3 展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 附录 | 第48-50页 |
| 附表 | 第50-52页 |
| 致谢 | 第52-53页 |
