数据挖掘技术在股票投资中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题的研究背景 | 第11-12页 |
| ·课题的研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·目前股市分析研究的主要方法 | 第13-14页 |
| ·数据挖掘技术在股票投资中应用现状 | 第14-15页 |
| ·本文架构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 数据挖掘技术介绍 | 第17-34页 |
| ·数据挖掘技术 | 第17-21页 |
| ·数据挖掘基本概念 | 第17-18页 |
| ·数据挖掘的功能 | 第18-19页 |
| ·数据挖掘的过程 | 第19-20页 |
| ·数据挖掘工具介绍 | 第20-21页 |
| ·神经网络模型 | 第21-26页 |
| ·神经网络概述 | 第21-22页 |
| ·人工神经元模型 | 第22-23页 |
| ·常见的神经网络结构 | 第23-25页 |
| ·神经网络的学习方法 | 第25-26页 |
| ·聚类分析 | 第26-32页 |
| ·聚类分析基本概念 | 第26-27页 |
| ·距离定义 | 第27-30页 |
| ·聚类分析算法 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于神经网络模型的上证指数预测 | 第34-42页 |
| ·神经网络在 Clementine 中的实现 | 第34-35页 |
| ·样本和指标数据选取 | 第35-36页 |
| ·上证指数预测模型 | 第36-39页 |
| ·一期预测模型 | 第36-37页 |
| ·多期预测模型 | 第37-39页 |
| ·样本检验及结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于聚类方法的优质股票选择 | 第42-52页 |
| ·聚类分析在 Clementine 中的实现 | 第42-43页 |
| ·指标体系构建 | 第43-45页 |
| ·数据预处理 | 第45-46页 |
| ·聚类分析建模 | 第46-51页 |
| ·K-means 和 Kohonen 聚类 | 第46-48页 |
| ·TwoStep 聚类分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的论文 | 第57页 |
