基于数据挖掘技术的股票投资实证研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-10页 |
| ·研究背景 | 第7-8页 |
| ·研究的目的和内容 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的框架结构 | 第9-10页 |
| 2 数据挖掘概述 | 第10-17页 |
| ·数据挖掘技术的定义 | 第10页 |
| ·数据挖掘的任务 | 第10-11页 |
| ·数据挖掘的方法 | 第11页 |
| ·数据挖掘的步骤 | 第11-12页 |
| ·关联规则的基本概念 | 第12-13页 |
| ·Apriori 算法分析 | 第13-17页 |
| ·算法描述 | 第13-14页 |
| ·算法演示 | 第14-17页 |
| 3 决策树 | 第17-24页 |
| ·决策树介绍 | 第17-18页 |
| ·ID3 算法 | 第18-24页 |
| ·算法的基本思想 | 第18-19页 |
| ·算法描述 | 第19-20页 |
| ·算法演示 | 第20-24页 |
| 4 马克维茨模型 | 第24-27页 |
| ·基本假设 | 第24页 |
| ·马克维茨均值-方差模型 | 第24-27页 |
| ·模型理论 | 第24-25页 |
| ·收益与风险计算函数 | 第25-26页 |
| ·有效前沿计算函数 | 第26-27页 |
| 5 股票分析应用模型设计与实现 | 第27-38页 |
| ·股票数据准备 | 第27-29页 |
| ·关联规则找出关键属性 | 第29-32页 |
| ·用决策树算法找出投资股票池 | 第32-34页 |
| ·用马克维茨模型找出最佳投资组合 | 第34-38页 |
| 6 总结与展望 | 第38-39页 |
| ·研究总结 | 第38页 |
| ·本研究的不足和对未来的展望 | 第38-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 附录 | 第42页 |
