数据挖掘在股票投资中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 前言 | 第9-14页 |
| ·研究问题的提出 | 第9-12页 |
| ·证券业的飞速发展及对国民经济和民生的重要作用 | 第9-10页 |
| ·证券投资分析的意义 | 第10-11页 |
| ·本文问题提出的理论意义和现实意义 | 第11-12页 |
| ·国内外相关研究综述 | 第12-13页 |
| ·国外相关研究状况 | 第12页 |
| ·国内相关研究状况 | 第12-13页 |
| ·本文的研究内容和研究方法 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·研究方法 | 第13-14页 |
| ·本文的框架结构 | 第14页 |
| 2 证券市场分析方法及公司的财务指标概述 | 第14-19页 |
| ·证券市场分析方法概述 | 第14-16页 |
| ·上市公司财务分析 | 第16页 |
| ·上市公司财务指标的选取 | 第16-19页 |
| ·上市公司的分类标准 | 第19页 |
| 3 数据挖掘概述 | 第19-22页 |
| ·数据挖掘的分类 | 第20页 |
| ·数据挖掘的步骤 | 第20-21页 |
| ·数据挖掘的主要分析方法和功能 | 第21-22页 |
| 4 基于不同分类方法的股票选择及实证分析 | 第22-40页 |
| ·决策树方法及实证分析 | 第23-29页 |
| ·决策树理论 | 第24-25页 |
| ·对分类树分类精度的实证分析 | 第25-29页 |
| ·神经网络分类方法及实证分析 | 第29-35页 |
| ·神经网络的概念及特点 | 第29-30页 |
| ·BP神经网络模型及其分类精度的实证分析 | 第30-33页 |
| ·RBF神经网络模型及其分类精度的实证分析 | 第33-35页 |
| ·支持向量机分类及其实证分析 | 第35-38页 |
| ·支持向量机的原理及实现过程 | 第36-37页 |
| ·支持向量机分类精度的实证分析 | 第37-38页 |
| ·分类方法汇总与结论 | 第38-40页 |
| 5 股票时间序列的关联规则 | 第40-46页 |
| ·关联规则概述 | 第40-41页 |
| ·关联规则定义及分类 | 第40-41页 |
| ·关联规则步骤及经典算法 | 第41页 |
| ·时序关联规则挖掘 | 第41-46页 |
| ·时序关联规则挖掘的模型及实证 | 第42-44页 |
| ·加入时滞阈值的时序关联挖掘 | 第44-46页 |
| 6 结束语 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在学期间发表的学术论文和研究成果 | 第51-52页 |
| 详细摘要 | 第52-61页 |
