证券分析中数据挖掘模型的研究及应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景及选题意义 | 第9-11页 |
| ·研究现状及存在问题 | 第11-16页 |
| ·主要研究内容及创新点 | 第16-17页 |
| ·本文结构安排 | 第17-19页 |
| 第二章 证券分析与数据挖掘技术 | 第19-38页 |
| ·证券分析 | 第19-25页 |
| ·相关变量 | 第20页 |
| ·技术指标 | 第20-22页 |
| ·证券分析技术 | 第22-25页 |
| ·时间序列挖掘 | 第25-30页 |
| ·时间序列分析 | 第25-26页 |
| ·时间序列预测 | 第26-28页 |
| ·相似时间序列 | 第28-30页 |
| ·遗传BP神经网络 | 第30-35页 |
| ·BP神经网络 | 第31-34页 |
| ·遗传算法 | 第34-35页 |
| ·遗传BP神经网络 | 第35页 |
| ·聚类分析 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第三章 股票预测和检索模型 | 第38-64页 |
| ·引言 | 第38-39页 |
| ·遗传BP神经网络股票预测模型 | 第39-47页 |
| ·遗传BP神经网络预测模型 | 第40-41页 |
| ·编码方法 | 第41-43页 |
| ·误差函数 | 第43-45页 |
| ·适应度函数 | 第45页 |
| ·实验 | 第45-47页 |
| ·相似股票检索模型 | 第47-62页 |
| ·时间序列相似性度量的选择 | 第47-50页 |
| ·基于聚类的相似性度量 | 第50-60页 |
| ·相似股票检索算法 | 第60-62页 |
| ·小结 | 第62-64页 |
| 第四章 股票证券分析系统 | 第64-78页 |
| ·数据挖掘模型的建立 | 第64-66页 |
| ·模型框架 | 第64-65页 |
| ·数据源 | 第65页 |
| ·数据预处理 | 第65-66页 |
| ·各功能模块 | 第66页 |
| ·系统开发框架 | 第66-67页 |
| ·系统开发环境 | 第67页 |
| ·数据库设计 | 第67-71页 |
| ·股票数据库设计 | 第68-70页 |
| ·相似股票检索库设计 | 第70-71页 |
| ·系统功能介绍 | 第71-77页 |
| ·数据的管理 | 第71-73页 |
| ·股票的预测 | 第73-74页 |
| ·股票的检索 | 第74-75页 |
| ·股票的统计指标 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第五章 结论与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士期间科研成果 | 第84-85页 |
| 致谢 | 第85页 |
