基于事件研究的股票数据挖掘
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·选题背景和意义 | 第11-12页 |
| ·课题来源 | 第12-13页 |
| ·本文研究内容 | 第13-15页 |
| 第2章 股票分析中的数据挖掘技术 | 第15-21页 |
| ·股票分析的背景知识 | 第15-16页 |
| ·数据挖掘概述 | 第16-17页 |
| ·数据挖掘基本概念 | 第16页 |
| ·数据挖掘的一般过程 | 第16页 |
| ·数据挖掘的功能 | 第16-17页 |
| ·股市常用的数据挖掘分析方法 | 第17-20页 |
| ·神经网络预测方法 | 第17-18页 |
| ·关联挖掘 | 第18-19页 |
| ·聚类分析方法 | 第19页 |
| ·分类分析方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于事件研究的推荐股票特征分析 | 第21-33页 |
| ·事件研究方法的基本原理 | 第21-22页 |
| ·分析数据的来源 | 第22-23页 |
| ·证券分析师推荐股票数据的选择 | 第22-23页 |
| ·交易数据的选择 | 第23页 |
| ·证券分析师推荐股票总体特征 | 第23-32页 |
| ·事件研究方法模型的建立 | 第23-26页 |
| ·方法一 | 第26-28页 |
| ·方法二 | 第28-30页 |
| ·特征分析 | 第30-31页 |
| ·分类和聚类方案的提出 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于推荐股特征的分类分析 | 第33-46页 |
| ·分类概述 | 第33-39页 |
| ·数据分类的过程 | 第33-34页 |
| ·分类器评价标准 | 第34页 |
| ·主要分类方法 | 第34-36页 |
| ·贝叶斯分类方法 | 第36-38页 |
| ·k-最近邻方法 | 第38-39页 |
| ·分类分析在证券分析师推荐股票数据挖掘的应用 | 第39-45页 |
| ·目标与研究思路 | 第39-40页 |
| ·数据来源与预处理 | 第40-41页 |
| ·贝叶斯分类分析 | 第41-43页 |
| ·k-最近邻方法分类分析 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第5章 基于事件研究的推荐股票聚类分析 | 第46-61页 |
| ·聚类概述 | 第46-52页 |
| ·主要聚类方法 | 第46-48页 |
| ·聚类分析中的数据类型 | 第48-49页 |
| ·聚类分析中的相异度的度量 | 第49-52页 |
| ·k-means聚类算法 | 第52-53页 |
| ·聚类分析在证券分析师推荐股票数据挖掘的应用 | 第53-60页 |
| ·聚类分析的目标与意义 | 第53-54页 |
| ·数据来源与规范化 | 第54-55页 |
| ·聚类分析 | 第55-59页 |
| ·结论分析 | 第59-60页 |
| ·小结 | 第60-61页 |
| 总结 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录1 | 第68-69页 |
| 附录2 | 第69-71页 |
| 附录3 | 第71-73页 |
| 攻读硕士学位期间发表论文 | 第73页 |
