基于数据挖掘技术的股票选择分析研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与研究意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外文献综述 | 第11-14页 |
| 1.2.1 股票分析预测文献综述 | 第11-12页 |
| 1.2.2 数据挖掘应用于股票分析预测的研究综述 | 第12-14页 |
| 1.3 研究方法及内容框架 | 第14-16页 |
| 1.3.1 研究方法 | 第14-15页 |
| 1.3.2 内容框架 | 第15-16页 |
| 1.4 本文创新点 | 第16-17页 |
| 2 数据挖掘方法概述 | 第17-21页 |
| 2.1 数据挖掘的概念 | 第17页 |
| 2.2 数据挖掘的过程 | 第17-19页 |
| 2.3 数据挖掘工具的选取 | 第19-21页 |
| 3 数据挖掘模型理论介绍 | 第21-30页 |
| 3.1 逻辑回归模型 | 第21-22页 |
| 3.2 决策树模型 | 第22-25页 |
| 3.3 神经网络模型 | 第25-30页 |
| 4 股票选择分析的指标选取 | 第30-35页 |
| 4.1 上市公司财务指标的选取 | 第30-32页 |
| 4.2 目标变量的选取 | 第32-33页 |
| 4.3 本文数据的来源及筛选 | 第33-35页 |
| 5 基于数据挖掘方法的股票选择实证分析 | 第35-50页 |
| 5.1 基于逻辑回归方法的实证分析 | 第35-39页 |
| 5.1.1 变量选择 | 第35页 |
| 5.1.2 模型设计 | 第35-36页 |
| 5.1.3 实证结果 | 第36-39页 |
| 5.2 基于决策树分类的实证分析 | 第39-44页 |
| 5.2.1 变量选择 | 第40页 |
| 5.2.2 模型设计 | 第40页 |
| 5.2.3 实证结果 | 第40-44页 |
| 5.3 基于神经网络模型的实证分析 | 第44-47页 |
| 5.3.1 变量选择 | 第44页 |
| 5.3.2 模型设计 | 第44-45页 |
| 5.3.3 实证结果 | 第45-47页 |
| 5.4 三种模型的比较研究 | 第47-50页 |
| 6 结论及进一步讨论 | 第50-52页 |
| 6.1 结论 | 第50页 |
| 6.2 本文的不足之处 | 第50-51页 |
| 6.3 展望 | 第51-52页 |
| 附录 | 第52-61页 |
| 参考文献 | 第61-65页 |
| 后记 | 第65-66页 |
