数据挖掘技术在证券领域的应用
| 学位论文版权使用授权书 | 第1-5页 |
| 同济大学学位论文原创性声明 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 引言 | 第12-14页 |
| ·项目背景 | 第12页 |
| ·研究内容 | 第12-13页 |
| ·研究现状 | 第12页 |
| ·研究内容 | 第12-13页 |
| ·研究目的和意义 | 第13-14页 |
| ·研究目的 | 第13页 |
| ·研究意义 | 第13-14页 |
| 第2章 相关技术 | 第14-26页 |
| ·数据挖掘技术 | 第14-16页 |
| ·数据挖掘的基础 | 第14-15页 |
| ·数据挖掘的范围 | 第15页 |
| ·数据库可以由此拓展深度和广度 | 第15-16页 |
| ·数据挖掘中的常用技术 | 第16页 |
| ·人工神经网络技术 | 第16-21页 |
| ·人工神经网络概述 | 第16页 |
| ·神经元的形式化描述 | 第16-18页 |
| ·神经网络的分类 | 第18-19页 |
| ·常见的神经网络 | 第19页 |
| ·多层网络和误差反向传递算法 | 第19-21页 |
| ·插件技术 | 第21-22页 |
| ·插件设计的基本思想 | 第21-22页 |
| ·异构数据库技术 | 第22-23页 |
| ·同时支持多种数据库的方法 | 第22页 |
| ·SQL描述文件的格式 | 第22-23页 |
| ·解析描述文件格式的脚本 | 第23页 |
| ·图形技术 | 第23-26页 |
| ·静态图形模块 | 第24-25页 |
| ·动态图形模块 | 第25-26页 |
| 第3章 数据挖掘技术在证券领域的应用研究 | 第26-82页 |
| ·系统概述 | 第26-28页 |
| ·数据收集模块 | 第26页 |
| ·数据传输模块 | 第26页 |
| ·数据存储模块 | 第26-27页 |
| ·经典分析技术 | 第27页 |
| ·对经典指标的自动分析 | 第27-28页 |
| ·聚类方法分析板块 | 第28页 |
| ·神经网络的立法分析 K线 | 第28页 |
| ·基于统计的贝叶斯分析方法给出定量的价格估计 | 第28页 |
| ·系统分析和设计 | 第28-29页 |
| ·数据收集模块 | 第29-33页 |
| ·数据收集的策略 | 第29-30页 |
| ·数据下载模块 | 第30-33页 |
| ·数据传输模块 | 第33-35页 |
| ·对不同站点的数据进行排序合并 | 第33-34页 |
| ·剔除可能有错的数招 | 第34页 |
| ·数据拟合 | 第34-35页 |
| ·保存数据 | 第35页 |
| ·数据存储模块 | 第35-38页 |
| ·同时支持多种数据库的方法 | 第36页 |
| ·SQL描述文件的格式 | 第36-37页 |
| ·解析描述文件格式的脚本 | 第37页 |
| ·中间层的实现 | 第37-38页 |
| ·图形模块 | 第38页 |
| ·主程序结构 | 第38-42页 |
| ·插件式结构 | 第38-39页 |
| ·必须的插件 | 第39页 |
| ·插件的公共接口 | 第39页 |
| ·配置文件中的内容 | 第39-40页 |
| ·UI类插件 | 第40-41页 |
| ·流程类插件 | 第41-42页 |
| ·功能类插件 | 第42页 |
| ·经典分析技术 | 第42-74页 |
| ·大盘类指标 | 第43-47页 |
| ·价格类指标 | 第47页 |
| ·趋势类指标 | 第47-59页 |
| ·反趋势类指标 | 第59-68页 |
| ·主图类指标 | 第68页 |
| ·成交量类类指标 | 第68-72页 |
| ·统计类指标 | 第72-74页 |
| ·对经典指标的分析 | 第74-78页 |
| ·指标插件 | 第74-76页 |
| ·打分的策略 | 第76-77页 |
| ·使用指标插件的策略 | 第77-78页 |
| ·用神经网络的方法对K线分析 | 第78-81页 |
| ·在股票分析中使用BP网络 | 第78-81页 |
| ·遇到的问题 | 第81页 |
| ·应用效果评价 | 第81-82页 |
| 第4章 结论与展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-85页 |
| 附录A 模块清单 | 第85-86页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第86页 |
