| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 研究的目的与内容 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-9页 |
| 1.4 本文的框架结构 | 第9-10页 |
| 2 数据挖掘技术与股票分析概述 | 第10-15页 |
| 2.1 数据挖掘技术概述 | 第10-12页 |
| 2.1.1 数据挖掘技术的定义 | 第10页 |
| 2.1.2 数据挖掘一般过程 | 第10-11页 |
| 2.1.3 数据挖掘常用方法 | 第11-12页 |
| 2.2 股票分析概述 | 第12-13页 |
| 2.2.1 基本分析法 | 第12-13页 |
| 2.2.2 技术分析法 | 第13页 |
| 2.3 利用数据挖掘进行股票分析的适用性 | 第13-14页 |
| 2.4 本章小结 | 第14-15页 |
| 3 数据挖掘技术算法介绍 | 第15-25页 |
| 3.1 关联规则 | 第15-16页 |
| 3.1.1 关联规则相关概念 | 第15页 |
| 3.1.2 关联规则挖掘过程 | 第15-16页 |
| 3.1.3 Apriori算法 | 第16页 |
| 3.2 决策树 | 第16-18页 |
| 3.2.1 决策树相关概念 | 第16-17页 |
| 3.2.2 决策树构造过程 | 第17-18页 |
| 3.2.3 ID3算法 | 第18页 |
| 3.3 神经网络 | 第18-24页 |
| 3.3.1 BP神经网络学习算法 | 第18-21页 |
| 3.3.2 RBP神经网络学习算法 | 第21-23页 |
| 3.3.3 RBP-BP组合神经网络算法 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 4 数据挖掘技术应用于股票分析的实证研究 | 第25-56页 |
| 4.1 数据准备 | 第25-27页 |
| 4.1.1 股票指标的选取 | 第25页 |
| 4.1.2 股票数据的获取 | 第25-27页 |
| 4.2 运用关联规则寻找股票关键指标 | 第27-31页 |
| 4.3 利用决策树寻找最佳投资股票 | 第31-38页 |
| 4.4 神经网络在股票预测中的应用 | 第38-55页 |
| 4.4.1 BP经网络在股票分析中应用 | 第40-48页 |
| 4.4.2 RBP神经网络在股票分析中的应用 | 第48-51页 |
| 4.4.3 利用RBP-BP组合神经网络对股票进行预测分析 | 第51-53页 |
| 4.4.4 三种神经网络预测的综合分析 | 第53-55页 |
| 4.5 本节小结 | 第55-56页 |
| 5 总结与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录 | 第60-68页 |
| A. 本文的主要程序 | 第60-67页 |
| B. 选股指标 | 第67-68页 |