不确定时态数据挖掘方法及其在证券行情预测中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-16页 |
| 第1章 绪论 | 第16-22页 |
| ·选题背景及课题来源 | 第16-18页 |
| ·选题背景 | 第16-18页 |
| ·课题来源 | 第18页 |
| ·研究意义 | 第18-19页 |
| ·本文主要工作及创新点 | 第19页 |
| ·研究思路与内容 | 第19-22页 |
| 第2章 相关研究基础与文献综述 | 第22-36页 |
| ·数据挖掘技术 | 第22-28页 |
| ·数据挖掘模型的分类 | 第23页 |
| ·数据挖掘的主要方法和算法 | 第23-25页 |
| ·时态数据挖掘 | 第25-28页 |
| ·金融时间序列分析方法研究 | 第28-31页 |
| ·金融时间序列的传统分析方法 | 第29-30页 |
| ·混合方法 | 第30-31页 |
| ·传统时间序列挖掘方法的不足 | 第31页 |
| ·不确定性及其方法 | 第31-35页 |
| ·不确定性的定义 | 第32-33页 |
| ·造成不确定性的原因 | 第33页 |
| ·不确定性方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 证券市场预测需求下新型数据挖掘方法的构建 | 第36-47页 |
| ·金融市场可预测性 | 第36-37页 |
| ·证券市场行情预测总体分析 | 第37-39页 |
| ·证券市场预测的分类 | 第38页 |
| ·本文研究对象的选择 | 第38页 |
| ·证券市场科学预测的研究方法 | 第38-39页 |
| ·不确定时态数据挖掘方法的构建 | 第39-44页 |
| ·数据挖掘技术的应用领域 | 第39-41页 |
| ·时间序列挖掘的研究领域 | 第41-43页 |
| ·不确定时态数据挖掘方法的基本思路 | 第43-44页 |
| ·证券市场行情预测研究方案的确定 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 模糊相似关系下模糊粗糙集对股价的预测 | 第47-59页 |
| ·模糊粗糙集理论基础 | 第48-50页 |
| ·粗糙集理论的基本概念 | 第48-49页 |
| ·模糊相似关系 | 第49-50页 |
| ·模糊相似关系下的模糊粗糙集 | 第50-52页 |
| ·利用模糊粗糙集对证券市场进行预测 | 第52-57页 |
| ·股票价格序列预定义 | 第52-54页 |
| ·利用模糊粗糙集方法挖掘规则过程 | 第54页 |
| ·模糊粗糙集规则挖掘 | 第54-57页 |
| ·测试结果 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第5章 趋势特征挖掘对股价突变的预测 | 第59-70页 |
| ·时间序列相似性模式挖掘研究 | 第59-61页 |
| ·相似性度量 | 第59-60页 |
| ·欧氏距离的定义 | 第60-61页 |
| ·趋势特征挖掘预测方法构造过程 | 第61-65页 |
| ·特征提取平滑处理 | 第62-63页 |
| ·趋势特征抽取算法 | 第63-64页 |
| ·趋势特征聚类算法选择 | 第64页 |
| ·特征模式预测方法发现过程 | 第64-65页 |
| ·趋势特征挖掘方法在证券市场中的应用 | 第65-67页 |
| ·测试结果 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第6章 股票间时间序列模糊关联规则挖掘预测 | 第70-83页 |
| ·模糊数据挖掘技术 | 第70-71页 |
| ·时间序列关联规则挖掘方法 | 第71-73页 |
| ·Apriori 算法 | 第72-73页 |
| ·时间序列关联规则挖掘基本步骤 | 第73页 |
| ·证券市场中时间序列模糊预处理过程 | 第73-77页 |
| ·模糊集核与支集的定义 | 第74-75页 |
| ·模糊集的隶属函数构造 | 第75页 |
| ·聚类方法的选择 | 第75-76页 |
| ·时间序列的模糊离散化 | 第76-77页 |
| ·时间序列模糊关联规则挖掘算法构造 | 第77-78页 |
| ·时间序列模糊关联规则在证券市场中的应用 | 第78-81页 |
| ·时间序列数据预处理 | 第79-80页 |
| ·规则抽取结果分析 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 第7章 多灰色神经网络组合方法对股指的预测 | 第83-104页 |
| ·灰色系统理论及其技术 | 第84-86页 |
| ·灰色预测分类 | 第84页 |
| ·灰色理论在证券市场分析中的应用 | 第84-85页 |
| ·灰色理论在证券市场分析应用中的不足 | 第85-86页 |
| ·神经网络模型 | 第86-88页 |
| ·基本人工神经元及其网络 | 第86-87页 |
| ·神经网络的学习与训练 | 第87-88页 |
| ·多灰色神经网络组合预测模型建模过程 | 第88-97页 |
| ·带残差修正的灰色GM(1, 1)模型 | 第89-91页 |
| ·无偏GM(1, 1)模型 | 第91-92页 |
| ·pGM(1, 1)模型 | 第92-93页 |
| ·BP 神经网络 | 第93-96页 |
| ·多灰色神经网络组合预测模型 | 第96-97页 |
| ·组合预测方法实证分析 | 第97-102页 |
| ·灰色模型进行预测 | 第98-99页 |
| ·BP 神经网络模型进行预测 | 第99页 |
| ·多灰色神经网络模型预测结果分析 | 第99-102页 |
| ·本章小结 | 第102-104页 |
| 结论 | 第104-106页 |
| 参考文献 | 第106-117页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第117-118页 |
| 致谢 | 第118页 |
