自組織數(shù)據(jù)挖掘在股票市場(chǎng)中的應(yīng)用研究
發(fā)布時(shí)間:2024-06-12 05:32
在信息技術(shù)迅速發(fā)展的背景下,隨著上市公司數(shù)量的逐年增多以及我國(guó)股票市場(chǎng)信息披露制度的逐步完善,我國(guó)股票市場(chǎng)中累積了越來(lái)越多的數(shù)據(jù)。如何從這些數(shù)據(jù)中獲得有用的信息,這是廣大投資者關(guān)心的一個(gè)問(wèn)題。作為股票市場(chǎng)數(shù)據(jù)分析的常用方法,傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)在模型的設(shè)定和假設(shè)條件上存在著局限。因此本文引入了自組織數(shù)據(jù)挖掘。自組織數(shù)據(jù)挖掘在進(jìn)化論自組織原理的基礎(chǔ)上,以GMDH算法為核心,實(shí)現(xiàn)數(shù)據(jù)挖掘過(guò)程的自組織控制,與其他方法相比具有自組織模式識(shí)別和自組織篩選等優(yōu)點(diǎn)。 本文闡述了自組織數(shù)據(jù)挖掘的基本思想,并介紹了自組織數(shù)據(jù)挖掘中的兩種算法——參數(shù)自組織數(shù)據(jù)挖掘GMDH算法和非參數(shù)自組織數(shù)據(jù)挖掘AC算法。根據(jù)股票市場(chǎng)上兩類數(shù)據(jù)的不同特點(diǎn),我們分別采用了GMDH算法和AC算法對(duì)數(shù)據(jù)進(jìn)行挖掘,并進(jìn)行了實(shí)證研究。 將GMDH算法應(yīng)用于財(cái)務(wù)數(shù)據(jù)的挖掘,預(yù)測(cè)上市公司的財(cái)務(wù)危機(jī),實(shí)證結(jié)果表明基于GMDH的上市公司財(cái)務(wù)預(yù)測(cè)模型,預(yù)測(cè)準(zhǔn)確率優(yōu)于判別分析和Logit回歸分析,顯示出GMDH在模型識(shí)別和模型推廣能力上具有它獨(dú)特的優(yōu)越性。 將AC算法用于預(yù)測(cè)股價(jià)的發(fā)展趨勢(shì),是從局部的角度來(lái)挖掘交易數(shù)據(jù)中的信息,有別于以往傳統(tǒng)計(jì)量經(jīng)...
【文章頁(yè)數(shù)】:56 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 本文研究背景與意義
1.2 股票市場(chǎng)中的兩類數(shù)據(jù)
1.3 本文內(nèi)容安排
第二章 自組織數(shù)據(jù)挖掘
2.1 數(shù)據(jù)挖掘概述
2.2 自組織數(shù)據(jù)挖掘的基本思想
2.3 自組織數(shù)據(jù)挖掘的算法體系
2.4 自組織數(shù)據(jù)挖掘在經(jīng)濟(jì)中的應(yīng)用
第三章 參數(shù)自組織數(shù)據(jù)挖掘在股票市場(chǎng)中的應(yīng)用——基于財(cái)務(wù)數(shù)據(jù)的實(shí)證
3.1 問(wèn)題的提出
3.2 參數(shù)自組織數(shù)據(jù)挖掘核心算法:GMDH
3.2.1 GMDH 算法的數(shù)學(xué)思想
3.2.2 GMDH 算法具體步驟
3.2.3 GMDH 算法的分類
3.2.4 GMDH 算法的優(yōu)勢(shì)
3.3 GMDH 在股票市場(chǎng)財(cái)務(wù)數(shù)據(jù)挖掘中的應(yīng)用
3.3.1 財(cái)務(wù)危機(jī)預(yù)測(cè)方法評(píng)述
3.3.2 GMDH 上市公司財(cái)務(wù)危機(jī)預(yù)測(cè)實(shí)證
3.3.3 判別分析、Logit 回歸與GMDH 實(shí)證結(jié)果比較
3.4 本章小結(jié)
第四章 非參數(shù)自組織數(shù)據(jù)挖掘在股票市場(chǎng)中的應(yīng)用——基于交易數(shù)據(jù)的實(shí)證
4.1 問(wèn)題的提出
4.2 非參數(shù)自組織數(shù)據(jù)挖掘:AC 算法
4.3 AC 算法在股票市場(chǎng)交易數(shù)據(jù)挖掘中的應(yīng)用
4.3.1 股價(jià)數(shù)據(jù)的預(yù)處理
4.3.2 AC 算法股價(jià)趨勢(shì)預(yù)測(cè)實(shí)證
4.4 本章小結(jié)
第五章 結(jié)論
致謝
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間取得的研究成果
本文編號(hào):3993296
【文章頁(yè)數(shù)】:56 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 本文研究背景與意義
1.2 股票市場(chǎng)中的兩類數(shù)據(jù)
1.3 本文內(nèi)容安排
第二章 自組織數(shù)據(jù)挖掘
2.1 數(shù)據(jù)挖掘概述
2.2 自組織數(shù)據(jù)挖掘的基本思想
2.3 自組織數(shù)據(jù)挖掘的算法體系
2.4 自組織數(shù)據(jù)挖掘在經(jīng)濟(jì)中的應(yīng)用
第三章 參數(shù)自組織數(shù)據(jù)挖掘在股票市場(chǎng)中的應(yīng)用——基于財(cái)務(wù)數(shù)據(jù)的實(shí)證
3.1 問(wèn)題的提出
3.2 參數(shù)自組織數(shù)據(jù)挖掘核心算法:GMDH
3.2.1 GMDH 算法的數(shù)學(xué)思想
3.2.2 GMDH 算法具體步驟
3.2.3 GMDH 算法的分類
3.2.4 GMDH 算法的優(yōu)勢(shì)
3.3 GMDH 在股票市場(chǎng)財(cái)務(wù)數(shù)據(jù)挖掘中的應(yīng)用
3.3.1 財(cái)務(wù)危機(jī)預(yù)測(cè)方法評(píng)述
3.3.2 GMDH 上市公司財(cái)務(wù)危機(jī)預(yù)測(cè)實(shí)證
3.3.3 判別分析、Logit 回歸與GMDH 實(shí)證結(jié)果比較
3.4 本章小結(jié)
第四章 非參數(shù)自組織數(shù)據(jù)挖掘在股票市場(chǎng)中的應(yīng)用——基于交易數(shù)據(jù)的實(shí)證
4.1 問(wèn)題的提出
4.2 非參數(shù)自組織數(shù)據(jù)挖掘:AC 算法
4.3 AC 算法在股票市場(chǎng)交易數(shù)據(jù)挖掘中的應(yīng)用
4.3.1 股價(jià)數(shù)據(jù)的預(yù)處理
4.3.2 AC 算法股價(jià)趨勢(shì)預(yù)測(cè)實(shí)證
4.4 本章小結(jié)
第五章 結(jié)論
致謝
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間取得的研究成果
本文編號(hào):3993296
本文鏈接:http://www.wukwdryxk.cn/guanlilunwen/zhqtouz/3993296.html
最近更新
教材專著