基于数据挖掘的股票分析与预测研究

伴随着我国市场经济的发展,越来越多的投资者关注于股票市场。经过一百多年的发展,股票的分析与预测有很多成型的方法。随着计算机的发展和普及,这些传统的股票分析方法尽可能用股票软件来实现,这也导致了传统方法的公开化和商业化。正是由于方法的公开化和商业化以及股票市场复杂性的增加,使得这些方法都显得片面,对投资者的参考价值不大。 知识发现(KDD)与数据挖掘技术是计算机领域一个非常具有活力的研究课题,其研究成果已广泛应用于金融、医疗保健、零售、制造业、工程与科学等行业,股票的分析与预测就是知识发现与数据挖掘技术的一个重要的应用领域,很多学者和公司都在致力于数据挖掘技术在股票分析与预测中的研究与应用。 本文从股票分析的基本面和技术面着手,采用知识发现与数据挖掘技术的概念和方法,综合运用数学等相关学科的技术,对股票分析与预测中的特定问题,提出解决办法,并设计相应的试验方案。其主要研究内容包括: 1.把判定树分类ID3算法应用到股票财务数据的分析上,选取有代表性的财务指标,并对样本数据进行测试。投资者利用测试结果可以对上市公司的经营情况和获利能力进行分析。 2.把关联规则挖掘技术应用到股票时间序列的发现上,并对股票时间序列增加时间段约束,时间间隔约束和走势模式约束。投资者通过对挖掘出的规则进行分析,能够更好的把握股票之间的联动规则和买卖时机。