基于数据挖掘的股票分析系统设计.docVIP

基于数据挖掘的股票分析系统设计 　　摘要：由于股市内的数据的庞大和复杂，在进行有效的股票数据分析的时候我们需要更加精确的数据来为我们服务，基于以上股市数据的特点，利用数据挖掘技术对股市趋势的计算是符合实际的，在BP神经网络算法的基础上对股票分析系统进行设计。 　　关键词：数据挖掘；神经网络算法；股票分析 　　中图分类号：TP311.131 文献标识码：A文章编号：1007-9599 (2011) 17-0000-01 　　Stock Analysis System Design Based On Data Mining 　　Zheng Xiajun,Xu Xianwen 　　(Fuzhou University Software Institute,Fuzhou350108,China) 　　Abstract:As the stock market data of large and complex,making effective data analysis of the stock when we need more accurate data for our services,market data based on the above characteristics,using data mining techniques for the calculation of the stock market trend is in line with practical,the BP neural network algorithm based on the stock analysis system design. 　　Keywords:Data mining;Neural network algorithm;Stock analysis 　　一、前言 　　股市数据的分析对掌握股市趋势具有战略意义，所以一直以来很多研究机构对股市数据非常重视，因为数据量比较大，信息之间的关联度错中复杂，所以选择一个合适的算法来进行数据挖掘工作是首要任务。BP神经网络算法具备大型数据分析处理的能力，具体是建立一个包含输入层、隐含层和输出层的神经网络，对数据进行预处理以后结合数据挖掘技术提取我们需要的指标如KD、MACD、RIS等引入模型，通过这些数据的显示，我们可以对股市大体趋势进行预测。 　　二、设计方案依据 　　所有股票分析系统设计的目的都是为了给客户提供一个具有参考价值的数据，那么基于BP神经网络模型提供了一种很有效的方法，基于它的三层模型即：数据层、神经网络模型层以及用户界面层，数据层其实对数据日志进行处理后形成的关系数据库，海量的股票数据在经过数据挖掘后，神经网络层对其进行数据模式发现和保存，股票的模式发现是通过构建BP神经网络来实现的，主要完成构建和保存这两大功能，完成满足用户需求的网络模型，这样才能提取真正有价值的数据。建立BP神经网络模型后，通过图形化的方式把用户界面层的拓扑结构和用户需求的规则模式显示出来，作为股市预测的辅助信息。 　　三、系统设计方案 　　整个系统的设计都是从客户需求的角度出发，因此在数据库必须设计数据类型丰富的模型来供用户选择，而丰富的用户模型的构建又是谁通过BP神经网络模型进行处理的，在此之前还必须对海量的股票数据进行处理，这就是整个系统三层模型的工作，下面具体来介绍三层模型： 　　（一）数据层。完整的数据挖掘系统包括下面几个重要环节：一、数据库，它是由数据仓库组成的或者包含其他信息的一个或者多个数据库、数据仓库、数据列表以及包含其他内容的信息的数据库组成，通过数据清理和集成来实现对数据的初步处理。二、数据挖掘请求由用户发出到服务器后，服务器读取相关的数据后形成完整的数据库和数据仓库服务器。三、知识库：所谓的知识库就是存放数据挖掘要求的领域知识，这些知识的用处是指导数据挖掘搜索的方向，另一反面用于帮助数据挖掘结果的评估，最简单的用户定义的阀值就是数据挖掘中使用的知识。四、数据挖掘引擎：数据挖掘系统的定性归纳、关联分析、分类、归纳、进化以及偏差分计算等挖掘功能等一系列的功能都是通过数据挖掘引擎完成的。五、模式评估模块：该模块的建立的目的是辅助数据挖掘模块形成更加有意义的知识模块，确立相关的趣味标准，该模块是否能和数据挖掘模块有机的结合，看其所对应的模式中所包含的数据类型是否匹配，目的是尽量让数据挖掘算法和知识评估有机的结合起来。六、可视化界面：数据挖掘系统和用户的交流势必需要一个操作显示界面来完成，首先用户可以使用该界面将自己需要的挖掘数据类型传递给挖掘系统，然后获取数据挖掘后相关联的知识；然后系统完成数据处理后向用户展示以及解释整个数据挖掘过程中的结果和中间结果；下一步，用