证 券分析中数据挖掘模型的研究及应用 林香.pdfVIP

摘要 证券分析是现代金融分析的基本研究对象。证券市场在我国的短短几十年内 迅猛发展，越来越多的人将资金投入到证券中，证券市场尤其在近几年异常活跃。 而随着证券市场的快速发展也对证券分析系统提出了更高的要求，因此对证券分 析系统的研究也成为金融分析研究的一个重要课题。同时数据挖掘技术近几年被 研究越来越多，尤其在证券分析领域中，数据挖掘技术由于其具有强大的发掘潜 在信息的能力，被广泛应用。 在证券分析中，股票预测是金融数据挖掘的一个重要研究方向。股票时间序 列除了具有非线性、非平稳和动态等一般时间序列具有的特征外，还具有高噪音、 非正态、尖峰厚尾等特征，因此股票时间序列预测更具有挑战性，并有广阔的应 用价值和市场前景。同时相似股票时间序列检索也是证券分析中的一个研究重 点。随着证券市场的繁荣，股票价格的波动显得更加复杂，从大量股票的历史数 据中快速查找出与其具有相似波动规律的股票从而进行预测或者投资组合分析 是证券分析系统中不可缺少的功能。 针对以上两个关键问题，本文重点研究了基于遗传BP神经网络混合模型在 股票预测中的应用。传统的研究只能对短趋式的预测才有比较好的预测效果，同 时大部分的模型都只适用于他们所实验的单一种类的数据而并不能适用于其他 类型的