- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于数据挖掘技术的股票价格预测
目 录
1 绪论1
1.1 论文的背景1
1.2 论文研究的目的与意义1
2 数据挖掘分析2
2.1 数据挖掘的概念、社会需求2
2.2 数据挖掘过程2
3 时间序列预测模型与神经网络模型4
3.1 时间序列预测模型4
3.2 神经网络模型5
3.2.1 人工神经网络模型5
3.2.2 人工神经元模型6
3.2.3 BP 神经网络模型6
4 基于数据挖掘技术的股票价格预测实证分析8
4.1 问题分析8
4.2 数据采集及处理8
4.3 模型的分析与实现9
4.3.1 神经网络模型验证10
4.3.2 时间序列模型验证18
5 总结22
致谢23
参考文献24
基于数据挖掘技术的股票价格预测
摘要:数据挖掘技术是近几年内迅速发展起来的一门交叉学科,涉及数据库、统计学、人
工智能和机器学习等多个领域。计算机的普及应用产生了大量的数据,数据挖掘就是利用
上述学科的技术进行大量数据的处理。数据挖掘的应用领域非常广泛,从电子商务到生物
科学,从金融领域到商业应用,数据挖掘技术对未来社会的各个领域都起到越来越重要的
作用。
本文首先阐述了以往分析股票价格的分析方法以及数据挖掘技术在证券市场中的应用
状况,分析了时间序列模型和神经网络模型如何对股票价格进行预测,利用采集的最新十只
股票数据,然后借助SQL Server 2008操作平台,应用数据挖掘技术,对股票数据进行处理,
建立预测模型。通过时间序列、神经网络模型对股票的价格进行建模,利用前1日股票开盘
价、收盘价、成交量及当日开盘价等诸多变量对今日股票的收盘价进行预测。之后,通过比
较各只股票预测值与真实值之间的差距以及相对误差率的高低,说明不同预测方法之间优
劣,对证券市场中股票价格的预测具有较为深远的意义。
关键词:数据挖掘 股票价格 时间序列 神经网络 预测
Based on data mining technology of share price predicte
Abstract :Data mining technology is developed rapidly in recent years, involving a cross subject
Database, Statistics, Artificial intelligence and Machine learning, and other fields. The
popularization of computer application produced a lot of data, data mining is to use the technology
of the discipline of data processing. Data mining application field is very wide, from e-commerce
to biological sciences, from the financial sector into commercial application, data mining
technology to the future society to every field of play an increasingly important role.
This article elaborates the analysis of previous analysis method and stock price data mining
technology in the securities market, analyzes the application conditions of time series model and
neural network model for prediction of stock price, the principle of using the latest ten stock data
collected by SQL Server 20
文档评论(0)