关联规则在股票时间序列上的应用-计算机应用技术专业论文.docxVIP

egree egree— of hnology The Application of Association Rule in Stock Market Pred ication Candidate：Ma Xiaohui Supervisor：Prof．Tang Rongjiang May 2011 Faculty of Computer Guangdong University of Technology Guangzhou，Guangdong，P．R。China，51 摘要摘要 摘要 摘要 数据库技术和挖掘技术的的不断发展，数据挖 掘和知识发现(DMKD)技术应运而生，并得以蓬勃发展，越来越显示出其强大的生命力。 关联规则挖掘作为数据挖掘中最活跃的研究方法之一当前已被广泛应用在西方金融行 业大型物流企业以及一些电子商务网站中去中，它可以成功预测诸如银行客户需求， 股票、期货市场的变化等，给顾客带来方便的同时也给企业带来了巨大的效益。 股票流通市场上的价格是反映经济动向的晴雨表，股票市场对国民经济的发展具 有重要作用，因此对股票市场的研究具有重要意义。在基础分析和技术分析的前提下， 运用计算机技术来对股票市场进行技术分析成为一个主要的辅助手段，在实际操作中 具有重要的意义。本文的主要研究方向就是运用数据挖掘的知识来对股票交易数据进 行有效的分析处理，以发现这些数据闻的内在相互联系。 本文首先对数据挖掘相关知识做了详细的研究，其次介绍了股票分析和预测的背 景知识和方法。然后着重从以下三个方面进行讨论： 首先是对关联规则算法的分析，着重研究分析了apriori算法和DHP算法，对给定 支持度下频繁项集的产生、迭代与修剪进行了细致的描述。并对两种算法的效率与各 自优缺点进行了分析。在两种算法的基础上提出了新的E-Apriori和EH-Apriori算法 来对这两种算法进行改良。新算法一方面减少了候选项集的产生，另一方面也拓宽了 算法的适应面，使之适应于多维的关联规则挖掘。 其次根据股票市场特点提出了多维跨交易关联规则的概念，多维即每个项目包含 多个属性。本文以二维数据库为例，给出每个项目基本地址和相对地址的概念，来定 义跨交易关联规则，并利用提出的E—Apriori和EH-Apriori算法来产生最大频繁项集， 计算候选集的支持度和信任度，生成跨交易关联规则。然后用实验来检验算法的效率。 最后本文利用实际中的数据来检验所做分析，并与实际情况做了对比，证明了本 文所做研究的价值。如果能够在给定支持度的情况下得到所要关联规则，可以以此作 为投资的依据。 关键词：数据挖掘；跨交易关联规则；Apriori算法 广东工业大学硕士学位论文AB 广东工业大学硕士学位论文 AB STRACT With the growing range of computer applications，dmabase technology and the continuous development of mining technology,data mining and knowledge discovery(DMKD)technology canle into being，and to flourish,shown its great vitality．Data miIliIlg Association rule mining aS one of the most active current research method has been widely used in Western financial industries and enterprises as well as large logistics companies and some e-commerce web site，it can be successfully predicted the banking needs of customers，forecasting such as stocks，futures and other market changes，not only bring convenience to customers but also to the enterprise has brought huge benefits． Flow of the market price of the stock reflects a barometer of economic trends，stock market research for this study therefore has national significance．In the basic premise