不确定时态数据挖掘方法及其在证券行情预测中的应用的开题报告.docxVIP

不确定时态数据挖掘方法及其在证券行情预测中的应用的开题报告

一、研究背景和意义

数据挖掘技术是指从大量数据中挖掘出有价值的信息和知识的过程。在证券市场中，投资者需要将自己的投资决策建立在充分的信息和数据基础上，以提高投资决策的准确度和效果。因此，数据挖掘技术在证券行情预测中具有重要的应用价值。

然而，在数据挖掘过程中，由于涉及到多个因素因素如时间、数据来源、数据精度等不确定因素，使得数据挖掘结果具有一定的不确定性。因此，如何利用不确定时态数据挖掘方法提高证券行情预测准确率是当前需要解决的问题。

二、研究目的

本研究旨在基于不确定时态数据挖掘方法，提高证券行情预测准确率，具体研究目的包括：

1.分析不确定时态数据挖掘的相关理论及方法，探究其在证券行情预测中的应用。

2.收集证券市场的相关数据，建立证券行情预测模型，并运用不确定时态数据挖掘方法进行分析与预测。

3.分析并对比不同方法的预测结果，评估不确定时态数据挖掘方法在证券行情预测中的应用效果。

三、研究内容和步骤

1.不确定时态数据挖掘的理论和方法研究

主要对不确定时态数据挖掘的相关理论和方法进行分析和研究，包括现有的分类方法、聚类方法、时序分析方法等，分析各项方法的使用范围、优缺点以及适用条件。

2.数据收集和处理

通过调研和采集相关的证券市场数据，基于MATLAB等数据处理工具进行数据预处理和清洗。具体包括数据采集、数据清洗、数据集成、数据转换等。

3.建立预测模型

根据数据特征和目标需求，建立证券行情预测模型。采用不确定时态数据挖掘方法进行建模和分析，包括时间序列预测、非参数预测、神经网络预测等。

4.结果分析和评估

对研究中采用的不确定时态数据挖掘方法进行比较与评估，通过实验结果进行分析和比较，评估不同方法的行情预测精度和准确性。

四、研究预期成果

在本研究中，主要期望达到以下预期成果：

1.分析不确定时态数据挖掘的相关理论和应用方法，为证券市场的预测提供理论依据和方法支持。

2.建立证券行情预测模型，在不确定的情况下对证券市场进行预测分析，提高预测准确度和效果。

3.通过对比实验分析，评估不确定时态数据挖掘方法在证券行情预测中的应用效果，为实际应用提供技术支持和指导。

五、研究进度安排

本研究的进度安排如下：

阶段一（2022年3月-2022年5月）：熟悉不确定时态数据挖掘的相关理论和方法，撰写研究文献综述。

阶段二（2022年6月-2022年9月）：收集证券市场的相关数据，并进行数据预处理和建模。

阶段三（2022年10月-2023年1月）：运用不确定时态数据挖掘方法建立证券行情预测模型，分析预测结果并进一步改进。

阶段四（2023年2月-2023年5月）：对比实验分析，评估不确定时态数据挖掘方法的应用效果，并撰写论文和技术报告。

六、参考文献

[1]SongS,SwamiA,HaiZ.Fittingtimeseriesmodelstofinancialdatawithmissingobservations[C]//2010NinthInternationalSymposiumonAutonomousDecentralizedSystems.IEEE,2010:1-7.

[2]单锋锋,吕廷松.基于改进的支持向量机的股票价格预测[J].计算机工程与设计,2011,32(6):1528-1532.

[3]金兆弘,邓克希,黎雪斌.基于改进的时间序列算法的股票价格预测[J].南宁师范学院学报(自然科学版),2009,26(2):123-126.

[4]金兆弘,邓克希,李昂.基于支持向量机的股票价格预测[J].计算机工程与设计,2009,30(24):6015-6018.

[5]刘国翔,杨秀峰,杨栋.股票价格预测的时间序列分析方法比较研究[J].华东经济管理,2009(6):117-119.