数据挖掘技术在预测股票走势中的应用

论文摘要

针对目前国内股市走势预测存在的问题,如预测过程计算量庞大、预测结果不理想等,本文使用数据挖掘中的几种常用方法建立预测模型,通过对预测过程及预测结果的分析,来寻求数据挖掘算法与股票预测的结合点。本文使用了时间序列方法、马尔可夫链模型对证券市场的价格进行建模和预测。应用时间序列方法预测时使用了简单一次移动平均预测法、一次指数平滑预测法、两次指数平滑预测法。时间序列方法预测股票走势最为简单,但是误差过大。相对于时间序列方法,马尔可夫链模型更适合对股票走势的预测,其计算量较小,虽然自身有些弊端,但是用多状态预测法可以弥补其自身的不足。改进方法后的马尔可夫链模型预测效果同真实走势差距有较大缩短。

论文目录

• 前言
• 第一章 绪论
• 1.1 研究目的与选题意义
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 第二章 数据挖掘技术与证券分析技术
• 2.1 数据挖掘技术
• 2.2 证券分析技术
• 2.3 时间序列预测技术
• 2.4 马尔可夫链技术
• 第三章 时间序列方法的预测实现
• 3.1 简单一次移动平均预测法
• 3.2 一次指数平滑预测法
• 3.3 二次指数平滑预测法
• 3.4 时间序列法预测结果及分析
• 第四章 马尔可夫链的预测实现
• 4.1 马尔可夫链在证券中的应用
• 4.2 改进预测方法
• 4.3 应用马尔可夫链多状态法预测其他股票
• 4.4 马尔可夫链预测结果及分析
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 摘要
• Abstract
• 致谢