30基于数据挖掘技术的股票价格预测

基于数据挖掘技术的股票价格预测目录1绪论...............................................................................................................................................11.1论文的背景...........................................................................................................................11.2论文研究的目的与意义.......................................................................................................12数据挖掘分析...............................................................................................................................22.1数据挖掘的概念、社会需求...............................................................................................22.2数据挖掘过程.......................................................................................................................23时间序列预测模型与神经网络模型...........................................................................................43.1时间序列预测模型...............................................................................................................43.2神经网络模型.......................................................................................................................53.2.1人工神经网络模型.......................................................................................................53.2.2人工神经元模型...........................................................................................................63.2.3BP神经网络模型..........................................................................................................64基于数据挖掘技术的股票价格预测实证分析...........................................................................84.1问题分析...............................................................................................................................84.2数据采集及处理...................................................................................................................84.3模型的分析与实现...............................................................................................................94.3.1神经网络模型验证......................................................................................................104.3.2时间序列模型验证.....................................................................................................185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SQLServer2008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BasedondataminingtechnologyofsharepricepredicteAbstract：Dataminingtechnologyisdevelopedrapidlyinrecentyears,involvingacrosssubjectDatabase,Statistics,ArtificialintelligenceandMachinelearning,andotherfields.Thepopularizationofcomputerapplicationproducedalotofdata,dataminingistousethetechnologyofthedisciplineofdataprocessing.Dataminingapplicationfieldisverywide,frome-commercetobiologicalsciences,fromthefinancialsectorintocommercialapplication,dataminingtechnologytothefuturesocietytoeveryfieldofplayanincreasinglyimportantrole.Thisarticleelaboratestheanalysisofpreviousanalysismethodandstockpricedataminingtechnologyinthesecuritiesmarket,analyzestheapplicationconditionsoftimeseriesmodelandneuralnetworkmodelforpredictionofstockprice,theprincipleofusingthelatesttenstockdatacollectedbySQLServer2008,thenoperationplatform,applicationofstockdataminingtechnology,dataprocessing,establishforecastingmodel.Throughthetimeseries,neuralnetworkmodelforthepriceofastockismodeled,withtheformer1opening,closingprice,stockvolumeandthesamedayopeningprice,andmanyothervariablesfortoday'sclosingpriceofstocksarepredicted.Later,bycomparingthestockandtherealvaluepredictedthegapbetweentheheight,andrelativeerrorratefordifferentbetweentheforecastmethod,andthecombinationofinferiorityinthesecuritiesmarketanalysisandforecastofstockpriceshavemoremeaningful.KeyWords:DataminingSharepriceTimeseriesNeuralnetworkPrediction11绪论1.1论文的背景金融市场就是以金融资产为交易工具形成的供求和交易机制的总和，简言之即是金融商品的交易场所。随着经济市场化程度的提高，市场运作体制机制的不断完善，我国股票市场的发展也会逐渐步入理性运行的区间，非理性震荡将大幅减少或消失。2008年股市暴跌、投资者信心受挫，既有股权全流通的因素，也有国内经济形势波动以及国际金融动荡的因素，但其中也有我国特殊国情的因素，毕竟，证券市场对于我们这样的一个新兴的市场经济体而言，仍然算不上底蕴深厚，我们在股权文化上的缺失不是几年可以弥补的。1.2论文研究的目的与意义作为市场经济重要特征的股票市场，从诞生的那天起就牵挂着数以千万投资者的心。高风险高回报是股票市场的特征，因此投资者们时刻在关心股市、分析股市、试图预测股市的发展趋势。一百多年来，一些分析方法随着股市的产生和发展逐步完善起来，如：道氏分析法、K线图分析法、柱状图分析法、点数图分析法、移动平均法，还有形态分析法、趋势分析法、角度分析法、神秘级数与黄金分割比螺旋历法、四度空间法等，随着计算机技术在证券分析领域的普及与应用，不断推出新的指标分析法。然