学位论文 > 优秀研究生学位论文题录展示

基于关联规则和数据库划分的股票投资组合研究

作　者: 蔡春雷
导　师: 鲁习文
学　校: 华东理工大学
专　业: 数学
关键词: 数据挖掘频繁集关联规则股票
分类号: TP311.13
类　型: 硕士论文
年　份: 2013年
下　载: 105次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,“大数据”的概念逐渐进入到人们的视野中,“大数据”技术又叫做云技术、数据挖掘技术,在金融、电商、医疗等行业中有着非常广泛的应用。本文就从传统的数据挖掘技术出发,研究了关联规则方法,并将其运用到股票投资组合中,研究了在一定时期内股票投资组合的收益情况。本文首先介绍了Apriori算法和FP-Growth算法。然后结合股票数据量大的特点,采用分而治之的思想来分解数据集,在每个子数据库中运用FP-Growth算法挖掘关联规则。最后将所得到的关联规则合并得到相对于整个数据库的关联规则。在处理股票数据时,由于本文研究对象是股票每个交易日收盘价的涨跌幅情况,因此文中将复杂的股票数据集转化为只包含0和1的数据集,然后使用数学软件来实现关联规则的挖掘。最后在评价结果的优劣时,给出了规则的长度对于支持度、置信度、选择机会、时间成本的影响。

全文目录

摘要  5-6
Abstract  6-9
第1章引言  9-12
  1.1 研究背景及意义  9-10
    1.1.1 数据挖掘概念的提出  9
    1.1.2 数据挖掘与股票研究  9-10
  1.2 国内外研究现状和发展方向  10-11
  1.3 本文的结构  11-12
第2章股票市场基础知识  12-17
  2.1 股票价格影响因子  12-13
  2.2 股票预测理论  13
  2.3 投资组合理论  13-16
  2.4 股票的基本属性  16
  2.5 股票数据的转化  16-17
第3章数据挖掘的基本理论  17-25
  3.1 数据挖掘的产生  17-19
    3.1.1 数据挖掘的提出及发展  17
    3.1.2 数据挖掘组成  17-18
    3.1.3 数据挖掘可处理的对象  18-19
  3.2 数据挖掘方法  19-25
    3.2.1 分类技术  19-21
    3.2.2 聚类技术  21-22
    3.2.3 孤立点检测  22-25
第4章关联规则及其算法  25-34
  4.1 关联规则概念  25-26
  4.2 关联规则算法  26-34
    4.2.1 Apriori算法  26-30
    4.2.2 FP-growth算法  30-33
    4.2.3 闭频繁项集  33-34
第5章基于数据库划分的关联规则在股票投资中的应用  34-45
  5.1 分解数据库算法  34-38
  5.2 性能分析  38-39
  5.3 实例  39-45
    5.3.1 数据预处理  39-42
    5.3.2 规则的挖掘与评价  42-45
第6章总结与展望  45-46
  6.1 本文总结  45
  6.2 展望  45-46
参考文献  46-49
致谢  49-50
附录  50-58

基于关联规则和数据库划分的股票投资组合研究

内容摘要

全文目录

相似论文