數(shù)據挖掘技術在上證指數(shù)預測中的應用研究.pdf

1、隨著改革開放不斷深化，金融市場建設逐步完善，國家對金融產業(yè)關注程度不斷升高，股票市場自1990年推行至今，受到市場關注和投資者的追捧。股票證券市場以其高額的回報，較低的準入門檻，一度成為社會關注的焦點。我國股票市場投資者今年熱情不斷升高，2014年底股票開戶人數(shù)再創(chuàng)新高。但是高收益同時也伴隨著高風險，如何在保證較高收益的同時控制風險，或者是在同等收益的情況下降低風險，一直是投資者思考的問題，準確預測股票價格，根據股票歷史記錄推測未來股票

2、定價，為投資者提供可靠的定價來源?，F(xiàn)在，利用數(shù)據挖掘技術和機器學習的方法，通過對股票的歷史數(shù)據的預測，在給定條件的情況下，通過機器自主學習，給機器一個預測能力，通過算法實現(xiàn)，為投資者預測未來股票價格提供支持。
　　由于股票買賣價格隨著需求而變動，而需求也會隨著各種主動和被動因素上下浮動，提前預測，為投資者合理布局投資方案提供依據。因此，根據預測數(shù)據，提前設計投資布局方案，提升資源利用率，提前做好因股票價格變化的投資預案，有備無患。

3、這一切的基礎就是對股票的準確預測。
　　相關文獻顯示，小波神經網絡在時間序列數(shù)據預測方面具有一定優(yōu)勢且效果較好。但是小波神經網絡預測對訓練樣本和學習過程時間相對較長。由于在股票市場時間就是金錢，提高計算效率是非常重要的。因此，本文嘗試在小波神經網絡與BP神經網絡比較的基礎之上，還嘗試了運用SVM回歸預測股票數(shù)據。最后在BP神經網絡機器以及衍生神經網絡和SVM回歸之間做出比較和權衡。
　　本文主要是通過對上證綜合指數(shù)預測這一實