開放式基金投資決策平臺研究與設(shè)計.pdf

1、本研究從基金歷史凈值入手，結(jié)合股指、債券指數(shù)的變化趨勢，使用聚類及神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘算法，能夠客觀評價出基金的風格類型，推斷其未來的收益狀況及潛在的風險。主要關(guān)注數(shù)據(jù)挖掘在開放式基金投資中的應(yīng)用研究，用先進的技術(shù)解決實際問題，拓展數(shù)據(jù)挖掘的行業(yè)應(yīng)用。
　　（1）數(shù)據(jù)預(yù)處理工作中，考慮到挖掘數(shù)據(jù)來自多個異構(gòu)數(shù)據(jù)源，極易受到噪聲、丟失數(shù)據(jù)和不一致數(shù)據(jù)的侵擾。所以，對收集來的數(shù)據(jù)進行整合、清洗、構(gòu)建和選擇等預(yù)處理操作，消除了由于基金和證

2、券股指等數(shù)據(jù)來源分散、格式不規(guī)范所帶來的不完整和不一致，提高了數(shù)據(jù)質(zhì)量，為數(shù)據(jù)挖掘提供了可靠的數(shù)據(jù)源；
　　（2）風格分析模塊的設(shè)計中，設(shè)計了8個計算公式并分別進行運算，再借助k-均值聚類算法對這8類數(shù)據(jù)分別進行分組，得到了每只基金風格要素所處的相對值，并通過表格和圖形直觀地向用戶展現(xiàn)；
　?。?）收益與風險預(yù)測模塊設(shè)計中，借鑒了基于遺傳算法的神經(jīng)網(wǎng)絡(luò)算法，并對基于遺傳算法的神經(jīng)網(wǎng)絡(luò)進行了改進.
　　（4）組合投資優(yōu)化