分享到:

聚类分析在股票研究中的应用

聚类分析在股票研究中的应用刘景芬(天津大学数学系天津300072)摘要利用系统聚类方法,对股票的涨落和成交量等数据进行分析,得出比较理想的分类和预测效果。关键词聚类分析,最短距离法,Ward法Theapplicationofhieraehicalciusteringanalysistothestockresearch¥LiuJingfen(Mathematicsdepartment)Abstract:ThisarticlemakesuseofHierachicalClusteringmethodtoanalysethestockfiguresvariationsandtransactionvolume,gettingtheidealresultsinclassifi-cationandforecasting.keywords:clusteringanalysis,theshortestdistancemethod,theward...  (本文共5页) 阅读全文>>

哈尔滨工业大学
哈尔滨工业大学

股票的交易数据拟合与聚类研究

随着中国股票市场的迅速发展,市场的规范化程度不断提高,股票品种也有了向多元多层次化发展的趋势,吸引了越来越多投资者的目光。为减少投资风险,获得丰厚的利润回报,理智的股票投资者将会更加重视投资对象的选择。表达股票数据的真实意义对投资者来说是关键,而股票交易数据包含了大量的信息,对股票交易数据的分析就显得特别重要。股票交易数据的表现受很多因素的影响,包含信息量较大,总体上体现出函数性特征,采用传统的时间序列数据分析方法受到很多局限。为此,根据股票交易数据的函数性特征,借助函数性数据分析方法,对股票交易数据进行了有针对性的分析。主要内容是基于股票交易数据的函数性特征,对股票交易数据进行预处理和曲线拟合,使得原始数据“抽象化”,进而得到统一的函数系数矩阵,再借助系数矩阵对反映股票特性的函数进行聚类,得出相应的股票聚类结果,并对结果进行了合理解释。将函数性数据分析方法应用于分析研究函数性数据中,改善了传统分析方法对数据要求的约束,这样不仅...  (本文共63页) 本文目录 | 阅读全文>>

《计算机技术与发展》2009年06期
计算机技术与发展

聚类分析和支持向量机在股票研究中的应用

0引言中国股市在不到二十年的时间里迅速发展壮大。随着股市的逐步规范和完善,价格向其内在价值回归是未来股市发展的重要方向。股票档次将不断拉开。投资者将会更加重视上市公司的经营业绩,重视股票自身的品质,即重视投资对象的选择。但是,随着股市发展、投资手法和证券监管方法的成熟,以及上市公司数量的不断增多,如何科学合理地进行股票的分析和选择是每一个投资者所要解决的首要问题。笔者选取了80家上市公司的股票,根据2008年第一季度各股票的信息及数据,选取了每股收益、每股净资产、净资产收益率、投资收益、利润总额、净利润、流通A股这7项重要的财务指标进行分析,从而对股票进行分类。首先,应用因子分析将上市公司股票的数据指标(高维数据)变换到低维空间上。也就是采用因子分析进行特征提取,将原来每家股票的7项经济指标用少数几个不相关的综合因子来表示;其次用聚类分析对股票进行分类;最后用支持向量机进行训练并检测分类的正确率。1因子分析在多元统计中,因子分析...  (本文共3页) 阅读全文>>

《商》2015年27期

聚类分析在股票投资分析中的应用

前言现阶段,社会在信息爆炸时代发展,在此过程中会出现相应的不确定因素,需要合理利用数据分析的方式来分析数据,保证能够从数据中提取有效的信息。股票市场是市场经济发展的重要部分,并且逐渐朝着规范化和成熟化方向发展。但是,股市变化莫测、涨跌无常,想要在股市中得到一定的回报,成为股市发展中的成功者,需要充分研究和分析上市公司的发展前景、历史业绩等相关财务情况,合理判断上市公司股票价值。1.聚类分析概述聚类实际上就是把抽象或者物理对象进行集合分类,形成由类似对象构成多个类的过程。通过聚类形成的簇是数据对象组合,相比较同簇中对象具有很高相似度,但是相比较其他簇中的对象就存在很大差异。利用描述对象的实际属性值来计算相异度[1]。在应用的时候,能够适当的把簇中数据当作整体进行分析。聚类分析是经过众多领域研究得到的,主要包括统计学、数据挖掘、机器学习以及生物学。聚类分析实际上就是在相应给定的数据集合对象中,适当的分为不同簇的集合,也就是说在某空间...  (本文共2页) 阅读全文>>

权威出处: 《商》2015年27期
安徽大学
安徽大学

数据挖掘技术在股票预测中的应用

股票市场是证券业和金融业必不可少的重要组成部分,受到投资者的普遍关注。有效的股票预测在金融投资领域占有重要地位,因此对股票价格进行分析和预测有着非常重大的理论意义和实践价值,但是由于股票受到政策、经济、以及投资人心理等诸多复杂的因素的影响,而且这些因素是没有确定规则的,这无疑给股票的预测带来了难度。数据挖掘技术发展到今天,已经显示出非常强大的生命力。有人甚至已经把数据挖掘对我们的影响与火和网络的发明相提并论,其研究成果也已广泛应用于金融、医疗保健、零售、制造业、工程与科学等行业,而股票市场的特殊性也决定了股票的分析与预测是数据挖掘技术的一个重要的应用领域,很多学者和公司都在致力于数据挖掘技术在股票分析与预测中的研究与应用。本文从上市公司财务报表分析入手,通过采用数据挖掘技术的概念和方法,对发行股票的上市公司财务报表进行分析,以预测该公司所发行股票的价格走势情况,主要研究内容包括以下几个方面:(1)分析了核覆盖算法相对其他分类算法...  (本文共65页) 本文目录 | 阅读全文>>

江西理工大学
江西理工大学

相关性加权K-means算法的改进及其应用

伴随着科学技术的迅速发展,当今社会已演变成为一个信息爆炸的时代,每天大量的数据信息被产生与更新。因此,通过对每天产生的数据进行挖掘,并从中提取出有用信息变得尤为重要。然而数据的规模早已超越了传统方法分析与处理数据的能力,出现了“数据爆炸,却知识贫乏”的现象。快速、精确的提取出海量数据中隐藏的信息成为众多研究人员所研究的热点。而对无标签问题的挖掘与提取,聚类分析扮演着不可或缺的角色。并在众多领域得到有效应用。如病毒入侵检测、统计分析、图像处理等。K-means算法作为数据挖掘算法中十大经典算法之一,是采用交替最小化方法求解非凸优化问题的迭代型算法。该算法结果简单易懂、运行效率高,它作为一种无监督的聚类算法,在历史上,有着许多不同领域的研究人员对其进行研究与改进,其中比较知名的有Forgey,McQueen等人。该算法已被广发应用在许多不同的领域。但是仍旧有着许多的问题没有得到很好的解决。如初始中心点的选取、确定数据集的类别数、样本...  (本文共58页) 本文目录 | 阅读全文>>