分享到:

《时间序列与金融数据分析》

《时间序列与金融数据分析》,陈毅恒著,黄长全译,中国统计出版社出版。该书的原文本于2002年由美国著名的W  (本文共1页) 阅读全文>>

湖南大学
湖南大学

基于时间序列数据挖掘的金融数据分析系统研究与实现

金融数据是金融市场运行的核心,人们若需要掌握金融市场的发展趋势,就应在海量的金融数据中分析出其中的主要特点,实时掌握金融数据的走向趋势。信息化的高速发展使得金融后台本就庞大复杂的数据再次扩充,于是传统的金融分析方式显得捉襟见肘。因此,设计并实现了一款基于时间序列数据挖掘的金融数据分析系统,以提高金融数据的服务质量,还能提高金融数据的管理效率,为金融数据管理人员提供更加便捷的服务。该金融数据分析系统在设计时,将该系统分为了数据采集与更新功能、金融咨询信息管理功能、金融风险控制管理功能、智能挖掘与分析功能、金融数据监控功能、股票关联比较功能六大模块。其中,在智能挖掘时建立了基于时间序列的数据挖掘风控模型。该模型的创新之处在于根据三种不同的等级对金融数据指标进行筛选,其中一级指标包含涨幅、市净率,二级指标包含当日股价等数据、市盈率、净利率、流入流出等,三级指标包含资产、毛利率、净利润。采用了基于时间序列的方法对这些指标进行挖掘,通过对...  (本文共80页) 本文目录 | 阅读全文>>

宁夏大学
宁夏大学

基于深度学习的金融数据分析系统设计与实现

金融市场是当今经济全球化的重要组成部分,金融系统的波动对于社会经济的影响巨大。挖掘金融市场的规律,寻找交易机会,规避市场风险是金融界一直以来研究的重点。近年来,随着深度学习技术的快速发展,人工智能技术在金融领域得到越来越多的重视,FinTech、量化金融等技术成为人工智能领域的一个重要的研究领域。本文首先介绍金融数据分析系统的研究背景及意义,通过对常用的金融数据预测方法进行介绍,分析并对比其优缺点,以及介绍现阶段国内外研究现状。其次,本文针对金融数据预测的方法使用了深度学习领域中长短时间记忆(LSTM)算法、循环神经网络(RNN)算法、编码-解码(Seq2Seq)算法进行对比分析,并以A股数据进行验证算法的有效性。最后本文以基于深度神经网络的预测算法和分析方法作为关键技术,面向股票、期货和其它金融交易产品,采用规范的软件工程的需求分析和系统设计方法,Python和PHP的混合语言框架、前后端分离的设计思想,对金融数据分析系统进行...  (本文共67页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于流形学习的金融数据分析方法研究

2008年全球金融危机让全球经济陷入前所未有的困境,人们意识到金融风险防范的重要性,人们迫切需要在海量的金融数据中找到反映市场本质的和规律性的特征,为金融投资提供决策支持,使投资者能做好金融危机的风险防范,从而规避和减少危机带来的损失。流形学习是近年兴起的非线性数据特征提取方法,旨在从高维数据中挖掘出数据的本质特征和内在规律,目前已成为数据挖掘、模式识别和机器学习等领域的研究热点。本文针对金融数据集的结构特点,提出了面向金融数据集的流形学习算法,在金融数据的分析和实际应用中,取得了较好的实践效果。本文的主要研究工作和创新之处如下:(1)运用流形学习的理论和思想,从空间几何的视角,挖掘高维财务数据集中内蕴的结构,从而发现财务数据中内在的、规律性的特征,提出了一种基于核熵的流形学习算法(KEML)。由于经典的流形学习算法所采用的距离度量不适合作为财务数据点间的差异度量,而且在处理数据输出时均采用线性映射函数,未能有效读取非线性的数据...  (本文共115页) 本文目录 | 阅读全文>>

《中国科学院研究生院学报》2003年02期
中国科学院研究生院学报

DNA序列分析法在金融数据时间序列中的应用

通过线性分段将连续性的金融时间序列转化为离散性的字符序列,并...  (本文共5页) 阅读全文>>

《今日科苑》2007年12期
今日科苑

时间序列与金融数据实例分析——国库券的月份利率预测方法

金融时间序列是经济领域中最为重要的数...  (本文共1页) 阅读全文>>