基于股票时间序列据数的关联规则挖掘研究.docVIP

南昌大学200?3级硕士学位论文 文?献综述报告 基于?股票时间序列数据的关?联规则挖掘研究 St?udy on Min?ing Associ?ation Rule?s from Sto?ck Time Se?ries Data ? 系 ? 别： 计算机科学?与技术系 专 ?业： 计算机应用技术? 研究方向： 人工智?能 研 究 生： 汪?廷华 导 师：? 程从从（教授） ? 2005年03?月 一．引言 随?着计算机信息系统的日?益普及，大容量存储技?术的发展以及条形码等?数据获取技术的广泛应?用，人们在日常事务处?理和科学研究中积累了?大量的各种类型的数据?。在这些数据中，有很?大一部分是呈现时间序?列（time ser?ies）类型的数据。?所谓时间序列数据就是?按时间先后顺序排列各?个观测记录的数据集[?1]，如金融证券市场?中每天的股票价格变化?；商业零售行业中，某?项商品每天的销售额；?气象预报研究中，某一?地区的每天气温与气压?的读数；以及在生物医?学中，某一症状病人在?每个时刻的心跳变化等?等。然而，我们应该注?意到：时间序列数据不?仅仅是历史事件的记录?，更重要的是蕴藏这些?数据其中不显现的、有?趣的模式。随着时间推?移和时间序列数据的大?规模增长，如何对这些?海量数据进行分析处理?，挖掘其背后蕴藏的价?值信息，对于我们揭示?事物发展规律变化的内?部规律，发现不同事物?之间的相互关系，为人?们正确认识事物和科学?决策提供依据具有重要?的实际意义。 时间序?列数据分析按照不同的?任务有各种不同的方法?，一般包括趋势分析、?相似性有哪些信誉好的足球投注网站、与时间有?关数据的序列模式挖掘?、周期模式挖掘等[2?]。本综述是针对证券?业中股票时间序列分析?的，试图通过列举、分?析有关证券业中股票时?间序列数据分析的原理?、方法与技术，着重探?讨数据挖掘中基于股票?时间序列数据的关联规?则挖掘的概念、原理技?术、实施过程及存在的?障碍和问题，以期能有?新的发现和领悟。 二?．股票时间序列传统研?究方法概述 随着我国?市场经济建设的发展，?人们的金融意识和投资?意识日益增强。股票市?场作为市场经济的重要?组成部分，正越来越多?地受到投资者的关注。?目前股票投资已经是众?多个人理财中的一种重?要方式。不言而喻，如?果投资者能正确预测股?票价格、选准买卖时机?，无疑会给投资者带来?丰厚的收益。于是，在?股票的预测和分析方面?出现了大量的决策分析?方法和工具，以期能有?效地指导投资者的投资?决策。目前，我国股市?用得较多的方法概括起?来有两类[3]：一类?是基本分析和技术分析?，另一类是经济统计分?析。 1．基本分析和?技术分析 在股票市场?上，当投资者考虑是否?投资于股票或购买什么?股票时，一般可以运用?基本分析的方法对股市?和股票进行分析；而在?买卖股票的时机把握上?，一般可以运用技术分?析的方法[4]。 基?本分析指的是通过对影?响股票市场供求关系的?基本因素（如宏观政治?经济形势、金融政策、?行业变动、公司运营财?务状况等）进行分析，?来确定股票的真正价值?，判断未来股市走势，?是长期投资者不可或缺?的有效分析手段。 技?术分析是完全根据股市?行情变化而加以分析的?方法，它通过对历史资?料（成交价和成交量）?进行分析，来判断大盘?和个股价格的未来变化?趋势，探讨股市里投资?行为的可能转折，从而?给投资者买卖股票的信?号，适合于投资者作短?期投资。目前技术分析?常用的工具是各种各样?的走势图（K线图、分?时图）和技术指标（M?A、RSI、OBV等?）。 2．经济统计学?分析 主要针对时间序?列数据进行数学建模和?分析。传统的时间序列?数据分析已经是一个发?展得相当成熟的学科，?有着一整套分析理论和?工具，是目前时间序列?数据分析的主要方法，?它主要用经济统计学的?理论和方法对经济变量?进行描述、分析和推算?。传统时间序列数据分?析的研究目的在于[5?]： ●分析特定的数?据集合，建立数学模型?，进行模式结构分析和?实证研究； ●预测时?间序列的未来发展情况?。 传统的时间序列数?据分析最基本的理论是?40年代分别由Nor?bor Wiener?和Andrei Ko?lmogomor提出?的。20世纪70年代?，G.P.Box和G?.M.Jenkins?发表专著《时间序列分?析：预测和控制》，对?平稳时间序列数据提出?了自回归滑动平均模型?（ARMA），以及一?整套的建模、估计、检?验和控制方法，使得时?序数据分析得以广泛运?用于各种工程领域。其?基本思想是根据各随机?变量间的依存关系或自?相关性，从而由时间序?列的过去值及现在值来?预测出未来的值。该模?型以证券市场为非有效?市场为