在信息技術(shù)迅速發(fā)展的背景下,隨著上市公司數(shù)量的逐年增多以及我國股票市場信息披露制度的逐步完善,我國股票市場中累積了越來越多的數(shù)據(jù)。如何從這些數(shù)據(jù)中獲得有用的信息,這是廣大投資者關(guān)心的一個(gè)問題。作為股票市場數(shù)據(jù)分析的常用方法,傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)在模型的設(shè)定和假設(shè)條件上存在著局限。因此本文引入了自組織數(shù)據(jù)挖掘。自組織數(shù)據(jù)挖掘在進(jìn)化論自組織原理的基礎(chǔ)上,以GMDH算法為核心,實(shí)現(xiàn)數(shù)據(jù)挖掘過程的自組織控制,與其他方法相比具有自組織模式識別和自組織篩選等優(yōu)點(diǎn)。 本文闡述了自組織數(shù)據(jù)挖掘的基本思想,并介紹了自組織數(shù)據(jù)挖掘中的兩種算法——參數(shù)自組織數(shù)據(jù)挖掘GMDH算法和非參數(shù)自組織數(shù)據(jù)挖掘AC算法。根據(jù)股票市場上兩類數(shù)據(jù)的不同特點(diǎn),我們分別采用了GMDH算法和AC算法對數(shù)據(jù)進(jìn)行挖掘,并進(jìn)行了實(shí)證研究。 將GMDH算法應(yīng)用于財(cái)務(wù)數(shù)據(jù)的挖掘,預(yù)測上市公司的財(cái)務(wù)危機(jī),實(shí)證結(jié)果表明基于GMDH的上市公司財(cái)務(wù)預(yù)測模型,預(yù)測準(zhǔn)確率優(yōu)于判別分析和Logit回歸分析,顯示出GMDH在模型識別和模型推廣能力上具有它獨(dú)特的優(yōu)越性。 將AC算法用于預(yù)測股價(jià)的發(fā)展趨勢,是從局部的角度來挖掘交易數(shù)據(jù)中的信息,有別于以往傳統(tǒng)計(jì)量經(jīng)...

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 本文研究背景與意義
    1.2 股票市場中的兩類數(shù)據(jù)
    1.3 本文內(nèi)容安排
第二章 自組織數(shù)據(jù)挖掘
    2.1 數(shù)據(jù)挖掘概述
    2.2 自組織數(shù)據(jù)挖掘的基本思想
    2.3 自組織數(shù)據(jù)挖掘的算法體系
    2.4 自組織數(shù)據(jù)挖掘在經(jīng)濟(jì)中的應(yīng)用
第三章 參數(shù)自組織數(shù)據(jù)挖掘在股票市場中的應(yīng)用——基于財(cái)務(wù)數(shù)據(jù)的實(shí)證
    3.1 問題的提出
    3.2 參數(shù)自組織數(shù)據(jù)挖掘核心算法：GMDH
        3.2.1 GMDH 算法的數(shù)學(xué)思想
        3.2.2 GMDH 算法具體步驟
        3.2.3 GMDH 算法的分類
        3.2.4 GMDH 算法的優(yōu)勢
    3.3 GMDH 在股票市場財(cái)務(wù)數(shù)據(jù)挖掘中的應(yīng)用
        3.3.1 財(cái)務(wù)危機(jī)預(yù)測方法評述
        3.3.2 GMDH 上市公司財(cái)務(wù)危機(jī)預(yù)測實(shí)證
        3.3.3 判別分析、Logit 回歸與GMDH 實(shí)證結(jié)果比較
    3.4 本章小結(jié)
第四章 非參數(shù)自組織數(shù)據(jù)挖掘在股票市場中的應(yīng)用——基于交易數(shù)據(jù)的實(shí)證
    4.1 問題的提出
    4.2 非參數(shù)自組織數(shù)據(jù)挖掘：AC 算法
    4.3 AC 算法在股票市場交易數(shù)據(jù)挖掘中的應(yīng)用
        4.3.1 股價(jià)數(shù)據(jù)的預(yù)處理
        4.3.2 AC 算法股價(jià)趨勢預(yù)測實(shí)證
    4.4 本章小結(jié)
第五章 結(jié)論
致謝
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間取得的研究成果



本文編號：3993296