没有合适的资源?快使用搜索试试~ 我知道了~
数据挖掘股票价格预测.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 24 浏览量
2023-06-13
23:28:09
上传
评论
收藏 2.45MB PDF 举报
温馨提示
试读
66页
数据挖掘股票价格预测.pdf
资源推荐
资源详情
资源评论
Abstract
In the research of stock price’s forecasts, due to the nonlinearity and
randomness of stocks price and changes of economics and politics in
home and broad, it is difficult to predict the stock price accurately and
effectively with only a single analyzing model. To forecast more
effectively, we need to apply different model analysis on different levels.
Firstly, we use exponential smoothing and ARIMA to forecast stocks
price in New Energy sector (the stock index prediction) with SPSS
Clementine Client 11.1 and Eviews separately. Secondly, we apply ANN,
logistic regression and C5.0 algorithm to forecast the ups and downs of
stocks price in this sector. And then with K-means and Two-step cluster
analyses, we try to divide the stocks through which we are intending to
find the very sectors that contribute the rise of the stocks from the inside
of data. By trying out all this way, it can systematically make accurate
predictions on the stock price.
Key words: New energy; stock price; exponential smoothing; ARIMA;
ANN; logistic regression; C5.0 algorithm; K-means; Two-step cluster
analysis; SPSS Clementine Client 11.1; Eviews
目 录
引 言........................................................................................................................1
1. 中国新能源当前现状...........................................................................................2
1.1 中国新能源的发展 .....................................................................................2
1.2 中国新能源市场 .........................................................................................3
2.股指预测 .............................................................................................................4
2.1 指数平滑法 .................................................................................................4
2.1.1 指数平滑的基本公式 ........................................................................4
2.1.2 指数平滑的预测公式 ........................................................................5
2.1.3 指数平滑系数 的确定......................................................................6
𝛂
2.1.4 指数平滑法的趋势调整 ....................................................................7
2.2 ARIMA 模型 ...............................................................................................7
2.2.1 时间序列的 AR、MA 和 ARIMA 建模 ............................................7
3. 涨跌主要因素分析...............................................................................................9
3.1 Logistic 回归模型 ......................................................................................9
3.1.1 Logistic 回归模型 ............................................................................9
3.1.2 假设检验 .........................................................................................9
3.1.3 回归系数的意义: .......................................................................10
3.2 决策树算法 ...............................................................................................10
3.2.1 C4.5 分类算法所涉及的概念描述 ...............................................11
3.2.2 C4.5 算法对缺失数据的处理 .......................................................12
3.2.3 C4.5 算法对决策树的剪枝处理 ...................................................12
3.2.4 C4.5 算法的优缺点 .......................................................................12
3.3 神经网络算法...........................................................................................13
3.3.1 神经网络的简单原理 .....................................................................13
3.3.2 神经元和神经网络的结构..............................................................13
3.3.3 BP 网络 .............................................................................................15
3.4.4 Hopfield 神经网络............................................................................17
4. 股票划分...........................................................................................................21
4.1 K-means 聚类算法 ..................................................................................21
4.2 Two-step 聚类算法 ................................................................................22
5. 数值仿真.............................................................................................................23
5.1 股指预测 ...................................................................................................23
5.1.1 指数平滑法预测 .............................................................................23
5.1.2 ARIMA 模型预测 ..............................................................................30
5.2 涨跌主要因素分析 ....................................................................................39
5.2.1 数据处理 ..........................................................................................39
5.2.2 小结 ..................................................................................................48
5.3 股票划分 ....................................................................................................49
5.3.1 数据处理 ..........................................................................................49
5.3.2 小结 ..................................................................................................61
6. 结论 ....................................................................................................................62
参考文献 .................................................................................................................63
引 言
进行股票投资是为了获得更大的收益,然而由于股票市场具有较大的动态特性,股票投
资的收益与风险往往是成正比的,投资收益越高,存在风险则越大。有效地进行股票价格的
预测,最大程度规避股票风险,增加投资收益,是股票投资者最关注的热点问题。
目前,股票预测方法主要有回归分析法、时间序列法、马尔柯夫预测等方法,由于股票
价格受到国家的政治、金融状况、心理等因素的影响,股票价格的变化往往呈现出非线性特
征,而这些方法都基于线性变化建模的,因此不能很好地对股票价格的变化做出分析和预测,
导致预测精度不高。还有一些其他的预测方法就是支持向量机、神经网络等人工智能预测方
法。好比人工智能方法中神经网络方法ANN 具有对非线性关系有着很强的非线性逼近能力,
由于股票价格呈非线性,其成交价、成交量中涵含有大量决定股票价格变化的内在规律或特
点,ANN 可以通过股票历史数据进行学习,从而找出股票价格的规律,实现对股票价格的准
确预测。除此之外,指数平滑法、ARIMA、logistic回归、C5.0算法、K-means、两步法等神
经网络对股票价格预测精度与模型参数有直接联系,当前,单一的预测方法已经不能满足于
对股票价格全方位的进行预测,而需要运用各种行之有效的、精确的预测方法相结合去对股
票价格进行预测,再在此过程中对模型进行优化使其结果更加精确。本文针对中国新能源板
块的股票价格进行预测,仿真结果表明,本文提出的股票价格预测精度高,是一种有效的股
票价格预测方法。
1. 中国新能源当前现状
1.1 中国新能源的发展
随着传统能源日益紧缺,新能源的开发与利用得到世界各国的广泛关注,越来越多的
国家采取鼓励新能源发展的政策和措施,新能源的生产规模和使用范围正在不断扩大。《京
都议定书》到期后新的温室气体减排机制将进一步促进绿色经济以及可持续发展模式的全面
进行,新能源将迎来一个发展的黄金年代。
当前,中国的能源与环境问题严重,新能源开发利用受到越来越高的关注。新能源一方
面作为传统能源的补充,另一方面可有效降低环境污染。我国可再生能源和新能源开发利用
虽然起步较晚,但近年来也以年均超过 25%的速度增长。自 2006 年《可再生能源法》正式
生效后,政府陆续出台了一系列与之配套的行政法规和规章来推动新能源的发展,中国新能
源行业进入发展的快车道。
中国在新能源和可再生能源的开发利用方面已经取得显著进展,技术水平有了很大提
高,产业化已初具规模。生物质能、核能、地热能、氢能、海洋能等新能源发展潜力巨大,
近年来得到较大发展。为适应节能减排要求,混合动力车、纯电动汽车、燃料电车等新能源
汽车已成为汽车业的重要发展方向。
新能源作为国家加快培育和发展的战略性新兴产业之一,将为新能源大规模开发利用提
供坚实的技术支撑和产业基础。国家已经出台和即将出台的一系列政策措施,将为新能源发
展注入动力。随着投资新能源产业的资金、企业不断增多,市场机制的不断完善,“十二五”
期间新能源企业将加速整合,我国新能源产业发展前景乐观。
国际能源署(IEA)对 2000 年~2030 年国际电力的需求进行了研究,研究表明,来自可
再生能源的发电总量年平均增长速度将最快。IEA 的研究认为,在未来 30 年内非水利的可
再生能源发电将比其他任何燃料的发电都要增长得快,年增长速度近 6%,在 2000~2030 年
间其总发电量将增加 5 倍,到 2030 年,它将提供世界总电力的 4.4%。ICTresearch 认为,IEA
的研究过于保守,到 2030 年,可再生能源发电至少应占世界总电力的 10%以上,要翻 10~15
倍。
剩余65页未读,继续阅读
资源评论
oligaga
- 粉丝: 53
- 资源: 2万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功