基于数据挖掘的股票投资决策方法研究 ——以商业银行板块为例

基于数据挖掘的股票投资决策方法研究 ——以商业银行板块为例

论文摘要

伴随着股票市场的发展,股票投资决策的相关方法也在完善进步。在投资决策过程中投资人参考的指标不一,有的参考技术指标,有的参考宏观政策,有的参考外界消息。在股票信息如此充盈的市场上,如何选取真正有价值的信息,以帮助投资者进行投资决策,各行业的标准不一.考虑到行业标准明确、数据真实可靠性,本文的分析的板块是商业银行板块数据。本文选取了2008-2017年的财务数据和股票价格数据,通过财务指标进行关联分析,然后进行决策树选股分析,最后进行对比分析、验证分析,并对结论进行了总结。首先,本文介绍了研究背景、意义、国内外研究现状、研究内容以及所采用的方法即实证分析方法,并对实证研究所涉及的投资决策相关理论和数据挖掘方法进行了具体分析,给后文进行实证研究做了理论准备。其次,介绍了我国投资决策方法的完善过程,概述了投资决策的发展现状以及当前存在的问题,并指出对股票价格的影响,为后文能够更好地实证分析财务选取模型可行奠定基础。最后,通过构建财务指标体系,建立关联关系模型,对财务指标进行关联分析,探索银行特有的财务指标特征和关联关系。分析财务指标对我国银行股票价格的影响效力,建立股票选取决策规则模型。通过本文的现状分析和实证分析,得出利用数据挖掘分析股票财务数据是可行的结论。针对文章结论,本文验证了结论的有效性,并总结了方法,旨在提高投资者分析股票水平。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  •   1.1 研究背景和意义
  •     1.1.1 研究背景
  •     1.1.2 研究意义
  •   1.2 国内外研究现状及评述
  •     1.2.1 国外研究现状综述
  •     1.2.2 国内研究现状综述
  •     1.2.3 国内外文献评述
  •   1.3 研究内容与方法
  •     1.3.1 研究内容
  •     1.3.2 研究方法
  • 第2章 相关理论和方法
  •   2.1 股票及股票价格
  •     2.1.1 股票基本概念
  •     2.1.2 股票价格分类
  •     2.1.3 股票价格影响因素
  •   2.2 投资决策理论
  •     2.2.1 传统方法理论
  •     2.2.2 心理分析投资方法
  •     2.2.3 理论金融分析方法
  •     2.2.4 资产组合理论
  •     2.2.5 有效市场理论
  •   2.3 数据挖掘方法
  •     2.3.1 数据挖掘的定义
  •     2.3.2 数据挖掘的流程
  •     2.3.3 数据挖掘的软件
  •     2.3.4 数据挖掘的方法
  •   2.4 股票价格和财务指标的关系
  •   2.5 本章小结
  • 第3章 投资决策发展现状与问题
  •   3.1 现代投资决策发展
  •     3.1.1 机器学习
  •     3.1.2 深度学习
  •     3.1.3 程序化交易法
  •   3.2 股票市场存有问题对投资决策的影响
  •     3.2.1 指标选取不规范导致投资偏差
  •     3.2.2 内幕交易扰乱市场秩序
  •     3.2.3 信息披露不规范影响股市健康发展
  •     3.2.4 投资者非理性导致分析主观
  •   3.3 本章小结
  • 第4章 基于关联规则的财务指标选取研究
  •   4.1 数据准备
  •     4.1.1 财务指标选取
  •     4.1.2 股票指标选取
  •   4.2 数据收集及预处理
  •     4.2.1 数据收集
  •     4.2.2 数据预处理
  •   4.3 基于关联分析的指标选取方法
  •     4.3.1 关联实证
  •     4.3.2 结果分析
  •   4.4 本章小结
  • 第5章 基于决策树的财务指标决策方法研究
  •   5.1 决策实证
  •     5.1.1 数据选取及参数设置
  •     5.1.2 决策实证分析
  •   5.2 决策树对比分析
  •     5.2.1 决策树对比结果分析
  •     5.2.2 决策树对比精度分析
  •     5.2.3 决策树对比图形分析
  •   5.3 本章小结
  • 第6章 决策树方法有效性检验
  •   6.1 方法小结
  •   6.2 决策有效性检验
  •     6.2.1 财务指标有效性对比分析
  •     6.2.2 股票价格有效性对比分析
  •     6.2.3 与其他方法的对比分析
  •   6.3 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 陈秀谦

    导师: 刘海啸

    关键词: 股票投资,数据挖掘,商业银行板块,关联分析,决策树

    来源: 燕山大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

    单位: 燕山大学

    分类号: F832.51;F224

    DOI: 10.27440/d.cnki.gysdu.2019.000148

    总页数: 66

    文件大小: 1016K

    下载量: 156

    相关论文文献

    • [1].中小银行数据挖掘思路浅析[J]. 金融电子化 2020(05)
    • [2].浅析大数据挖掘中抽样估计法的应用[J]. 现代信息科技 2019(21)
    • [3].基于大数据挖掘的广播电视客户价值分析[J]. 科技视界 2019(34)
    • [4].基于深度学习的工业领域数据挖掘方法及应用[J]. 数字技术与应用 2019(11)
    • [5].基于大数据思维的财务数据挖掘及应用研究[J]. 国际商务财会 2019(11)
    • [6].第16届高级数据挖掘和应用国际会议[J]. 软件工程 2020(04)
    • [7].基于云计算的大数据挖掘体系构建分析[J]. 中外企业家 2020(11)
    • [8].测绘地理信息专业背景下的《时空数据挖掘》课程设计[J]. 南宁师范大学学报(自然科学版) 2020(01)
    • [9].智慧医疗下云数据挖掘在精细化医疗管理中的应用[J]. 中医药管理杂志 2020(03)
    • [10].高校管理人员教育数据挖掘能力培养的实践价值与实施路径[J]. 中国教育信息化 2020(07)
    • [11].大数据环境下的数据挖掘课程教学探索[J]. 中国新通信 2020(06)
    • [12].第16届高级数据挖掘和应用国际会议[J]. 软件工程 2020(05)
    • [13].基于云计算的大数据挖掘内涵及解决方案研究[J]. 数字通信世界 2020(03)
    • [14].基于可拓数据挖掘的建筑立面设计方法研究[J]. 科技传播 2020(08)
    • [15].数据挖掘实践教学环节探索[J]. 科技经济导刊 2020(11)
    • [16].大数据挖掘与云服务模式的构建[J]. 江西电力职业技术学院学报 2020(01)
    • [17].医疗云存储下医院信息数据挖掘及实现技术的探索[J]. 信息与电脑(理论版) 2020(05)
    • [18].高校治理视阈下教育数据挖掘的应用与挑战[J]. 高教论坛 2020(04)
    • [19].大数据挖掘与分析的关键技术研究[J]. 中国新通信 2020(08)
    • [20].浅析数据挖掘[J]. 内江科技 2020(06)
    • [21].教育数据挖掘关键技术应用研究[J]. 轻纺工业与技术 2020(06)
    • [22].物联网海上舰船航行数据挖掘方法[J]. 舰船科学技术 2020(12)
    • [23].云环境中大数据挖掘的有效花费研究[J]. 上海理工大学学报 2020(03)
    • [24].对《零售数据挖掘与应用》课程教学的思考[J]. 知识经济 2020(18)
    • [25].教育数据挖掘和学习分析研究进展[J]. 牡丹江师范学院学报(自然科学版) 2020(03)
    • [26].第16届高级数据挖掘和应用国际会议[J]. 软件工程 2020(08)
    • [27].电商市场中大数据挖掘的分析以及决策探究[J]. 中国新通信 2020(12)
    • [28].关于大数据挖掘中的数据分类算法技术的研究[J]. 电脑知识与技术 2020(20)
    • [29].长输油气管道大数据挖掘与应用[J]. 物联网学报 2020(03)
    • [30].数据挖掘实践课程教学模式的探索[J]. 教育教学论坛 2020(36)

    标签:;  ;  ;  ;  ;  

    基于数据挖掘的股票投资决策方法研究 ——以商业银行板块为例
    下载Doc文档

    猜你喜欢