论文部分内容阅读
随着社会经济的持续发展和居民财富的不断增加,人们的投资意识不断增强,股票市场以高风险高收益的特点吸引了众多的投资者,股票投资已成为人们生活中一个重要部分。股票的本质是一种有价证券,因其能给持有者带来收益,股票因此有了价格。股票的价格由其内在价值决定,而股票内在价值由股票未来收益的现值决定。股票的价格受到经济、政治、心里、国际形势等一系列因素的影响,因此股票的价格经常与价值背离,表现出股价围绕价值上下波动。对股价波动的分析方法主要有基本分析法和技术分析法。基本分析从研究宏观的经济状况开始,到中观的行业状况分析,进而根据微观的企业经营状况来研究股票的内在价值,从而判断股价的合理性。技术分析法是根据股票市场的情况或过去发展的轨迹来分析股票价格变动趋势的方法。其特点是通过对市场过去和现在的行为,应用数学和逻辑的方法,归纳总结一些典型的行为,据以预测股票市场未来的变化趋势。股价指数是反映市场价格总水平波动的一个指数,用于描述股票市场的整体行情,同时股票价格指数也是买卖股票的一个重要参考。它是判断股票市场运转基本趋势的重要方面,投资者特别注意一天或一段时间股票价格指数的变化,以此来决定买卖时机。股票价格指数的高低也意味着投资风险的大小。股票价格指数越高,投资者进行再投资所面临的风险越大。股价指数的编制方法有平均法、综合法和加权法。股票市场是一个复杂的系统,同时股票交易数据规模日益庞大,这就导致对股票市场建立模型定量研究非常困难。尽管如此,对股价走势的预测仍然引起越来越多人的关注和研究。数据挖掘是20世纪90年代中后期发展起来的人工智能分支,融合了数据库、人工智能、可视化技术、统计学等多个学科和领域的技术和方法,从大量的、不完全的、有噪声的、模糊的数据中提取潜在的、未知的、有价值的信息的过程。目前,数据挖掘技术广泛应用于金融、零售、制造、医疗等行业。股票市场中每天都会产生大量数据,数据中隐含了大量有用的信息。因此,运用数据挖掘技术对股市数据进行分析,探索股价的走势,具有非常重大的理论意义和实际意义。本文运用决策树、神经网络和logit模型,分别对上证指数进行分析,工具为sas9.1,数据为2012年下半年上证指数,本文选取的指标是根据K线图上得到的数据,计算K线图中蜡烛的长度,收盘价的位置,以及量比,十日均线,二十日均线,进行相应的处理后作为分析变量。本文的研究结论是决策树和神经网络的拟合效果对股价指数的拟合效果较好,对股价指数的涨跌具有一定的预测效果,能够得到一些股价指数涨跌的规律,这对我们实际投资中具有一定的借鉴意义。