聚类分析根据数据内在几何结构和数据间的相似性,发掘出数据中隐藏的结构特征,并可通过可视化的形式进行展现。在证券市场上,对数据的获取、利用和分析程度,直接关系到证券投资者是否可以获得满意的收益。但是证券数据具有种类繁多、结构复杂等特性,因此如何高效进行数据的表示和分析是一个具有挑战性的课题。本项目主要采用聚类分析的方法对证券数据进行结构分析和可视化研究,具体包括:(1)在证券投资分析中,可以综合股票的各项基本因素进行聚类。利用多种聚类分析技术,同时结合证券数据的特殊性,衡量证券样本的相似程度,实现上市公司股票分类。通过聚类分析结果,找出不同公司股票之间的异同规律,探索不同股票的潜在特性,最终使投资者更好的确立投资范围和实现更高投资回报。(2)本文采用了多种聚类分析技术对股票交易数据进行对比分析发现,通过研究发现几种聚类算法各有特点,但都得到相似的结果。实验表明聚类分析可以很好的将不同行业的股票数据区分开来,并通过定量的方式给出不同股票交易数据之间的相似程度。(3)在证券投资研究中,股票交易的行情数据是一种常见的时间序列数据,即是在顺序的时间节点采集得到的数据。如果说财务数据反映的是上市公司的内在价值,那么行情数据则直接体现了股票交易的市场价格,更有实际意义,因此也具有更重要的研究价值,因此本文也尝试对上证50指数和创业板指数的成分股行情数据做聚类分析。通过理论分析和实验证明,对证券行业数据进行聚类分析,可以准确了解和把握证券市场的整体结构,帮助投资者整体了解股票特性,有助于投资者在此基础上进一步做出投资决策。