期刊文献+
共找到89篇文章
< 1 2 5 >
每页显示 20 50 100
基于ICA的时间序列聚类方法及其在股票数据分析中的应用 被引量:13
1
作者 郭崇慧 贾宏峰 张娜 《运筹与管理》 CSCD 2008年第5期120-124,共5页
时间序列聚类分析是时间序列数据挖掘中的重要任务之一,通常由于时间序列数据的特殊结构,导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进k-均值算法相结合的时间序列聚类算法,该算法首先利用独... 时间序列聚类分析是时间序列数据挖掘中的重要任务之一,通常由于时间序列数据的特殊结构,导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进k-均值算法相结合的时间序列聚类算法,该算法首先利用独立成分分析对时间序列数据进行特征提取,然后利用改进k-均值聚类算法完成对时间序列特征数据的聚类分析,从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性,将其应用于实际的股票时间序列数据聚类分析中,取得了较好的数值结果。 展开更多
关键词 多元统计分析 时间序列聚类分析 独立成分分析 股票数据
下载PDF
文化算法在股票数据建模中的应用
2
作者 颜雪松 姜韬 +1 位作者 韩增新 窦明罡 《计算机工程与科学》 CSCD 北大核心 2010年第6期142-145,共4页
数据预测在金融投资领域占有重要地位,而股票价格是金融数据中最复杂的数据类型之一。本文将文化算法应用于股票指数建立时间序列模型,并且针对股票数据的特点,选择适应股票规律的文化算法模型,并与线性回归算法得到的数据结果进行了对... 数据预测在金融投资领域占有重要地位,而股票价格是金融数据中最复杂的数据类型之一。本文将文化算法应用于股票指数建立时间序列模型,并且针对股票数据的特点,选择适应股票规律的文化算法模型,并与线性回归算法得到的数据结果进行了对比分析,以此来分析文化算法在该问题应用上的优劣。实验结果表明,利用文化算法模型进行预测取得了较好的结果,其预测精度较高,预测的相对误差在3%以内,涨跌分析正确率在70%以上。 展开更多
关键词 文化算法 演化计算 数据预测 股票数据
下载PDF
基于粗糙集聚类算法的股票数据分析方法研究 被引量:1
3
作者 杨娜 张艳敏 《科技经济市场》 2017年第6期72-73,共2页
传统的股票数据分析的方法存在对初始聚类数值过于敏感的问题,而且对股票数据的预测值还不准确,为此,提出了基于粗糙集聚类算法的股票数据分析方法。首先对粗糙集聚类算法进行描述;然后基于算法对股票的数据展开分析;最后进行了实验。... 传统的股票数据分析的方法存在对初始聚类数值过于敏感的问题,而且对股票数据的预测值还不准确,为此,提出了基于粗糙集聚类算法的股票数据分析方法。首先对粗糙集聚类算法进行描述;然后基于算法对股票的数据展开分析;最后进行了实验。实验结果证明,该方法无论是在数据的分类、信号频率的划分,还是平稳性都优于传统的股票数据分析方法。 展开更多
关键词 粗糙集聚类 算法研究 股票数据 分析
下载PDF
基于Python的股票数据爬虫程序设计 被引量:1
4
作者 彭莉 《活力》 2018年第24期11-11,19,共2页
Python是一种面向对象、解释型、带有动态语义的高级程序设计语言,其语法简洁清晰,具有丰富和强大的类库。Python语言支持覆盖信息技术各领域的10万个函数库,依靠开源快速开发,形成了全球最大的编程社区。
关键词 PYTHON 股票数据 程序设计
下载PDF
主成分分析在多维股票数据处理中的应用 被引量:4
5
作者 张哲 李筠 +1 位作者 王怀清 王朔中 《仪器仪表学报》 EI CAS CSCD 北大核心 2005年第z2期686-688,共3页
构成股票市场实时交易数据量的因素众多,同一时刻对于同一股票,往往有多个元素反映股票信息,且其关系错综复杂,如同一股票下对应不同价格有不同的需求股等。在对美国股票市场其中一支股票的多维信息因素进行了主成分分析的方法,检验此... 构成股票市场实时交易数据量的因素众多,同一时刻对于同一股票,往往有多个元素反映股票信息,且其关系错综复杂,如同一股票下对应不同价格有不同的需求股等。在对美国股票市场其中一支股票的多维信息因素进行了主成分分析的方法,检验此降维方法在实时股票数据上压缩信息量的可行性。 展开更多
关键词 多维股票数据 主成分 降维 反变换 检验
下载PDF
大数据时代股票数据信息可视化的研究 被引量:2
6
作者 谭欠男 陈中举 +1 位作者 涂天宇 王瑞 《电脑知识与技术》 2021年第8期30-31,33,共3页
随着网络时代的迅速发展以及我国对数据信息可视化的深入研究,大数据的资源提供对于各个行业也变得越来越重要。尤其是对于股票数据的分析,如何更好地进行各股之间的相关性分析已经成为当今股票分析的重中只重。希望通过此次分析,可以... 随着网络时代的迅速发展以及我国对数据信息可视化的深入研究,大数据的资源提供对于各个行业也变得越来越重要。尤其是对于股票数据的分析,如何更好地进行各股之间的相关性分析已经成为当今股票分析的重中只重。希望通过此次分析,可以为股票数据信息可视化技术的发展以及对于股票预测的训练提供一定的帮助。 展开更多
关键词 大数据 股票数据 可视化 相关性分析
下载PDF
基于递归模式技术的股票数据可视化
7
作者 邓克国 刘绪崇 +1 位作者 伍恒 陈美容 《计算机工程与设计》 CSCD 2003年第8期63-65,共3页
可视化技术对于分析和探究大规模的多维数据集变得越来越重要,其中最重要的一种可视化技术是一种面向像素的可视化技术,其基本原理是将数据集中的每个数据值映射成屏幕上的一个像素并对这些像素按一定的规则充分地加以排列,以便将尽可... 可视化技术对于分析和探究大规模的多维数据集变得越来越重要,其中最重要的一种可视化技术是一种面向像素的可视化技术,其基本原理是将数据集中的每个数据值映射成屏幕上的一个像素并对这些像素按一定的规则充分地加以排列,以便将尽可能多的数据对象以人们熟悉的图形图像展现在屏幕上。递归模式技术是面向像素的可视化技术的一种,它基于简单地来回排列,允许用户参与定义结构和设置参数,主要适用于有自然顺序的数据集。在股票数据分析中,利用递归模式技术比较容易描述交易数据库中股票价格的变化情况,并预测股票的走势。 展开更多
关键词 证券行业 递归模式 股票数据 可视化 数据挖掘 股票价格
下载PDF
股票数据采集系统的设计与实现
8
作者 李凯 李文联 《福建电脑》 2018年第1期129-131,共3页
我们在做量化投资分析的时候,第一步需要构建样本数据,最常用的数据便是股票每日的开盘价、收盘价、成交量、最高价、最低价等信息。文章设计并实现了一种基于SpringBoot的股票每日数据的采集系统,可以做到每日定时采集、自动重试,为后... 我们在做量化投资分析的时候,第一步需要构建样本数据,最常用的数据便是股票每日的开盘价、收盘价、成交量、最高价、最低价等信息。文章设计并实现了一种基于SpringBoot的股票每日数据的采集系统,可以做到每日定时采集、自动重试,为后续的量化分析提供数据基础。 展开更多
关键词 量化分析 股票数据采集 SprintBoot
下载PDF
Hive大数据仓库构建与应用——以大陆在美上市股票数据为例 被引量:4
9
作者 张岩 王胤祥 胡林生 《数字通信世界》 2021年第4期186-187,共2页
随着大数据技术的飞速发展,大数据技术为各行各业的数据存储和分析提供了有力的技术支撑,在Hadoop大数据集群平台构建Hive数据仓库,使用Hive SQL语句对数据进行查询、汇总和数据分析;Hive本身的数据存储依赖于HDFS分布式集群环境,Hive... 随着大数据技术的飞速发展,大数据技术为各行各业的数据存储和分析提供了有力的技术支撑,在Hadoop大数据集群平台构建Hive数据仓库,使用Hive SQL语句对数据进行查询、汇总和数据分析;Hive本身的数据存储依赖于HDFS分布式集群环境,Hive通过将Hive SQL转换成MapReduce程序,通过大数据集群完成并行计算。文章通过构建Hive数据仓库,通过爬虫获取到腾讯证券中大陆在美上市股票数据,数据处理后,存储到Hive数据仓库。并使用Hive SQL完成基本的数据分析、查询和数据汇总,完成DDL、DML、DQL的基本应用,并在Hive数据仓库完成表的简单查询、复杂查询、表的连接等应用。 展开更多
关键词 Hive SQL 上市股票数据 数据仓库
下载PDF
小波分析方法在金融股票数据预测中的应用研究 被引量:1
10
作者 沈桦 《时代金融》 2017年第23期197-197,205,共2页
在我国股票市场上,股价变动比较频繁,相关数据也是典型的非平稳时间序列,因此,使用传统的预测方法难以对股价这一金融数据进行预测,基于此,本文选用了小波分析法对东风汽车2013年1月5日至2014年1月2日股票收盘价进行预测,然后对预测值... 在我国股票市场上,股价变动比较频繁,相关数据也是典型的非平稳时间序列,因此,使用传统的预测方法难以对股价这一金融数据进行预测,基于此,本文选用了小波分析法对东风汽车2013年1月5日至2014年1月2日股票收盘价进行预测,然后对预测值与实际值进行比较。通过研究发现,小波分析法得到的预测结果与实际结果比较接近,预测值在三天到四天内是比较相似的,而当分解层数在3层时候,预测效果最好好。 展开更多
关键词 小波分析 金融股票数据 预测
下载PDF
基于有限穿越可视图的股票数据研究
11
作者 祝嘉 向长城 《湖北民族大学学报(自然科学版)》 CAS 2020年第3期283-289,共7页
利用2017-01-03—2018-12-31时段标普&500指数(美国)、富时马拉西亚指数(马来西亚)、瑞士SMI指数(瑞士)、比利时20指数(比利时)、中国上证指数(中国)、意大利富时指数(意大利)6个国家的股票每日收盘价数据,基于有限穿越可视图理论... 利用2017-01-03—2018-12-31时段标普&500指数(美国)、富时马拉西亚指数(马来西亚)、瑞士SMI指数(瑞士)、比利时20指数(比利时)、中国上证指数(中国)、意大利富时指数(意大利)6个国家的股票每日收盘价数据,基于有限穿越可视图理论构建了股票数据时间序列网络,通过计算网络的度分布、聚类系数、介数等特征来分析其拓扑结构.结果表明这些网络具有小世界特性,度分布呈现幂律特性等特点,也揭示了股票市场的部分特征.最后,探讨了基于有限穿越可视图的股价预测. 展开更多
关键词 时间序列 股票数据 有限穿越可视图 复杂网络
下载PDF
自己动手构建高效VBI逆程股票数据广播播出系统
12
作者 罗燕海 《中国有线电视》 北大核心 2004年第14期59-60,共2页
关键词 RS编码 WDM VBI逆程股票数据广播播出系统 指纹加密
下载PDF
股票数据初探——移动平均与烛状图分析
13
作者 王子豪 《中小企业管理与科技》 2021年第1期111-112,115,共3页
论文讲述了如何利用Python对多只股票进行数据分析,并且分析每只股票间的异同。运用Python,可将股票数据进行可视化处理,例如,运用线性图展现出股票随时间的变化情况;利用烛状图了解每只股票每日闭市与开市相比的盈利或者亏损情况;利用... 论文讲述了如何利用Python对多只股票进行数据分析,并且分析每只股票间的异同。运用Python,可将股票数据进行可视化处理,例如,运用线性图展现出股票随时间的变化情况;利用烛状图了解每只股票每日闭市与开市相比的盈利或者亏损情况;利用移动平均值直观地观察在规定时间内股票价格变动,了解股票价格是否稳定。论文以制定更好的决策为目的,从数据可视化入手,提供优质有效的数据信息,运用数据挖掘技术对微软、苹果、谷歌等多只股票价格波动趋势进行研究。 展开更多
关键词 移动平均 烛状图 股票数据
下载PDF
变系数模型的变量选择及在股票数据中的应用 被引量:1
14
作者 邓金兰 王彬寰 +3 位作者 樊仕利 Jin-Lan Bin-Huan Shi-Li 《四川大学学报(自然科学版)》 CAS CSCD 北大核心 2009年第6期1585-1591,共7页
作者研究了纵向数据分析中变系数模型的变量选择及效应估计问题,该模型允许变量的效应随时间改变.本文方法在进行变量选择的同时,也估计变系数函数,避免了传统的变量选择方法极其复杂的计算.将本文方法用于股票价格分析,能够快速地在公... 作者研究了纵向数据分析中变系数模型的变量选择及效应估计问题,该模型允许变量的效应随时间改变.本文方法在进行变量选择的同时,也估计变系数函数,避免了传统的变量选择方法极其复杂的计算.将本文方法用于股票价格分析,能够快速地在公司的众多财务变量中挑选出对股票收益率有显著影响的变量,并估计这些变量的时变效应,很好地解释股票收益率的变化. 展开更多
关键词 变系数模型 变量选择 股票数据 data application variable selection SIGNIFICANT 股票收益率 纵向数据分析 时变效应 选择方法 traditional RETURN rate paper 作者研究 系数函数 价格分析 估计问题 财务变量 results
原文传递
基于投资者情绪对高频股票的预测
15
作者 岳松涛 《商展经济》 2023年第8期108-111,共4页
股票市场预测是经济领域中非常重要的实际问题。高频金融数据包含更多信息,对捕捉股市微观变化非常显著。因此,通过运用高频金融时间序列来预测短期内股票价格趋势可以更精准地规避风险并获得理想回报。为了将投资者情绪应用于高频领域... 股票市场预测是经济领域中非常重要的实际问题。高频金融数据包含更多信息,对捕捉股市微观变化非常显著。因此,通过运用高频金融时间序列来预测短期内股票价格趋势可以更精准地规避风险并获得理想回报。为了将投资者情绪应用于高频领域,本文提出了一种基于Informer的高频股市长时间序列预测模型AE_Informer,该模型考虑了投资者情感。首先,本文提出引入投资者情绪对股票高频数据进行股票预测,可以有效地提高模型的预测精度。本文对原有的Informer模型进行了改进,增加了非对称Embedding层来更好地利用股票评论数据对股票进行预测。实验结果表明,加入投资者的情绪倾向对提高预测效果有效,而改进后的Informer模型在对加入投资者情绪的高频股票长期预测中优于原版模型。 展开更多
关键词 机器学习 深度学习 投资者情绪 高频股票数据
下载PDF
时序模型ARIMA在数据分析中的应用 被引量:2
16
作者 李玲玲 辛浩 《福建电脑》 2024年第4期25-29,共5页
时间序列是进行趋势分析的方法之一。随着大数据时代的到来,经济趋势、企业经营、市场预测和天气预测等常常需要进行预测和分析。本文对某知名化妆品公司2010年至2018年间的2122条股票数据,采用ARIMA模型进行趋势分析,预测未来的发展趋... 时间序列是进行趋势分析的方法之一。随着大数据时代的到来,经济趋势、企业经营、市场预测和天气预测等常常需要进行预测和分析。本文对某知名化妆品公司2010年至2018年间的2122条股票数据,采用ARIMA模型进行趋势分析,预测未来的发展趋势。通过模型的拟合与效果考核,所得到的结果说明了应用ARIMA模型对股票进行趋势分析时,可以取得较好的预测效果。 展开更多
关键词 时间序列 股票数据 预测模型 自回归积分滑动平均模型
下载PDF
基于基因表达式编程的股票指数时间序列分析 被引量:12
17
作者 廖勇 唐常杰 +2 位作者 元昌安 陈安龙 段磊 《四川大学学报(自然科学版)》 CAS CSCD 北大核心 2005年第5期931-936,共6页
基因表达式编程(GEP)是遗传算法研究的新分支.针对股票对象的特点,提出了适应股票规律的GEP-STOCK模型,包括n时段-STOCK-GENE,STOCK-fitness以及STOCK-GEP算法,并以上海证券交易指数时间序列数据为对象做了实验.进行了误差和指数涨跌分... 基因表达式编程(GEP)是遗传算法研究的新分支.针对股票对象的特点,提出了适应股票规律的GEP-STOCK模型,包括n时段-STOCK-GENE,STOCK-fitness以及STOCK-GEP算法,并以上海证券交易指数时间序列数据为对象做了实验.进行了误差和指数涨跌分析.实验结果表明GEP-STOCK模型预测精度较高,20d的平均绝对误差为11.08,平均相对误差为0.64%.从涨跌情况预测来看,模型对6d后指数的涨跌判断,正确率高于80%以上. 展开更多
关键词 数据挖掘 基因表达式编程 时间序列 股票数据
下载PDF
基于SAX方法的股票时间序列数据相似性度量方法研究 被引量:9
18
作者 刘威 邵良杉 +2 位作者 曾繁慧 王江 付巍巍 《计算机工程与科学》 CSCD 北大核心 2009年第9期115-118,共4页
特定数据集上高效的相似性度量方法是目前时间序列数据挖掘领域研究的重点内容之一。针对经过SAX方法降维后的股票数据在相似性度量中缺乏趋势变化的动态信息这一问题,本文提出了一种融合了点距离与模式距离优点的新型相似性度量函数—... 特定数据集上高效的相似性度量方法是目前时间序列数据挖掘领域研究的重点内容之一。针对经过SAX方法降维后的股票数据在相似性度量中缺乏趋势变化的动态信息这一问题,本文提出了一种融合了点距离与模式距离优点的新型相似性度量函数——复合距离函数,并通过实证分析验证了该距离函数在相似性度量中的有效性,为揭示股票数据间相互依赖的规律以及时间序列相似性问题的进一步研究提供了新思路。 展开更多
关键词 时间序列 相似性 符号集合近似方法 股票数据 复合距离函数
下载PDF
基于概率后缀树的股票时间序列预测方法研究 被引量:5
19
作者 程小林 郑兴 李旭伟 《四川大学学报(自然科学版)》 CAS CSCD 北大核心 2018年第1期61-66,共6页
在时间序列符号化基础上,本文引入概率后缀树PST模型,构建基于时间序列符号化和概率后缀树相结合的股票预测模型.本文选择在沪深300的10支股票数据上将预测模型与传统的马尔科夫模型MM和自回归移动平均模型ARMA进行对比,结果显示本文提... 在时间序列符号化基础上,本文引入概率后缀树PST模型,构建基于时间序列符号化和概率后缀树相结合的股票预测模型.本文选择在沪深300的10支股票数据上将预测模型与传统的马尔科夫模型MM和自回归移动平均模型ARMA进行对比,结果显示本文提出的股票预测模型优于MM模型和ARMA模型,验证了本文所提出的预测模型在投资收益上的有效性. 展开更多
关键词 股票数据挖掘 时间序列符号化 高斯混合模型聚类 概率后缀树
下载PDF
一种快速的时间序列相似性算法的研究及其在股票管理中的应用
20
作者 孟辉 冯志明 王晓晔 《河北工业大学学报》 CAS 2005年第5期51-55,共5页
提出了一种新的股票时间序列相似性的研究方法,该方法与已往的算法相比,具有很高的计算效率.首先将时间序列分段线性化,将近似直线的端点按时间顺序排列形成转折点序列来描述原始序列,从而降低了数据的数量和复杂度,提高了快速性.基于... 提出了一种新的股票时间序列相似性的研究方法,该方法与已往的算法相比,具有很高的计算效率.首先将时间序列分段线性化,将近似直线的端点按时间顺序排列形成转折点序列来描述原始序列,从而降低了数据的数量和复杂度,提高了快速性.基于分段线性化,提出了一种相似性计算方法,可以从时间序列中搜索用于传统股票分析的基础模型.将基础模型的谷点和峰点的位置按照某种规律重新排序,然后从转折点序列中寻找重新排序后与基础模型排序相同的子序列(即相似性搜索),用该基础模型可以对股票后续趋势做出预测.与通常的相似性算法相比,该算法不考虑时间尺度和数据的幅值的变化,因此,大大提高了相似性的计算精度. 展开更多
关键词 股票数据 时间序列 相似性 数据挖掘 模式挖掘
下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部