文档介绍：摘要在此基础上以上证指数为例子,进行了—模型的建模分析,实验结随着计算机科学、人工智能和数理统计的有机融合,数据挖掘技术得到了突飞猛进的发展,这就极大地促进了金融时序数据挖掘技术的发展。数据挖掘是从大规模的数据中抽取非平凡的、隐含的、未知的、有潜在使用价值的信息的过程。时间序列分析作为数理统计学的一个分支,自世纪年代起就已经得到了广泛的研究。但是,随着分析任务的日益复杂,这些传统的方法无法用于发现数据中更复杂、更隐蔽的各种规律。基于上述原因,本文将数据挖掘和金融时间序列结合在一起进行研究。论文重点集中在以下几个方面进行了研究:鹑谑毙蚴莸脑ご砑际酰渲邪ㄔ际荼曜蓟杖笔荽恚噪声剔除,数据集成,并重点介绍了小波理论在时序数据降噪中的应用。鹑谑奔湫蛄械募屏烤醚P秃虯P停约跋喙氐难生扩展模型,并且介绍了模型和模型参数的确定和检验方法。最后果表明模型具有很好的短期预测效果。疚淖詈缶咛逋诰蚝头治鲆幌挛夜鹑谑谐∽罱改甑娜绽вΑJ笛结果发现年以后我国证券市场日历效应路菪вΓ瞧谛вΓ偃招в最后,总结本文的工作和不足之处,指出以后的研究发展方向。关键词:数据挖掘;金融时问序列;小波降噪;P停蝗绽в表现非常明显,但具体表现异于国内外学者早期的研究结果。中文摘要
拙甆,,,.琣;英文摘要瓵,琺琩琣,;籆琣.’..,瓼瓼,,篋:
骏邪嘻柝陆闳论文作者签名:块邓痞导师签名:狰针条大连海事大学学位论文原创性声明和使用授权说明保密口,在——年解密后适用本授权书。原创性声明撰写成硕士学位论文::基王数堡揎坦的金融吐间庄到亟测盆垄匠生班究::。除论文学位论文版权使用授权书本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果,中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表或未公开发表的成果。本声明的法律责任由本人承担。本学位论文作者及指导教师完全了解“大连海事大学研究生学位论文提交、版权使用管理办法”,同意大连海事大学保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。本学位论文属于:不保密回朐谝陨戏娇蚰诖颉日期::保密口
第滦髀本文的研究背景数据采集、存储与管理技术的进步与企业界迫切需求的结合,使得在过去的二十年中数据库技术得到了广泛的应用。现今众多商业数据库的容量已经达到了海量的水平,很多数据库中己经存储了上万亿字节的数据。如何在这些海量数据中发现隐藏的知识和规律,已经成为计算机界尤其是数据库领域研究者的一个重要研究方向,我们称之为数据挖掘。数据挖掘也称为数据库中的知识发现,,即从大规模的数据中抽取非平凡的、隐含的、未知的、有潜在使用价值的信息的过程。作为一门交叉学科,数据挖掘集成了许多学科中成熟的工具和技术,包括数据库技术、统计学、机器学****模式识别、人工智能等。然而与传统的知识发现技术不同,数据挖掘技术一般与数据库的相关技术紧密结合,世纪年代,银行业的全球化初见端倪,自年代起在全球经济一体化的趋势的推动下,银行业的全球化的进程更是飞速发展。根据权威部门统计,到世纪年代中期,银行业的跨国资产总量比年代初增长了倍,如果以占经济合作与发展组织稍惫谏苤总和的比例来衡量,银行跨国资产占成员国国内生产总值的%。根据国际货币基金组织的预测,由于全球信息技术和其他高新技术的飞速发展,经济和金融一体化进程将进一步加快。随着金融业的一体化趋势,国际间资本流动的速度和流量都大大超出了人们预想的范围,尤其是所带来经济利益使各国受益匪浅,但同时金融风险也空前增加,因而如何预测、计算和控制金融风险,最大程度获益,不仅成为金融界,而已也成为各国政府面临的重要任务。’我国已于年加入⑶┦鹆酥鸩娇7盼夜鹑谑谐〉男椤S捎萃诰蚣际醯姆⒄更加侧重于对海量数据的多种模式的自动发现,因此具有更广泛的应用前景。鹑谑谐〉慕徊椒⒄基于数据挖掘的金融时间序列预测分析与研究
本文的研究现实意义历史和其他原因,我国金融体系一直相对独立、金融市场没有开放,金融产品和衍生产品单一、金融制度不完善、金融创新水平低下,导致对金融风险认识、预测和控制的能力不高。而与此同时,我们将要面对的市场竞争对手却是久经沙场、历经金融风险的市场高手,他们不仅具有长期的市场经验,也具有先进的金融计量手段和现代化的信息处理工具,更具有我们不能与之相比的经济实力;另外随着我国金融市场的开放,我们还将直接面对那些以获取最大利润的、潜在的、,表现为超大规模国际游资的“金融大鳄”袭击。因此学****和运用科学的金融计量手段,掌握金融市场规律,预测并控制金融