基于数据挖掘分类技术的金融数据分析工具的研究与实现
| 文献类型 | 学位 |
| 作者 | 李春生[1] |
| 机构 | 北京航空航天大学 ↓ |
| 授予学位 | 硕士 |
| 年度 | 2004 |
| 学位授予单位 | 北京航空航天大学 |
| 语言 | 中文 |
| 关键词 | 数据挖掘;决策树;支持向量机;财务困境;主成分分析;SVM-RFEE |
| 摘要 | 中国的证券市场成立十几年以来,随着信息化的发展,金融机构积累了大量的原始数据.激增的数据背后隐藏着许多重要的信息,人们可以对其进行更高层次的分析,以便于更好的利用这些数据.本文尝试从数据挖掘的角度,以上市公司的财务困境预测入手,对金融数据分析做了一定的研究.分类是数据挖掘中的一项非常重要的任务,目的是提出一个分类函数或分类模型,该模型能把数据库中的数据项映射到给定类别中的一个,可以用于预测.本文对决策树算法和支持向量机(SVM)算法做了分析和研究,并把他们应用在上市公司财务困境的预测中,取得良好的效果.本文在C4.5和SVM的基础上实现了一个基于数据挖掘分类技术的金融数据分析系统,包括数据采集模块、预处理模块和数据挖掘模块几个部分.数据采集模块能够从web网页以及分析家的数据中获取上市公司的各种数据.而通过预处理模块,本文把采集出来的数据经过复杂的抽取和整合,集成到数据库中,并完成了一个完整的CCER<'TM>中国证券市场数据库.最后,本文实现了C4.5挖掘模块和SVM挖掘模块,使得用户可以完成数据挖掘的功能.由于上市公司财务数据以及收益数据涉及到大量的字段,如果不加处理将导致维数灾难和过拟合问题.本文在降维方面也做了一定的研究,分别采用了主成分分析和基于SVM的RFE算法对数据进行降维,取得了很好的效果.另外,本文对SVM-RFE算法进行了一定的改进,提出SVM-RFEE算法,该算法同时考虑了属性的贡献和分类准确率的变化. |
影响因子：
dc:title:基于数据挖掘分类技术的金融数据分析工具的研究与实现
dc:creator:李春生
dc:date: publishDate:1753-01-01
dc:type:学位
dc:format: Media：北京航空航天大学
dc:identifier: LnterrelatedLiterature：北京航空航天大学.2004.
dc:identifier:DOI：
dc: identifier:ISBN:
