摘 要

关键词：机器学习；Apriori；股价走势预测

Abstract: The development of the stock market has promoted the growth of social economy. However, the risks in the stock market can not be ignored at the same time. Therefore, in order to avoid risks as far as possible, scholars have tried to find out the law of stock price movements through the use of computer science related technologies, and predict their short-term trends. With the development of information technology, machine learning and data mining provide strong support for solving this problem. Among many data mining algorithms, Apriori algorithm is an algorithm for mining association rules. The main idea is to find association rules by frequent itemsets. However, the traditional Apriori algorithm does not take into account the time factor, so it can not be applied to predict the short-term trend of stock prices. Therefore, we improve the traditional Apriori algorithm so that the time factor of stock price can be taken into account when mining association rules. Based on the improved Apriori algorithm, we design an association rule mining system, mainly to complete two tasks, the first task is through the historical price input to find association rules to predict the short-term price trend, another task is the association rules visualization. In addition, we also verify the accuracy of the algorithm through experiments. The experimental results show that the improved Apriori algorithm has achieved good results in the short-term trend of stock prices. Therefore, the implementation of the system can provide some reference value for economists to study the short-term trend of the stock market.

Key words: machine learning; Apriori; stock price forecast

目 录

引言 1

1.绪论 1

1.1背景介绍 1

1.1.1股票市场的意义 1

1.1.2股价分析的重要性 1

1.1.3Apriori应用及研究现状 2

1.2传统的Apriori算法 3

1.3改进的Apriori算法 4

2.Apriori算法介绍 5

2.1功能需求 5

2.2系统流程图 6

3.系统详细设计 7

3.1主界面设计 7

3.2数据离散化功能设计 8

3.3求取关联规则设计 8

3.4预测检验功能设计 9

3.5查看已求取的规则功能设计 10

3.6预测功能设计 11

4.系统实现 11

4.1主界面实现 12

4.2原始数据离散化实现 12

4.3查看已求规则功能的实现 13

4.4求取关联规则功能的实现 13

4.5预测检验功能的实现 15

4.6预测下一天功能的实现 15

5系统测试 16

5.1数据测试 17

5.2测试总结 22

结论 24

未来展望 24

参考文献 24

论文致谢 26

引言

随着人们生活水平的日益提高，投资理念也在逐步深入大家的生活，股票投资被越来越多的人所接受。但是对于股票市场而言，它在拥有可观的利益回报的同时，也存在着极高的风险性。因此，有效的预测方法对减少投资风险是很有必要的。近年来，数据挖掘技术的迅猛发展，为股票市场的建模与预测提供了新的技术和方法。本毕业设计的主要内容是基于数据挖掘技术中时间序列分析的相关算法，结合股票短期走势的潜在规律，从数据清洗、算法建模和结果可视化等几个方面设计一个股票短期走势预测系统。通过本系统，可以实现数据离散化，频繁项集和关联规则的获取，准确度检测以及对下一天的走势预测的功能。本系统采用改进的Apriori算法，对传统的Apriori算法加入了时序，使之能应用到我们的要求中。利用强大的java语言实现了系统的各个功能以及可视化。

1.绪论

1.1背景介绍

1.1.1股票市场的意义

股票市场是已经发行的股票转让、交易和流通的场所，它是建立在发行市场基础上的，是二级市场。股票市场的发展显著促进了社会经济的增长，筹集资金是股票市场的主要作用，对于企业而言，通过股票市场筹集资金能有效帮助其进行公司经营和生产。对于投资者而言，股票是一种重要的资产，正确的股票投资可以为投资者带来丰厚的回报，随着我国金融体系的改革，金融市场愈加开放，股票市场不论对于公司还是个人而言都是及其重要的存在，股票市场是一座有风险的金矿。

1.1.2股价分析的重要性

对于投资者而言，最重要的就是股价，若能准确地预测股价，将会带来巨大的回报，股价分析是根据股票的历史价格进行分析以预测该股票股价在未来的情况，股价分析有长期与短期之分。长期分析包括未来一年以上的分析，短期分析则短至一星期甚至一天。股价分析可以一定程度预测股价未来走势，对于投资者和学者而言有一定借鉴意义。

然而股票市场的数据是巨大的，靠人工分析效率较低。数据挖掘也称数据库中的知识发现,是指从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐含的、事先未知的潜在有用信息,提取的知识一般可表示为概念、规则、规律、模式等形式^[1]随着计算机计算能力的提高，以及数据挖掘技术的发展，计算机与金融正在发生融合，运用计算机技术进行股价分析预测高效可靠，能解决许多人力不能解决的问题，许多金融机构正在致力于此。

1.1.3Apriori应用及研究现状

自1994年由Agrawal等人提出关联规则挖掘算法Apriori^[2]到现在，关联规则挖掘方面的研究有着很大的影响,关联规则挖掘最初仅限于挖掘事务数据库的布尔型关联规则^[3],Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法，同时也被广泛的应用到各个领域中。例如试卷成绩分析^[4]、英语教师课堂话语分析、电子商务中的应用等^[5~7]。