1．目的及意义
随着中国资本市场的迅速发展和居民收入水平的较大提高,越来越多的人参与到股票市场的投资中,希望能够实现财富的保值和增值。虽然股票是一个可能带来高回报的投资品种,但是同时它又是高风险的,其时刻变化不定的价格,让投资者感受到这个市场的复杂性,所以他们迫切需要一种理论来解释价格变动的原因,并需要一种科学的预测方法来指导投资,从而规避风险,获得较好的投资回报。股票价格的预测是一个世界性难题,但这项研究蕴含着巨大的潜在经济利益,所以吸引着全球许多的学者专家来对其进行研究。 Fama在20世纪70年代提出了著名的有效市场假设,认为股票价格的波动是随机游走过程,将来的价格是不可预测的,人们不可能依靠分析历史价格信息和公开信息而获得超常收益。然而,近年来越来越多的实证研究表明,这种理论与事实不符合。为了更有效地解释证券市场的波动规律,Peters在20世纪90年代初提出了分形市场假说,强调证券市场信息接受程度和投资时间尺度对投资者行为的影响,认为所有稳定的市场都存在分形结构,证券价格在一定程度上存在可预测性。 在承认股票价格存在可预测性的前提下,可以使用传统的基本分析以及技术分析等方法（包括基于时间序列分析的ARIMA和GARCH模型等现代预测方法）对股票走势进行预测。当然由于影响股票价格的因素众多,不可能用一种简单的模型或方法就能够完全预测其未来的涨跌情况。{title}

2. 研究的基本内容与方案

{title}

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。本次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。

时间序列预测是通过分析过去股票价格的回报来预测未来的股票价格。可用于短期、中期和长期预测。根据对资料分析方法的不同，又可分为：简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法等。

时间序列的变化大体可分解为以下四种：

(1)趋势变化：指现象随时间变化朝着一定方向呈现出持续稳定地上升、下降或平稳的趋势。

(2)周期变化（季节变化）：指现象受季节性影响，按固定周期呈现出的周期波动变化

(3)循环变动：指现象按照不固定的周期呈现出的波动变化。

(4)随机变动：指现象受偶然因素的影响而呈现出的不规则波动。

3. 参考文献

[1] Saad E W, Prokhorov D V, Wunsch D C. Comparative study of stock trend prediction using time delay, recurrent and probabilistic neural networks[J]. Neural Networks, IEEE Transactions on, 1998, 9(6): 1456-1470.