摘要
第一章 绪论
1.1 研究背景
1.1.1 数据挖掘概述
1.1.2 数据挖掘在期货市场的应用背景
1.2 研究目的和意义
1.3 本文主要研究内容及组织结构
第二章 研究基础综述
2.1 数据流挖掘常用模型
2.2 数据流分类算法研究
2.3 数据挖掘在量化投资中的应用
2.3.1 基于SOM网络的股票聚类分析方法
2.3.2 基于关联规则的板块轮动
2.3.3 基于SVM的复杂金融时间序列预测
2.4 本章小结
第三章 融入概念相似度的隐含概念漂移的决策树分类算法
3.1 问题描述
3.2 融入概念相似度的隐含概念漂移的决策树分类算法
3.2.1 集成分类器
3.2.2 概念的抽取与存储
3.2.3 概念漂移的检测
3.2.4 概念相似度的计算
3.3 算法描述
3.4 本章小结
第四章 计算动词决策树算法
4.1 计算动词
4.2 计算动词决策树的构建
4.2.1 数据库动词化
4.2.2 数据库数字化
4.2.3 2采样点计算动词之间的计算动词相似度
4.2.4 数据记录分类
4.2.5 影响因子的计算及根节点的选择
4.2.6 叶节点的选择
4.3 本章小结
第五章 融入概念相似度的计算动词决策树分类算法
5.1 问题描述
5.1.1 数据库动词化
5.1.2 相关定义的描述
5.2 概念相似度的计算
5.3 模型构建
5.3.1 概念树的构造
5.3.2 概念内涵的抽取与存储
5.3.3 决策树分裂准则的确定
5.3.4 分类器准确率的评估
5.3.5 决策树剪枝
5.3.6 构建组合分类器
5.4 算法描述
5.5 本章小结
第六章 实证分析——算法在期货市场的应用
6.1 实验数据及目的
6.2 数据预处理
6.2.1 数据清理
6.2.2 Kendall系数计算
6.2.3 Kendall系数聚类分析
6.3 模型应用
6.3.1 数据库动词化
6.3.2 建立概念子树
6.3.3 存储概念信息
6.3.4 结果
6.4 结果分析
6.4.1 走势与开仓的关系
6.4.2 算法应用于模拟交易效果
6.5 实验对比
6.6 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
附录1
附录2
致谢