浅谈数据挖掘在证券投资上的应用

文章简单论述了数据挖掘技术在证券投资上的应用,并分析了如何提高证券投资成功率的思路。     

数据挖掘与证券投资

文章论述了数据挖掘技术在证券投资上的应用。利用数据挖掘对证券时间序列进行趋势变动与趋势预测，具有很好的参考价值和良好的应用前景。     

CEER在证券组合投资中的应用

本文建立了均衡市场下证券投资组合的收益偏好最优化模型 ,并针对证券组合投资者追求期望效用最大化的目的 ,利用确定性等价回报方法对该模型进行求解 ,并进一步介绍了其应用     

非参数区间估计在证券投资分析中的应用

通过引入一种新的估计方法非参数区间估计方法,以达到对证券投资咨询机构对证券市场大盘走势预测准确度的估计·给出了U统计量及其相应的渐进性质,并找到了在一定的置信度下U统计量的置信区间·实证估计结果表明,有95%的把握认为,中国证券市场投资咨询机构所提供的对大盘涨跌的预测,每次有一半咨询机构正确的概率最高不超过52%,最低不小于36%·因而投资者应慎重对待投资咨询机构的大盘预测·     

基于投影聚类算法的Web文本挖掘证券投资系统

随着信息爆炸时代的到来,如何有效的从网络上获取有价值的信息成为当前研究的热点．Web文本挖掘技术就是解决上述问题的一种方法,它从大量半结构化、异构的Web文档集中发现潜在的、有价值的知识．本文着力于研究Web文本挖掘过程中的重要技术,并通过分析当前研究热点和各种算法,提出一种改进的投影聚类算法,实验证明其正确率比k-均值算法高．最后,本文设计了基于Web文本挖掘的证券投资系统,并将改进的聚类算法应用其中．     

VaR模型及其在证券投资管理中的应用

VaR模型是近年来用于测量和控制市场风险的主要方法之一,分析了VaR模型的基本原理和考虑的主要因素,根据函数所反映的映射关系,将资产组合价值与其相关的市场风险因素的关系分为线性关系和非线性关系,推导了在正常市场条件下VaR值的计算方法,并探讨了VaR模型在投资组合构造、投资风险控制、信息披露、金融监管等方面的应用．     

投资银行业务中证券投资的风险管理研究

证券投资风险管理是投资银行证券投资业务的核心问题。以系统的思想为指导,以现代金融的理论与方法为基础,从证券投资的风险成因、风险测量、风险管理等方面对该问题进行了较为系统的研究,对提高中国投资银行的证券投资风险管理水平具有重要的科学意义。     

基于WEB文本挖掘的证券投资系统的分析与设计

本文在对我国证券投资市场发展趋势进行分析的基础上,结合在证券信息分析方面所做的一些实践工作,从理论上分析了WEB文本投资信,包对投资者决策的影响,并对基于WEB文本挖掘的证券投资系统的实现目标、整体架构、软件体系结构和功能进行了探索,提出了利用数据挖掘技术对WEB文本投资信息进行分析处理的系统的设计思路.     

数据挖掘技术在客户关系管理中的运用

客户关系管理不仅是一种管理理念,又是一种旨在改善企业与客户之间关系的新型管理机制,也是一种管理软件和技术.数据挖掘能够对将来的趋势和行为进行预测,从而很好地支持人们的决策.CRM的成功在于成功的数据仓库、数据挖掘.     

浅谈数据挖掘应用

数据挖掘,作为一种新颖的数据分析手段,在学校、银行、电信、股市、保险、交通、零售等领域已得到广泛的应用。文章从高校、金融企业和零售企业入手,分析数据挖掘技术在其中的应用,以及存在的问题和前景展望。     

证券投资的不确定性

探讨了债券投资、股票投资的不确定性。     

数据挖掘及其在电子商务中的应用

随着网络技术的发展和计算机使用的日益广泛,电子化数据越来越多,人们面临“数据丰富而知识贫乏”的问题。如何才能不被信息的汪洋大海所淹没。从中及时发现有用的知识,提高信息利用率呢？八十年代末兴起的数据挖掘技术,为解决此问题开辟了一条道路。本文简单阐述了数据挖掘技术、Web数据挖掘及电子商务,分析了Web数据挖掘在电子商务中的应用和展望。     

数据挖掘在商务中的应用

随着数据挖掘技术的不断改进和数据挖掘工具的不断完善,数据挖掘必将在各行各业中得到广泛的应用．该文首先介绍数据挖掘的常用模式和常用的解决方案,并着重介绍关联规则、多层和多维规则以及聚类分析在商务中的应用．     

数据挖掘在CRM中的应用

通过对CRM和数据挖掘技术的描述，介绍了当今CRM中的重要准则及数据挖掘在CRM中应用的主要技术，对CRM和数据挖掘相结合解决问题的步骤进行了说明。     

数据挖掘在电子商务中的应用

电子商务过程中产生了大量的数据,数据挖掘是对这些数据进行分析的有效方法。介绍了数据挖掘在电子商务中的应用,探讨了电子商务中数据挖掘的步骤和数据挖掘的体系结构。     

VDM算法在数据采掘中的应用

介绍了在数据库知识发现(KDD)中将连续属性离散化的一些方法,并提出使用值差分度量离散化的算法.值差分度量算法原本是用于计算离散属性值间的距离,但实际上将这种方法反过来用于连续属性的离散化也可以有相当好的效果.将其与传统的使用统计量χ2的离散化算法作了比较.     

数据挖掘在人口普查信息系统中的应用

科技的发展使得数据挖掘广泛地运用在了商业、政府等各个领域的数据分析中;笔者分析了数据挖掘技术的基本原理及其方法;透析了数据挖掘技术在人口普查信息分析中的应用及现实价值.     

数据挖掘的应用

信息已经成为一种重要的战略资源,数据挖掘能从浩如繁星的数据中,提取潜在有用的信息和知识,在各领域中发挥着重要作用。     

海量数据处理过程中数据挖掘算法的应用

信息时代的快速发展带来的是信息总量呈现几何级数的增加,而海量数据的存储和分析处理对计算机硬件能力和数据分析能力都是一个极大的挑战．数据挖掘算法是针对于大批量数据处理而提出并逐步发展起来的,基于完备的数据库技术,可以在云计算算法、矩阵压缩算法和并行关联算法的基础上,进行算法集成,能进一步提高数据挖掘的速度、精度和时效性,在实际海量数据的处理过程中有较好的适应性,为海量数据处理提供了新的技术分析方法．