基于关联规则挖掘算法的A股股票联动性分析 |
| |
作者姓名: | 殷丽凤 李梦琳 |
| |
作者单位: | 大连交通大学计算机与通信工程学院 |
| |
基金项目: | 国家自然科学基金(61771087); |
| |
摘 要: | 为了更好地观察国内A股间的联动性,针对股票效应的滞后性问题,提出了一种基于时序的改进关联规则挖掘算法Gap-Apriori.实验采用Apriori、FP-growth、Eclat、Gap-Apriori 4种关联规则挖掘算法,对我国2007年到2021年间的A股交易数据进行了关联分析.实验结果表明,Apriori算法较其他3种算法更适用于高维股票数据挖掘,改进算法Gap-Apriori能够分析任意周期内的股票联动状态,有效地提高了算法的运行效率.
|
关 键 词: | 数据挖掘 股票分析 关联规则 频繁项集 |
|
|