基于機(jī)器學(xué)習(xí)的股票排名方法.pdf

1、多年來，在金融市場的股票投資方面，人們一直都希望能掌握其背后運(yùn)行的規(guī)律，并進(jìn)行分析與預(yù)測。各國投資專家也通過使用不同的投資分析方法，利用海量的股票數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，以求尋找出股市背后潛在的運(yùn)行規(guī)則和股票交易的規(guī)律，實(shí)現(xiàn)對未來的股市發(fā)展變化進(jìn)行預(yù)測，以達(dá)到收益最大化的目的。
　　本文的主要研究內(nèi)容是上市公司的股票數(shù)據(jù)以及公司股價(jià)的變化情況。根據(jù)公司在研究周期內(nèi)股價(jià)變化水平，計(jì)算得到特征值，設(shè)計(jì)了一個優(yōu)化版本的k-最近鄰算法，然后建立

2、上升趨勢體系模型，預(yù)測上市公司的股價(jià)走勢類型，選擇適合自己風(fēng)險(xiǎn)類型的上市公司進(jìn)行投資。隨著大數(shù)據(jù)相關(guān)技術(shù)的不斷成熟，在處理大規(guī)模股票數(shù)據(jù)集的平臺選擇上，本文主要考慮的是內(nèi)存消耗和數(shù)據(jù)運(yùn)算效率方面，采用了大數(shù)據(jù)Hadoop平臺的HDFS分布式文件系統(tǒng)以及更加高效的MapReduce分布式計(jì)算框架，使得整個數(shù)據(jù)集的ETL流程能高效率便捷的運(yùn)行。機(jī)器學(xué)習(xí)也是本文的一個核心問題，在對KNN算法進(jìn)行深入研究后，在此基礎(chǔ)上提出了面向大數(shù)據(jù)模式識別算