基于数据挖掘的证券分析系统.docx

基于数据挖掘的证券分析系统【摘要】针对国内证券行业数据信息分散、系统功能单一的情况设计了基于数据挖掘技术的证券投资分析系统。在的框架上利用SQLSeNer技术、技术进行数据库搭建、智能数据采集、转换及分析处理快速地从大量数据中得到即时的有效信息并做出决策。【关键词】数据挖掘蚁群分析证券投资决策一、数据挖掘与证券的关系1989年8月第十一届国际联合人工智能学术会议在美国Detroit市召开在这次会议上数据挖掘第一次形成了一个正式的概念。此后每年会举办一届KDD国际会议来推进对数据挖掘和知识发现的研究进程。在商业领域中数据挖掘给企业的商业信息处理带来了一个全新的思维方式。证券行业是一个交易量巨大的行业我国的证券交易系统具有成熟的事物处理系统多年的运营中交易数据库中累积了巨量的数据。利用数据挖掘工具来发掘其中有价值的知识和信息将会为证券投资的正确决策带来不可估量的作用。如何对交易数据进行挖掘成为了证券投资研究的重中之重。在证券投资领域较为新颖的是蚁群算法它具有很高的计算效率而且不需设定最终簇的数量。在今年来不断的发展改进中蚁群算法在某些方面的问题中表现出了更接近实际的效果。本文将使用这种新的算法工具来对证券投资决策过程进行分析对股票的行业因素、公司因素、收益和成长因素等加以考虑建立全面的评价体系并通过聚类分析方法来决策投资过程。二、开发平台该数据挖掘系统是在MicrosofLNet的框架基础上设计的。.NET框架是一种高度分布式的应用程序开发平台。该平台含有内部网络和外部网络快捷开发的多项技术可以进行敏捷软件开发、快速应用开发支持多种语言通用性、可移植性强、开发成本低、数据库使用便捷。是.NET环境中最常用到的数据接口提供数据访问服务。使用了多层次的资料处理架构将中断连接方式应用到程序设计中提高了程序的延展性。三、系统结构功能设计与设计3.1数据库连接配置对数据库进行操作的过程要保证安全性在中实现这一功能时需要请求连接并对相关信息进行认证认证成功后便可以通过客户端对数据库进行操作。为了实现数据检索功能定义了一系列基本方法设置不同的链接字符串用于对数据库进行动态链接以满足业务查询的需求。3.2数据采集数据采集系统不但要对数据进行定时采集、压缩和传送还要保证接收和加载等过程。为了使采集程序有更强的适应性数据采集系统采用了两级分工的工作模式：客户端采集传送由服务端负责接收和加载这样可以大大提高在广域网中可能出现的传输性能不佳情况下的传输效率。为了对不同采集条件、不同的数据源进行智能采集客户端采用了多模块的工作方式以实现不同的采集功能。3.3数据转换证券、银行等系统进行系统切换时需要进行数据迁移。数据迁移技术能够将离线存储和在线存储进行融合常常应用于系统升级、数据更新等工作中。数据迁移对于新系统的成功切换是至关重要的它的质量影响着系统上线和之后运行的稳定。由于证券市场的特点股票交易等信息变化迅速必须要一种数据转换系统来应对不断动态变化的数据信息及时地更新股票信息。数据转换系统使用了.NET平台技术进行开发在源数据库和目的数据库之间进行直接转换。3.4数据挖掘分析经过连接数据库采集数据数据转换后得到的信息将被用于数据挖掘分析采用蚁群算法对数据进行挖掘分析主要步骤如下：（1）建立股票综合评价指标体系；（2）选定蚁群分析范围；（3）收集股票样本指标数据；（4）求行业指标均值；（5）数据标准化处理；（6）运行蚁群分析；（7）生成类谱图；（8）分析聚类结果寻找具有投资价值的股票进行决策。四、总结证券行业形势复杂多变对大量的数据进行简单的存储记录对开展业务、投资分析、推断决策助力甚微。将数据挖掘技术应用于证券分析投资中可以降低数据的冗余度。本文搭建基于.NET及SQLSever平台的证券分析系统对数据进行提取、转化根据一定模式进行处理克服证券行业信息系统智能化水平低、数据简单堆积的缺点提高了数据的利用效率。