元启发聚类及其在股市板块分析中的应用

发布时间：2023-12-13 19:10

　　大数据时代背景下,数据所创造价值的不断提升,大数据已经成为金融行业较为重要的战略资产,人们期待数据可以为金融行业带来更好的服务。但如何在众多数据中剔除无用信息,同时从中提取出所需部分并根据客观需求进行数据分析,这也是广大学者十分关注的问题。由于证券数据具有结构复杂、种类繁多、数据冗余等诸多特性,如何更好效率的将数据进行表示和分析成为一个挑战性课题。聚类分析是把对象按照一定的规则进行簇或类的划分,其本质是关注所研究对象之间的相似程度或者相关联程度。聚类结果可以根据类内、类间相似度进行判断,根据数据内在结构不同,现有聚类算法会产生不同聚类效果。在证券投资的过程中,人们更加关注如何更好地综合股市各项基本因素对其进行聚类,提高样本证券相似程度。本课题正是在这种背景下提出的。本文首先详细介绍了元启发式算法和聚类分析方法,全面分析了各自的数学原理及流程步骤等基本概念和定义。其次,针对传统果蝇算法中收敛速度和求解精度的不足,提出基于组合变异的果蝇优化算法,通过引入组合变异策略,更新种群飞行方向,增强种群逃逸能力,使算法继续迭代寻找全局极值,为文中聚类算法的改进提供理论依据。然后,利用改进的基于组合变...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外发展现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 主要研究工作
    1.4 本文的组织结构
    1.5 本章小结
第2章 算法相关知识
    2.1 元启发式算法
        2.1.1 元启发算法综述
        2.1.2 常见群体智能优化算法
            2.1.2.1 粒子群算法
            2.1.2.2 果蝇优化算法
    2.2 聚类分析方法
        2.2.1 聚类分析基本概念
        2.2.2 常见聚类算法
            2.2.2.1 K均值
            2.2.2.2 层次聚类
            2.2.2.3 近邻传播聚类
        2.2.3 聚类有效性评价指标
            2.2.3.1 外部度量
            2.2.3.2 内部度量
    2.3 本章小结
第3章 组合变异果蝇优化的近邻传播算法
    3.1 组合变异的果蝇优化算法
        3.1.1 相关概率分布
        3.1.2 组合变异策略
    3.2 实验结果与分析
        3.2.1 实验环境
        3.2.2 寻优精度测试
        3.2.3 收敛性测试
        3.2.4 收敛速度分析
    3.3 组合变异果蝇优化的近邻传播算法
        3.3.1 算法描述
    3.4 实验结果与分析
        3.4.1 实验数据
        3.4.2 实验环境与参数设置
        3.4.3 实验分析
    3.5 本章小节
第4章 股市财务数据的聚类分析
    4.1 财务指标聚类
    4.2 数据选取与预处理
        4.2.1 数据选取
        4.2.2 数据预处理
    4.3 实验方案设计
    4.4 实验结果及分析
        4.4.1 电力行业数据聚类结果分析
        4.4.2 金融行业数据聚类结果分析
        4.4.3 电子信息数据聚类结果分析
        4.4.4 实验分析与总结
    4.5 本章小结
第5章 股票聚类系统实现
    5.1 股票聚类系统的设计
    5.2 股票聚类系统展示
        5.2.1 股票数据更新模块
        5.2.2 股票数据可视化模块
        5.2.3 股票数据聚类分析模块
    5.3 本章小节
第6章 总结与展望
参考文献
攻读硕士学位期间发表的学术论文及其他成果
致谢



本文编号：3873794