票价预测数据挖掘系统.ppt

基于数据仓库的数据挖掘 主要内容 数据仓库简介 实例：基于数据仓库的股市行情预报系统 一：数据仓库简介 数据仓库是面向主题的、集成的、稳定的和随时间变化的大量数据集合。 数据挖掘往往依赖于经过良好组织和预处理的数据源。 数据仓库具有从各种数据源中抽取数据, 并对数据进行清洗、聚集和转换等各种处理的能力, 这又恰好为数据挖掘提供了良好的进行前期数据准备工作的环境。 综上所述, 数据仓库和数据挖掘的结合已成为必然趋势！！ 基于数据仓库的数据挖掘体系结构 数据仓库的特征： 规模大 历史数据丰富 数据集成和综合程度高 实时查询 数据仓库典型应用： 1) 面向企业决策支持系统( DSS) 在综合一体化的DSS 建设中, 基于数据仓库的数据挖掘技术将得到广泛的应用 2) 面向Internet 3) 面向图像信息系统 股市行情预报的数据仓库数据挖掘系统 本系统的功能是:在Internet 网上实现用于股市行情预报的决策支持系统(DSS)。 每日对外发布沪深两市A股、B股、基金股未来四日的股价预测及K线图。提供可以进行T+1操作(即明日最低价买,后日最高价卖)的选股名单！ 本系统采用数据仓库(DW) 、数据挖掘(DM) 的联机分析(OLAP)技术,实现在浏览器端查询式的预报系统。 挖掘工具确立 数据仓库建立：数据逻辑模型 、数据物理模型 数据挖掘运算设计 挖掘工具的确立 预测方法的研究： 方法一:股价N日均线与一维平稳时间序列分析 方法二:股价波浪理论与非平稳时间序列分析 方法三:股价形态的多变性与非线性时间序列分析 方法四:股价的多因素性与线性逐次回归分析 方法五:股价的技术指标与改进型逐次回归分析 预测方法模型库的设计： 数据逻辑模型设计 数据时间粒度：股票日行情 数据空间粒度：四层空间结构 从本系统的主题出发,客户对象是广大股民,他们更关心微观信息。因此将数据空间颗粒度确立在第三层。 行情维：P={开盘价,最高价,最低价,收盘价,成交量,成交额}的数据集。 股票维：S={s1,s2,s3, …}，如:深发展,深万科, …等数据集。 时间维：T={t1,t2,t3, …}，如:当日,上一日,上二日, …等数据集。 数据模型：　 V={S,P,T} 三维星型时空结构 数据物理模型 数据仓库功能组织模块： 数据提取模块 数据清洗模块 数据转换模块 除权派息模块 数据挖掘运算设计 挖掘过程： 1)据预测方法代码从预测模型库中调出运算方法程序。 2)根据股票代码连接对应数据仓库,从中取出相应的数据切片或切块。 3)执行运算。建立预测模型,再由模型计算出预测值。 我们设计对于浏览器的每一个请求,同时算出PO,PH,PL,PC四个未来四日的预测结果。用于绘制K线图。 本系统的预报周期是以日为单位,每日在证券交易所收市之后,开始更新数据仓库。经过数据挖掘运算,即可在网上预报。 经测试预测相对误差不大于1%占70%左右,预测相对误差不大于2%占90%左右,这对定量预测来讲效果令人满意! * * * *