关联规则挖掘研究综述

介绍了关联规则挖掘的一般概念,并对一些典型算法进行了介绍,展望了关联规则挖掘的未来研究方向.     

CARCH模型在上证指数收益率分析中的应用

本文运用Engle的ARCH法对上证指数收益率的异方差性进行了详细的分析,得出涨跌幅制制度的实施对收益率的异方差性有明显的影响,序列异方差性与序列长度存在密切的关系.在运用CARCH模型对序列进行拟合时,发现拟合模型的阶数与序列长度也存在一定的关系.     

一种基于网络请求的数据访问接口设计与实现

在数据交易系统中,查询功能模块是数据交易系统的重要部分,而提高查询效率往往是查询功能模块的关键.提出并实现了一种基于网路请求的分层化数据访问接口,并通过接口的运行,以分层化进行数据查询且以JSON数据格式封装查询结果.实验结果表明,用户能够利用客户端浏览器请求调用数据访问接口完成数据查询功能,并且在查询过程中以分层化查询、数据精简化获取等来提高数据查询效率.     

一种混沌状态数据包的数据抽取算法设计与实现

针对数据挖掘项目实施过程中常规的数据抽取方法的局限性以及数据抽取效率较低的状况,提出并设计了一种高效的数据抽取算法,算法具有控制参数通用性配置、数据包文件自动搜索与识别、数据自动分类抽取及数据自动存储等特点.测试结果表明,算法能够极大地提高数据抽取的效率.     

仿真在交通灯管理中的应用

利用交通灯的关联关系及运行机理,把控制问题简化为单变量的优化问题,然后建立仿真模型进行模拟实验,并根据实验数据寻求最优方案,最后针对优化方案做了干扰模拟分析,结果表明系统运行状态良好.     

股市行情波段的数值特征提取

对作为数据挖掘模型预测项的股票波段数值特征进行了研究.首先采用了二次平滑模型和有限自动机模型,根据股票峰(谷)点的概念实现对波段状态的初步提取.然后根据波段对象属性的规范化表示,给出了小波段与盘整波段的规则设定,用有限自动机模型实现小波段合并与盘整波段的提取,最终得到了过滤后的波段数值特征.     

TARCH-M模型在上证指数波动率的实证分析

本文应用TARCH-M模型,并且引入迭代累计平方和(ICSS)法则对上证指数进行波动时段进行划分,针对不同波动时段分析其上证指数日收益率上涨和下跌对上海股票市场非对称的影响特点.结果表明,上海股市在1997年以前,收益率的上涨比下跌对股市造成的影响更大,即与通常定义的“杠杆效应”相反;而在1997年以后,其“杠杆效应”才显著.此外,收益率和波动性在后两阶段出现明显的正相关关系,说明了投资者正从以前盲目投资逐渐转变为理性投资,上海股市已日趋成为一个成熟的市场.     

交叉表在市场调查中的应用

针对市场调查收集的分类数据以实现客户定位和交叉销售为目标,以交叉表分析为基础,利用信息论和关联规则分析中的相关理论设计了一套集数据关联性分析和业务规则提取于一体的数据分析方案.并利用该方案完成了从一个实际调查数据中提取有价值业务规则的案例.     

股市K线组合的关联规则挖掘

将数据挖掘技术运用于股票数据的研究,对股票数据进行收集、读出、整理、挖掘,从而发现相关的规则模式,再通过数据挖掘关联规则算法中的置信度与可信度参数的调节进行规则的初步筛选.同时,为了尽量减少投资风险提高投资收益而带来更大的价值,进一步加入投资学的指标,以期望衡量收益,方差衡量风险,并对初步筛选的结果精益求精确保规则的可靠性.     

统计调查表缺失数据插补效果的实证分析

针对统计调查表的实际数据,对其缺失数据进行了常用插补方法的实证分析.首先,实证分析了一维模型的局限性及缺点;其次,分别对决策树模型、神经网络模型、关联规则模型算法,在对输入(预测)变量进行系统优化基础上,统计插补的准确率,比较优劣;最后,提出了提高插补准确率的一个值得进一步研究的方向.