股票大数据挖掘实战：股票预测篇

封面

书名页

版权信息

内容简介

作者简介

前言

读者对象

致专业人士

致教师

致学生

第1章 数据挖掘基础

1.1 数据挖掘概述

1.2 常用的数据挖掘算法

1.3 数据挖掘工具

1.4 数据挖掘与云计算

1.5 Mahout分布式框架

第2章 股票大数据挖掘

2.1 股票大数据

2.2 股票预测

2.3 量化投资

第3章 股票数据的准备

3.1 股票相关数据

3.2 数据的获取源

3.3 数据获取技术

3.4 数据预处理

第4章 分类方法与股票买卖点判断

4.1 分类概述

4.2 朴素贝叶斯

4.3 决策树

4.4 支持向量机

4.5 评价指标

4.6 基于SVM算法的股票买卖点判断

第5章 匹配方法与股票走势的预测

5.1 目标概述

5.2 模式匹配

5.3 常用的相似性度量方法

5.4 新方法：相似走势匹配在股票预测中的应用

5.5 新方法：自身历史相关在股票预测中的应用

5.6 新方法：正负相关走势在股票预测中的应用

5.7 新方法：自定义模式匹配在股票预测中的应用

5.8 平台实战解析：搜索相似历史走势以替代老司机经验

第6章 相似股票判断与投资组合

6.1 目标概述

6.2 DTW动态时间规整算法

6.3 KNN算法

6.4 相似股票的判断和应用

第7章 股票盘面强弱状态的判断

7.1 目标概述

7.2 马尔可夫模型

7.3 隐马尔可夫模型

7.4 新方法：基于状态转移的股票长期走势预测与推荐方法

第8章 股票间的延时联动涨跌规则

8.1 目标概述

8.2 贝叶斯

8.3 关联规则挖掘

8.4 关联规则在股票预测中的应用

第9章 股票涨跌的幅值组合关系

9.1 目标概述

9.2 n-gram模型

9.3 新方法：个股涨跌的幅值组合关系挖掘

第10章 股票的循环滚动预测方法

10.1 目标概述

10.2 回归分析与股票预测

10.3 神经网络与股票预测

10.4 深度学习与股票预测