數(shù)據(jù)挖掘技術(shù)在股票數(shù)據(jù)分析中的應(yīng)用

黃海波

數(shù)據(jù)挖掘技術(shù)是一種從數(shù)據(jù)本身進(jìn)行考慮的分析技術(shù)，能夠?qū)?shù)據(jù)進(jìn)行科學(xué)分類、數(shù)據(jù)估計(jì)、分類預(yù)測(cè)、關(guān)聯(lián)分組以及時(shí)序數(shù)據(jù)列序模式挖掘，通過(guò)一系列的挖掘流程運(yùn)用，得出更加具有價(jià)值和意義的數(shù)據(jù)，為決策提供良好的支持。數(shù)據(jù)挖掘技術(shù)在股票數(shù)據(jù)分析當(dāng)中也具有一定的應(yīng)用價(jià)值，數(shù)據(jù)挖掘技術(shù)在股票數(shù)據(jù)分析中應(yīng)用，需要深入不同類別算法的特點(diǎn)和算法，從而發(fā)揮其運(yùn)算優(yōu)勢(shì)，得出更加準(zhǔn)確地股票數(shù)據(jù)分析結(jié)果，為股票投資提供更加可靠的依據(jù)。

數(shù)據(jù)挖掘技術(shù)是一種先進(jìn)的數(shù)據(jù)處理手段，能夠通過(guò)計(jì)算機(jī)算法的應(yīng)用，對(duì)數(shù)據(jù)完成收集、清理、變換等操作，在挖掘運(yùn)算中實(shí)現(xiàn)數(shù)據(jù)的科學(xué)分析，從而挖掘有價(jià)值的數(shù)據(jù)內(nèi)容。數(shù)據(jù)挖掘技術(shù)在很多行業(yè)上都有良好的應(yīng)用，包括市場(chǎng)分析、價(jià)格變動(dòng)等，而股票數(shù)據(jù)作為一種具有多樣性、隱蔽性特點(diǎn)的數(shù)據(jù)類型，在預(yù)測(cè)上難度更大，利用數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)為股票數(shù)據(jù)進(jìn)行分析，也可以進(jìn)一步提升其數(shù)據(jù)分析的準(zhǔn)確性，從而為股票投資提供有效的幫助。當(dāng)前很多股票數(shù)據(jù)分析中通過(guò)引入數(shù)據(jù)挖掘技術(shù)的優(yōu)質(zhì)算法，實(shí)現(xiàn)對(duì)股票上市公司的股價(jià)漲跌情況預(yù)測(cè)，并進(jìn)行走向趨勢(shì)分析。而數(shù)據(jù)挖掘技術(shù)中不同算法的應(yīng)用也存在一定區(qū)別，只有深入了解股票數(shù)據(jù)的特點(diǎn)，對(duì)算法進(jìn)行合理的選擇與優(yōu)化，才能夠保證其分析結(jié)果的準(zhǔn)確性。

數(shù)據(jù)分類

數(shù)據(jù)挖掘技術(shù)具有數(shù)據(jù)分類功能，可以根據(jù)數(shù)據(jù)的關(guān)聯(lián)性和數(shù)據(jù)特征等，對(duì)數(shù)據(jù)進(jìn)行科學(xué)分類。數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)分類功能一般需要遵循一定的原則和要求，比如將數(shù)據(jù)集合的一個(gè)特征或者與其他相似特征相比較，并根據(jù)其類別的異同進(jìn)行合理分類，數(shù)據(jù)分類越準(zhǔn)確，數(shù)據(jù)挖掘技術(shù)的應(yīng)用效果通常也越好。

數(shù)據(jù)估計(jì)

數(shù)據(jù)挖掘技術(shù)具有數(shù)據(jù)估計(jì)的功能，可以根據(jù)樣本數(shù)據(jù)集的模式進(jìn)行關(guān)鍵數(shù)據(jù)解釋，并進(jìn)行科學(xué)的數(shù)據(jù)估計(jì)。數(shù)據(jù)挖掘技術(shù)中運(yùn)用了智能化算法對(duì)數(shù)據(jù)進(jìn)行分析和處理，在這一過(guò)程中能夠?qū)?shù)據(jù)的屬性和特征進(jìn)行分析，并通過(guò)其關(guān)聯(lián)性推測(cè)和獲取某一未知特性，進(jìn)而完成數(shù)據(jù)估計(jì)。

分類預(yù)測(cè)

數(shù)據(jù)挖掘技術(shù)能夠進(jìn)行分類預(yù)測(cè)，通常是通過(guò)歷史數(shù)據(jù)的挖掘，通過(guò)模型樣本的構(gòu)建，并通過(guò)樣本數(shù)據(jù)集的模型分類，進(jìn)而完成分類預(yù)測(cè)，決策樹(shù)、神經(jīng)網(wǎng)絡(luò)等都是其中比較常用的算法。

數(shù)據(jù)關(guān)聯(lián)分組

數(shù)據(jù)關(guān)聯(lián)分組可以將相關(guān)性較高的數(shù)據(jù)歸為一組，進(jìn)而構(gòu)建更加科學(xué)的關(guān)聯(lián)群組，高效快速匯總某一類數(shù)據(jù)信息，提高數(shù)據(jù)分析能力。

時(shí)序數(shù)據(jù)列序模式挖掘

數(shù)據(jù)挖掘技術(shù)中時(shí)序數(shù)據(jù)列序模式挖掘也是比較重要的內(nèi)容，指通過(guò)時(shí)間序列模式采集樣本，并根據(jù)時(shí)間序列進(jìn)行樣本數(shù)據(jù)的分析，從而推測(cè)數(shù)據(jù)在未來(lái)可能發(fā)生的變化狀態(tài)，對(duì)于股市走向、股價(jià)變動(dòng)預(yù)測(cè)具有重要的意義。

確定挖掘?qū)ο?/p>

確定挖掘?qū)ο笫菙?shù)據(jù)挖掘技術(shù)的首要任務(wù)。數(shù)據(jù)挖掘技術(shù)通常作用于各類數(shù)據(jù)分析，明確數(shù)據(jù)分析的目的和意義，以此為基礎(chǔ)選定挖掘?qū)ο笫菢O為重要的內(nèi)容，數(shù)據(jù)挖掘通常需要遵循相應(yīng)的流程，由于挖掘結(jié)果具有不可預(yù)測(cè)性，因此明確的挖掘?qū)ο笸ǔＪ潜M可能保證結(jié)果科學(xué)性與合理性的重要條件。不同類別的數(shù)據(jù)挖掘在挖掘?qū)ο筮x擇中需要進(jìn)行特定的分析，比如在股票數(shù)據(jù)分析中，挖掘?qū)ο笸ǔ楣善睔v史價(jià)格、上市公司財(cái)務(wù)數(shù)據(jù)等與預(yù)測(cè)結(jié)果具有一定關(guān)聯(lián)性的數(shù)據(jù)內(nèi)容，而在實(shí)際進(jìn)行挖掘?qū)ο筮x定中，還需要技術(shù)人員結(jié)合業(yè)務(wù)領(lǐng)域、工作經(jīng)驗(yàn)等進(jìn)行綜合分析，保證挖掘的有效性。

收集數(shù)據(jù)

收集數(shù)據(jù)是數(shù)據(jù)挖掘技術(shù)應(yīng)用的重要條件，在這一過(guò)程中需要對(duì)各類相關(guān)數(shù)據(jù)進(jìn)行全面收集與合理甄別。收集數(shù)據(jù)過(guò)程并不是將所有無(wú)意義數(shù)據(jù)進(jìn)行匯總，在數(shù)據(jù)收集中需要遵循一定的規(guī)則和原則，為了保證后續(xù)數(shù)據(jù)挖掘中運(yùn)算效率的提升，應(yīng)該加強(qiáng)對(duì)無(wú)效數(shù)據(jù)的篩選和優(yōu)化，盡可能的在收集數(shù)據(jù)的階段保證數(shù)據(jù)的價(jià)值，從而提升后續(xù)挖掘效率，保證數(shù)據(jù)與目標(biāo)信息的相關(guān)性，更有效的完成數(shù)據(jù)分析工作。比如股票數(shù)據(jù)分析中，收集數(shù)據(jù)中應(yīng)該結(jié)合本次數(shù)據(jù)挖掘所采用的算法，對(duì)其相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行收集，對(duì)與本次數(shù)據(jù)挖掘相關(guān)性較低的數(shù)據(jù)進(jìn)行篩選，以便后續(xù)更高效的開(kāi)展數(shù)據(jù)挖掘工作。

數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘技術(shù)的重要流程。當(dāng)完成數(shù)據(jù)收集工作后，并不意味著可以立即將數(shù)據(jù)導(dǎo)入相應(yīng)的算法中進(jìn)行運(yùn)算，由于收集到的數(shù)據(jù)在內(nèi)容上比較復(fù)雜，格式上未必完全同意，因此還需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)行數(shù)據(jù)轉(zhuǎn)換以及錯(cuò)誤剔除等一系列工作。數(shù)據(jù)預(yù)處理是將各項(xiàng)指標(biāo)轉(zhuǎn)化為統(tǒng)一度量后，便于后續(xù)信息數(shù)據(jù)挖局的操作，在這一過(guò)程中需要將數(shù)據(jù)從高維空間轉(zhuǎn)換到低維空間，完成數(shù)據(jù)的歸一化處理，并且對(duì)錯(cuò)誤數(shù)據(jù)加以剔除，減少后續(xù)數(shù)據(jù)挖掘中的負(fù)擔(dān)，更好的提升數(shù)據(jù)挖掘的質(zhì)量。

數(shù)據(jù)挖掘

數(shù)據(jù)挖掘技術(shù)中正式進(jìn)行數(shù)據(jù)挖掘需要運(yùn)用到挖掘的有效算法。目前數(shù)據(jù)挖掘算法中，神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策樹(shù)算法、粗集法、模糊集法等，都是比較常用的操作方法。數(shù)據(jù)挖掘算法的選擇對(duì)于數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確性具有一定影響，因此在進(jìn)行數(shù)據(jù)挖掘時(shí)，需要關(guān)注對(duì)數(shù)據(jù)類型和挖掘目標(biāo)的合理分析，在特定的時(shí)候運(yùn)用特定算法解決問(wèn)題，保證數(shù)據(jù)挖掘的科學(xué)合理性。

信息解釋

信息解釋是數(shù)據(jù)挖掘流程的重要步驟。數(shù)據(jù)挖掘技術(shù)所得到的結(jié)果通常為一連串無(wú)意義的數(shù)字，只有在進(jìn)行信息解釋后，才能夠得出最終的結(jié)論，因此信息解釋工作流程必不可少。當(dāng)數(shù)據(jù)挖掘完成后，需要選擇簡(jiǎn)單、明了的圖表模式，對(duì)挖掘結(jié)果進(jìn)行展示，并且結(jié)合文字?jǐn)⑹龅确绞綄?duì)挖掘得到的數(shù)據(jù)結(jié)果進(jìn)行科學(xué)分析，提升挖掘結(jié)果的價(jià)值性。

關(guān)聯(lián)規(guī)則的應(yīng)用

關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘技術(shù)中比較常用的操作方法，能夠通過(guò)不同事物之間的關(guān)聯(lián)和依賴性分析，找尋不同特征之間的影響力，從而保證數(shù)據(jù)分析結(jié)果的準(zhǔn)確。關(guān)聯(lián)規(guī)則在股票數(shù)據(jù)分析中具有良好的應(yīng)用，通過(guò)關(guān)聯(lián)規(guī)則的利用能夠幫助投資者進(jìn)行股票相關(guān)數(shù)據(jù)的分析，輸入股票上市公司營(yíng)業(yè)總收入同比增長(zhǎng)率、上市公司總資產(chǎn)凈利率、公司負(fù)債合計(jì)、總資產(chǎn)周轉(zhuǎn)率以及經(jīng)營(yíng)活動(dòng)產(chǎn)生現(xiàn)金流等各類數(shù)據(jù)，運(yùn)用關(guān)聯(lián)規(guī)則對(duì)上述數(shù)據(jù)內(nèi)容進(jìn)行分析，探究其與股票上漲或下跌的關(guān)系，即可更好的對(duì)股票上市公司的股價(jià)走向進(jìn)行分析。在現(xiàn)實(shí)應(yīng)用中，想要確定股票上漲關(guān)聯(lián)度較高的指標(biāo)，需要對(duì)關(guān)聯(lián)規(guī)則進(jìn)行有效分析與合理應(yīng)用，由于股票上市公司數(shù)據(jù)屬于連續(xù)性變量，在挖掘關(guān)聯(lián)規(guī)則時(shí)，往往無(wú)法直接挖掘，因此需要根據(jù)相應(yīng)的規(guī)則和流程進(jìn)行數(shù)據(jù)的預(yù)處理。對(duì)上市公司財(cái)務(wù)指標(biāo)頻繁項(xiàng)集以及規(guī)則數(shù)目進(jìn)行數(shù)據(jù)收集，并且采用離散化處理方式進(jìn)行處理。去除收集數(shù)據(jù)當(dāng)中的噪聲數(shù)據(jù)、重復(fù)數(shù)據(jù)以及不完整數(shù)據(jù)等，用得到的價(jià)值屬性較高的數(shù)據(jù)開(kāi)展下一輪的深層數(shù)據(jù)挖掘分析，從而計(jì)算各類平均值。關(guān)聯(lián)規(guī)則的數(shù)據(jù)分析中，得出各項(xiàng)指標(biāo)平均值后，可以通過(guò)比較平均值與股票數(shù)據(jù)，將大于平均值和小于平均值的股票數(shù)據(jù)進(jìn)行字母轉(zhuǎn)化，并利用篩選的方式進(jìn)行漲跌劃分，從而選定上漲關(guān)聯(lián)度高的指數(shù)。在相關(guān)研究中，股票上市公司營(yíng)業(yè)總收入同比增長(zhǎng)率、上市公司總資產(chǎn)凈利率、公司負(fù)債合計(jì)等，都是與其股票漲幅相關(guān)的指數(shù)，應(yīng)該在股票數(shù)據(jù)分析中引起足夠的重視。

決策樹(shù)的應(yīng)用

決策樹(shù)是數(shù)據(jù)挖掘中常用于進(jìn)行預(yù)測(cè)模型的算法，能夠?qū)⒋罅繑?shù)據(jù)有目的分類，從而找到具有價(jià)值的信息，具有分類簡(jiǎn)便、速度快等優(yōu)勢(shì)，決策樹(shù)算法在股票數(shù)據(jù)分析中也具有良好的應(yīng)用價(jià)值。運(yùn)用決策樹(shù)算法可以對(duì)上市公司股票進(jìn)行簡(jiǎn)單快速的分類，通過(guò)漲跌值的評(píng)估分析，選擇優(yōu)質(zhì)的股票池，從而進(jìn)行投資。決策樹(shù)在快速篩選股票種類中具有良好的效果，但為了保證股票數(shù)據(jù)分析的準(zhǔn)確性和有效性，在決策樹(shù)的具體應(yīng)用中同樣需要注重算法的優(yōu)化，合理進(jìn)行股票數(shù)據(jù)集指標(biāo)特點(diǎn)的分析，進(jìn)行信息增益計(jì)算，利用信息熵以及增益值等計(jì)算結(jié)果為數(shù)據(jù)分析提供良好條件。股票數(shù)據(jù)信息熵計(jì)算一般需要根據(jù)其數(shù)據(jù)集合進(jìn)行運(yùn)算，在得出信息熵的計(jì)算結(jié)果后，然后完成信息增益值計(jì)算，而后對(duì)股票數(shù)據(jù)指數(shù)中增益值進(jìn)行比較，盡可能選擇增益值大的指數(shù)作為決策樹(shù)的根節(jié)點(diǎn)，為后續(xù)決策樹(shù)的發(fā)展奠定良好基礎(chǔ)。在同類型研究中，利用決策樹(shù)進(jìn)行上市公司股票信息增益值計(jì)算，結(jié)果顯示，信息增益值量最大的是總資產(chǎn)凈利率。因此在進(jìn)行決策樹(shù)構(gòu)建時(shí)，可以考慮將總資產(chǎn)凈利率作為根節(jié)點(diǎn)，根據(jù)其取值不同進(jìn)行子集劃分，而后完善本枝上的葉節(jié)點(diǎn)，并以其他股票指標(biāo)作為決策樹(shù)分枝，依次完成決策樹(shù)的構(gòu)建。決策樹(shù)能夠通過(guò)相對(duì)簡(jiǎn)便、快捷的方式對(duì)股票進(jìn)行分類，運(yùn)用算法的優(yōu)勢(shì)為投資者選擇優(yōu)質(zhì)股票，從而實(shí)現(xiàn)資產(chǎn)收益的優(yōu)化。

聚類算法的應(yīng)用

聚類算法也是數(shù)據(jù)挖掘技術(shù)中具有良好分類作用的一種算法，能夠根據(jù)一定的分類規(guī)則對(duì)數(shù)據(jù)進(jìn)行分類，從而實(shí)現(xiàn)對(duì)資產(chǎn)聚合構(gòu)造的優(yōu)化，更好的完成數(shù)據(jù)的分析，在股票數(shù)據(jù)分析中聚類算法的應(yīng)用效果也比較好。聚類算法是一種并沒(méi)有事先確定物體類別的分組方式，聚類算法在分類規(guī)則上更加具有自主性，可以根據(jù)自己定義的規(guī)則進(jìn)行數(shù)據(jù)特征的劃分，將不同事物根據(jù)其特征進(jìn)行分類，而后進(jìn)行數(shù)據(jù)的挖掘，在聚類算法應(yīng)用中聚類組內(nèi)的數(shù)據(jù)越接近，組間差異越明顯，其聚類結(jié)果也越準(zhǔn)確。目前比較常用的聚類算法有K均值、EM算法、DBSCAN等，在進(jìn)行股票數(shù)據(jù)分類時(shí)，通常會(huì)考慮與股票漲跌相關(guān)的財(cái)務(wù)指標(biāo)等作為分類集合。而在具體進(jìn)行如現(xiàn)金與約當(dāng)現(xiàn)金、應(yīng)收款項(xiàng)、存貨、非流動(dòng)資產(chǎn)、應(yīng)付款項(xiàng)、負(fù)債占資產(chǎn)比率等不同指標(biāo)聚類運(yùn)算時(shí)，則需要根據(jù)其財(cái)務(wù)指標(biāo)的范圍、度量單位等進(jìn)行有效研究，在保證各項(xiàng)指標(biāo)轉(zhuǎn)化為統(tǒng)一度量后，再進(jìn)行聚類劃分，這樣能夠更好的提升聚類算法的準(zhǔn)確性。聚類算法用于股票數(shù)據(jù)分析，可以通過(guò)數(shù)據(jù)標(biāo)準(zhǔn)化處理，將各類數(shù)據(jù)指標(biāo)進(jìn)行運(yùn)算，通過(guò)聚類方式的應(yīng)用讓優(yōu)質(zhì)股票聚類，從而為投資者提供更加準(zhǔn)確股票投資指導(dǎo)，提高股票預(yù)測(cè)的價(jià)值。

神經(jīng)網(wǎng)絡(luò)的應(yīng)用

神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘技術(shù)中應(yīng)用價(jià)值極高，能夠?yàn)楦黝悢?shù)據(jù)提供系統(tǒng)分析的算法類型，神經(jīng)網(wǎng)絡(luò)具有魯棒性、自組織自適應(yīng)性、并行處理以及分布式儲(chǔ)

存等優(yōu)勢(shì)，能夠幫助數(shù)據(jù)挖掘進(jìn)行分類、預(yù)測(cè)以及模識(shí)別等各種優(yōu)質(zhì)活動(dòng)。神經(jīng)網(wǎng)絡(luò)技術(shù)在股票數(shù)據(jù)分析中也具有良好的應(yīng)用效果，是現(xiàn)階段用于分析股票變化趨勢(shì)的有利條件，神經(jīng)網(wǎng)絡(luò)可以通過(guò)導(dǎo)入股票歷史價(jià)格，通過(guò)非線性變化趨勢(shì)的分析與儲(chǔ)存，對(duì)股票的未來(lái)走向進(jìn)行預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)對(duì)股票價(jià)格變化趨勢(shì)的分析是相對(duì)科學(xué)的，在利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行數(shù)據(jù)挖掘時(shí)，需要在神經(jīng)網(wǎng)絡(luò)輸入元中進(jìn)行開(kāi)盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)、成交量、成交額、移動(dòng)平均線等數(shù)據(jù)的輸入，需注意由于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析上的特點(diǎn)，在進(jìn)行原始數(shù)據(jù)輸入時(shí)，一定要注意數(shù)據(jù)的歸一化處理，完成數(shù)據(jù)預(yù)處理后再應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行分析。而通過(guò)神經(jīng)網(wǎng)絡(luò)運(yùn)算，能夠在網(wǎng)絡(luò)輸出元得到預(yù)測(cè)的股票收盤價(jià)，從而實(shí)現(xiàn)股票走勢(shì)的預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)算法中，各類分析預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型可靠性與先進(jìn)性，是保證其準(zhǔn)確性的重要條件，art模型、koholon模型、hopfield的離散模型、連續(xù)模型等都是神經(jīng)網(wǎng)絡(luò)算法中比較常見(jiàn)的類型，而在股票數(shù)據(jù)預(yù)測(cè)中，有研究選用了BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行運(yùn)算。BP神經(jīng)網(wǎng)絡(luò)是一種包含隱含層數(shù)、隱含層數(shù)單元數(shù)和其他參數(shù)的設(shè)定環(huán)節(jié)，將股票相關(guān)數(shù)據(jù)導(dǎo)入BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行運(yùn)算，并將輸出結(jié)果代入MATLAB系統(tǒng)，可利用系統(tǒng)計(jì)算其股票價(jià)格預(yù)測(cè)結(jié)果。而研究結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)在股票價(jià)格走勢(shì)預(yù)測(cè)中有良好的效果，但為了進(jìn)一步減少誤差，仍需要進(jìn)行算法的不斷優(yōu)化，提升其精度。

數(shù)據(jù)挖掘技術(shù)在各行業(yè)發(fā)展中都有較高的應(yīng)用價(jià)值，而在股票數(shù)據(jù)分析當(dāng)中也具有良好的前景。數(shù)據(jù)挖掘技術(shù)能夠?qū)善鄙鲜泄緮?shù)據(jù)進(jìn)行深挖，綜合分析其公司總資產(chǎn)凈利率、公司負(fù)債合計(jì)、總資產(chǎn)周轉(zhuǎn)率以及經(jīng)營(yíng)活動(dòng)產(chǎn)生現(xiàn)金流等各類與股票漲跌具有相關(guān)性的內(nèi)容，通過(guò)數(shù)據(jù)的處理與分析得出更加準(zhǔn)確地股票的上漲下跌情況，預(yù)測(cè)股票發(fā)展趨勢(shì)。數(shù)據(jù)挖掘技術(shù)中，關(guān)聯(lián)規(guī)則、決策樹(shù)、聚類算法以及神經(jīng)網(wǎng)絡(luò)等技術(shù)的應(yīng)用，能夠通過(guò)算法優(yōu)化，幫助進(jìn)一步提升其數(shù)據(jù)分析的準(zhǔn)確性，發(fā)揮數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)。

（重慶交通大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院）

參考文獻(xiàn)：

[1]張雪英.軟件工程中數(shù)據(jù)挖掘技術(shù)研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2022， 17（04）.

[2]薛陽(yáng).經(jīng)濟(jì)統(tǒng)計(jì)中數(shù)據(jù)挖掘技術(shù)應(yīng)用分析[J].質(zhì)量與市場(chǎng)，2022，03（03）.

[3]阿不都艾尼·阿不都肉素力.計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開(kāi)發(fā)及其應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2022，18（03）.

[4]王穎穎，晁緒耀.數(shù)據(jù)挖掘技術(shù)在股票數(shù)據(jù)分析中的應(yīng)用研究[J].科技創(chuàng)新與生產(chǎn)力，2021，25（10）.

[5]李思佳.基于Python的股票數(shù)據(jù)可視化分析——以新能源汽車行業(yè)為例[J].河北軟件職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2021， 23（03）.

[6]張鷺.大數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析中的應(yīng)用[J].輕工科技，2021，37（07）.

[7]汪欣雨.基于Apriori關(guān)聯(lián)規(guī)則的材料領(lǐng)域股票數(shù)據(jù)分析[J].全國(guó)流通經(jīng)濟(jì)，2019，20（20）.

[8]楊娜，張艷敏.基于粗糙集聚類算法的股票數(shù)據(jù)分析方法研究[J].科技經(jīng)濟(jì)市場(chǎng)，2017，11（06）.

[9]郭宇澄，許思遠(yuǎn)，魏正亞.數(shù)據(jù)挖掘技術(shù)在股票預(yù)測(cè)中的應(yīng)用探討[J].電子世界，2017，24（10）.

[10]孫曉宇，李卓然.基于線性時(shí)間序列模型對(duì)金融數(shù)據(jù)分析——以云南白藥股票數(shù)據(jù)為例[J].時(shí)代金融，2016， 20（14）.