基于PCA的财务数据分析处理及可视化方法与实现开题报告

1. 研究目的与意义

在作数据分析处理时，涉及的样本往往包含很多测量指标，而且这些指标彼此之间往往存在 一定程度、甚至是相当高的相关性，这就使含在观测数据中的信息有一定的重叠。在运用这些指标进行具体的数据分析处理时会使问题更为复杂。主成分分析能够通过降维技术将多个指标化为少数几个综合指标，这些综合指标能够反映原始指标的绝大部分信息。而且得到的综合指标之间彼此独立, 比较原指标减少了信息的交叉，这使分析评价结果具有客观性和可确定性。

将海量信息加工成知识，提高数据利用能力成为金融知识服务的发展契机。可视化技术与知识表达有直接而密切的联系，是诠释复杂数据的重要手段。早期信息可视化形式是通过不同的符号和形状作为物理对象和抽象的陈述，并广泛应用到各领域分支。对于所收集到的数据，研究人员的重要任务之一是如何解释数据或将数据转换成易于理解的视觉效果。然而，概念的可视化表示是具有挑战性的，尤其是金融领域中的抽象概念，如何将金融领域中的概念和活动主体行为表达出来是当前金融数据可视化的重难点之一。

2. 研究内容和预期目标

研究内容：基于主成分分析的金融数据处理及可视化展示；

拟解决的关键问题：1、在哪个金融数据库平台上，选择哪些具有代表性和可分析性的金融数据？

2、能否实际成功应用主成分分析法并得出若干个具有代表性的综合指标？

3. 国内外研究现状

在大数据时代，几乎在所有研究领域中，人们都可以接触到大量复杂的信息资源。可视化有助于信息的表达，但信息超载是其面临的主要问题。一方面，人们面对 “信息爆炸”和 “数据过剩”感到束手无策; 另一方面，人们又感到 “信息贫乏”和 “数据被关在牢笼中” 。

英国人维克托迈尔舍恩伯格在《大数据时代》中指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。而哈佛大学社会学教授加里金说：“这是一场革命，庞大的数 据资源使得各个领域开始了量化进程，无论学术界、 商界还是政府，所有领域都将开始这种进程。”金融 市场更是催生了大数据，随着计算机存储和传输能力的提升，股票、外汇、衍生品等金融市场记录了以小 时、分钟，甚至是以秒为采集频率的高频或超高频数据。

4. 计划与进度安排

第一章：选题的背景和意义与国内外的可视化研究成果

1、大数据背景的介绍

2、可视化的概念、优点及国内外当前研究成果（ 可视化技术为决策者观察分析和理解数据及做出最终的决策，提供了极大的方便。）

5. 参考文献

[1]周桦,庞家任,王子悦.基于主成分分析方法的我国金融系统性风险度量研究[j].保险研究,2018(04):3-17.[2]汪霞,汪磊.基于主成分分析的省域经济增长方式评价[j].东岳论丛,2014,35(06):139-143.[3]任俊霖,李浩,伍新木,李雪松.基于主成分分析法的长江经济带省会城市水生态文明评价[j].长江流域资源与环境,2016,25(10):1537-1544.[4]周洋,侯淑婧,宗科.基于主成分分析方法的生态经济效益评价[j].统计与决策,2018,34(01):66-69.[5]张红,高帅,张洋.基于主成分分析和支持向量机的企业盈利能力预测[j].统计与决策,2016(23):174-177.[6]李连香,许迪,程先军,李晓琴,余和俊.基于分层构权主成分分析的皖北地下水水质评价研究[j].资源科学,2015,37(01):61-67.

[7]刘广,陈自郁.基于pca的高维多目标优化可视化方法[j].计算机工程,2014,40(10):192-197.

[8]顾绍红,王永生,王光霞.主成分分析模型在数据处理中的应用[j].测绘科学技术学报,2007(05):387-390.