1. 研究目的与意义（文献综述）
随着经济全球化和信息技术的不断发展，金融数据的生成和积累速度前所未有。它可以用于跟踪公司的业务，监控市场变化，并支持财务决策。尽管如此，快速增长的数据量远远超过了人工手动分析数据的能力，因此迫切需要采用自动化方法，切实有效地利用大量财务数据，以此来支持公司和个人进行战略规划和投资决策。
数据挖掘能够发现隐藏的模式，并预测金融市场的趋势和行为。它能够为公司创造更多机会，以便做出主动和知识驱动的决策，以获得竞争优势。数据挖掘已应用于多种金融应用，包括交易模型开发、投资选择、贷款回放、投资组合优化、欺诈检测、破产预测、房地产评估等。数据挖掘带来的竞争优势包括增加收入、降低成本以及大大提高市场响应能力和感知能力。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容与方案
本次实验设计主要突出两个模块的实现，一部分为股票数据的建模和数据分析，通过算法的应用基于股票数据做出合理的趋势预测和数据分析；另一部分就体现为数据的可视化过程，主要使用各种可视化的方法来进一步的展现数据。
需要实现的功能为：
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 研究计划与安排
2020.01.07—2020.01.12查阅参考文献，明确选题
2020.01.13—2020.02.28进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告
2020.02.29—2020.04.29需求分析，算法或系统设计，分析、比较或实现等
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 参考文献（12篇以上）
[1] 丁美琳,高语越,陈学斌. 基于大数据背景下的多层神经网络股票预测模型[j].软件,2017,38(07):118-121.
[2] 郝知远. 基于数据挖掘方法的股票预测系统[d].南京理工大学,2017.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
