摘要：如今，数据挖掘技术随着大数据时代的潮流，被广泛应用于各领域中，并在应用的领域取得了显著的成果。人工神经网络作为数据挖掘中最常见的技术之一，是一种有监督学习行为，在给定输出的情况下，能有效地解决常规数学模型无法处理的复杂的非线性问题。

人工神经网络的这一特征，使得它常和其他数学方法结合用于股市中，但传统神经网络运用梯度下降法往往会存在‘拟合过度’的问题，另外人工调参对网络准确度也有很大影响。为了避免此类问题发生，得到更加准确的股票价格预测结果，给到决策者利益最大的购买方案，我们引入极限学习机（ELM），并结合了主成分分析法和极限学习机，构成新的股票决策模型。

关键字：人工神经网络;ELM极限学习机;数据挖掘;主成分分析;股票价格预测;股票决策模型

Abstract：Today, with the trend of the era of big data, data mining technology has been widely used in various fields and has achieved remarkable results in the field of application. As one of the most common techniques in data mining, artificial neural network is supervised learning. Under the given output, it can effectively solve the complex nonlinear problems that conventional mathematical models can not handle.

This characteristic of artificial neural network makes it often used in combination with other mathematical methods in the stock market, but the traditional neural network using the gradient descent method will often have the problem of 'overfitting', and artificial neural network parameters also have a very accurate network. Great influence. In order to avoid such problems and obtain more accurate forecast of stock price, and give the decision-makers the most profitable purchase plan, we have introduced Extreme Learning Machine, combined with principal component analysis and extreme learning machine, to form a new stock decision model. 

Keywords: neural network; data mining technology; learning machine; principal component;stock

目录

1绪论 4

1.1 课题的目的和意义 4

1.1.1 研究背景 4

1.1.2研究目的和意义 5

1.2 研究现状 5

1.2.1国外研究状况 5

1.2.2国内研究状况 6

2基于主成分分析的股票投资价值模型 7

2.1 主成分分析法原理 7

2.2 主成分分析计算步骤 7

2.3 模型建立 9

2.4 结果分析 11

3神经网络概述 16

3.1神经网络原理 16

3.2 极限学习机原理 17

3.3基于极限学习机的股票价值预测应用 19

3.3.1股票数据集的介绍 20

3.3.2利用ELM神经网络算法对股票数据进行预测 20

4 总结 25

参考文献 25

1绪论

自中国改革开放后，国内经济迅猛发展，股票投资已成为各上市企业和个人投资的热门选择。那么，如何选择一支有潜力的股票，并预测其未来价格走势成为诸多企业和个体户的热门话题。投资者需要从大量股票数据、上市公司财政状况中提取、挖掘隐藏的有用信息，然而在没有任何数据挖掘技术的支持下，想要得到有价值、较为准确的结果是十分困难的。