基于k-means聚类的股票KDJ类指标综合分析方法

• 作者: 李娜 毛国君 邓康立
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 数据挖掘 聚类分析 股票技术分析 随机指标 k-均值算法
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 数据挖掘
• 页码范围: 12-17
• 页数: 6页
• 分类号: TP391
• 字数: 5597字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.10.003

摘要

股票技术分析是证券分析的常用手段之一,目前的股票技术分析主要存在2个问题:1)都是从某个角度进行单维度分析,投资决策有较大偏差;2)任何单一的技术指标都有其局限性,需要相互补充才能更好进行投资决策.针对这些问题,本文讨论如何利用数据挖掘技术进行股票多维度综合分析问题.首先,分析数据挖掘应用到股票分析中可以解决的问题及可能面临的挑战;其次,提出一种基于数据挖掘聚类方法的选股模型;最后,对1364只上证股票进行实证分析,形成对股票的随机指标K、D、J等的综合挖掘结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛国君	中央财经大学信息学院	12	51	4.0	7.0
2	李娜	中央财经大学信息学院	16	60	2.0	7.0
3	邓康立	中央财经大学信息学院	1	2	1.0	1.0