证券大数据分析研究

• 作者: 张倩倩 林天华 祁旭阳 赵霞
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 证券大数据 数据分析 机器学习 交易监管 预测分析
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 应用开发研究
• 页码范围: 179-186
• 页数: 8页
• 分类号: TP39
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.10.032

摘要

将大数据技术与机器学习应用到证券领域,探索国内证券行业发展规律是证券行业科技创新的重要举措.介绍了证券大数据的概念,总结了大数据技术在证券领域的应用,包括交易监察、财务分析、恐慌指数分析、舆论热度分析、个性化服务、预测与量化投资等.分析了目前处理证券大数据的主要算法模型,包括交易监管算法、财务分析算法、恐慌指数分析算法、情感分析算法以及预测与量化投资算法模型.并对其中的机器学习预测算法,如支持向量机、卷积神经网络、贝叶斯神经网络、遗传算法对BP神经网络的优化等进行详细论述,对传统时序预测模型和基于机器学习的预测模型进行了优劣性对比.最后对证券领域的大数据应用进行了展望和总结,大数据技术在证券领域的应用日益广泛,采用机器学习算法对证券行情进行预测是研究方向和热点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林天华		15	42	5.0	6.0
2	张倩倩		6	1	1.0	1.0
3	祁旭阳		4	0	0.0	0.0
4	赵霞		12	31	3.0	5.0