文件名称：数据挖掘在投资中的应用（doc格式）
文件大小：546KB
文件格式：DOC
更新时间：2012-04-28 05:34:56
数据挖掘
现有的各种预测方法，无论是分析师的研究还是常规的统计学和计量经济学模型都有其不足之处。分析师研究主观性强、工作量大；统计计量模型形式单一、可能存在过度拟合的缺点。针对这些不足之处，笔者采用数据挖掘方法进行弥补。本文首先采用Logistic回归，决策树和神经网络建立了广义线性和非线性预测模型，试图寻找未来具有较好的业绩和增长能力的上市公司，取得了较好的预测效果