关联规则在股票板块联动分析中的应用

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (2): 242-245.

关联规则在股票板块联动分析中的应用

张建林，周超良

首都师范大学信息工程学院，北京 100048

出版日期:2013-01-15 发布日期:2013-01-16

Application of association rules in stock plate cointegration analysis

ZHANG Jianlin, ZHOU Chaoliang

College of Information Engineering, Capital Normal University, Beijing 100048, China

Online:2013-01-15 Published:2013-01-16

摘要/Abstract

摘要： Apriori算法是关联规则挖掘中的经典算法，针对Apriori算法的不足进行了一些改进。新算法使用垂直数据格式，并改进了产生候选项的连接方法。为了研究股票板块的联动关系，将改进算法应用于股票板块指数分析中。实验结果表明，改进算法能快速发现板块之间的联动关系，对股市分析和投资决策有一定的指导作用。

关键词: 数据挖掘, 关联规则, Apriori算法, 股票分析, 板块指数

Abstract: Apriori algorithm is a classical algorithm of association rules mining, in view of the deficiency of the Apriori algorithm some improvements are made. The new algorithm uses vertical data format, and improves the method of connecting the item to generate candidate. In order to study the stock plate cointegration phenomenon, the improved algorithm is applied to the stock plate index analysis. Experimental result shows that the improved algorithm can quickly find the corelation of the stock plate, it has a certain guiding role in the stock market analysis and investment decisions.

Key words: data mining, association rule, Apriori algorithm, stock analysis, stock plate indexes

张建林，周超良. 关联规则在股票板块联动分析中的应用[J]. 计算机工程与应用, 2013, 49(2): 242-245.

ZHANG Jianlin, ZHOU Chaoliang. Application of association rules in stock plate cointegration analysis[J]. Computer Engineering and Applications, 2013, 49(2): 242-245.

[1]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[6]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[7]	饶加旺，马荣华. 改进核密度估计的空间点密度算法[J]. 计算机工程与应用, 2021, 57(11): 260-265.
[8]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[9]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[10]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[11]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[12]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[13]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[14]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[15]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.