1. 研究目的与意义（文献综述）

随着中国资本市场的迅速发展和居民收入水平的较大提高,越来越多的人参与到股票市场的投资中,希望能够实现财富的保值和增值。

虽然股票是一个可能带来高回报的投资品种,但是同时它又是高风险的,其时刻变化不定的价格,让投资者感受到这个市场的复杂性,所以他们迫切需要一种理论来解释价格变动的原因,并需要一种科学的预测方法来指导投资,从而规避风险,获得较好的投资回报。

股票价格的预测是一个世界性难题,但这项研究蕴含着巨大的潜在经济利益,所以吸引着全球许多的学者专家来对其进行研究。

2. 研究的基本内容与方案

近年来，数据挖掘技术的迅猛发展，为股票市场的建模与预测提供了新的技术和方法。本次毕业设计的主要内容是基于数据挖掘技术中时间序列分析的相关算法，结合股票短期走势的潜在规律，从数据清洗、算法建模和结果可视化等几个方面设计一个股票短期走势预测系统。

时间序列预测是通过分析过去股票价格的回报来预测未来的股票价格。可用于短期、中期和长期预测。根据对资料分析方法的不同，又可分为：简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法等。

时间序列的变化大体可分解为以下四种：

3. 研究计划与安排

(1)2019/1/19—2019/2/28：查阅文献，外文翻译和撰写开题报告；

(2)2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；

4. 参考文献（12篇以上）

[1] saad e w, prokhorov d v, wunsch d c. comparative study of stock trend prediction using time delay, recurrent and probabilistic neural networks[j]. neural networks, ieee transactions on, 1998, 9(6): 1456-1470.

[2] lin x, yang z, song y. short-term stock price prediction based on echo state networks[j]. expert systems with applications, 2009, 36(3): 7313-7317.