文 献 综 述 摘要 作为海量数据的处理方法,数据挖掘从诞生起就和股票市场有着密不可分的联系。

证券行业更是在信息化迅速发展的前提下成长起来的,很多业务都需要依赖对大量历史数据的分析,从中挖掘出有价值的信息。

本文主要分析了国内外对于证券行业股票的研究成果，探讨处理大量数据的数据挖掘方法，深度学习利用数据，建立恰当模型分析数据特征，进行股票行业的投资预测。

关键词 数据挖掘 股票分析 时间序列分析 深度学习 背景简介 我国的股票市场，已经成为市场经济的重要组成部分，股票投资俨然成为人们进行投资理财的主要方式之一。

对于股民来说，他们最关心的问题就是如何选择投资股票的种类以及如何确定何时进行投资获取的收益最大。

时间序列分析（time series analysis）是量化投资中的一门基本技术。

时间序列是指在一定时间内按时间顺序测量的某个变量的取值序列。

比如变量是股票价格，那么它随时间的变化就是一个时间序列；同样的，如果变量是股票的收益率，则它随时间的变化也是一个时间序列。

时间序列分析就是使用统计的手段对这个序列的过去进行分析，以此对该变量的变化特性建模、并对未来进行预测。

时间序列分析试图通过研究过去来预测未来。