25、数据挖掘在股票预测与雾计算负载均衡中的应用

数据挖掘在股票预测与雾计算负载均衡中的应用

一、股票市场预测

1.1 背景与现状

股票预测是一个价值数十亿美元的行业。全球有60个主要证券交易所，总市值达69万亿美元，股票几乎每天都在交易，且从一开始就可以在互联网上获取股票数据。在机器学习和数据科学出现之前，主要使用统计和技术因素来分析股市走势。如今，借助机器学习技术，准确识别股市走势成为可能，像支持向量机、随机森林、梯度提升树等机器学习技术过去已成功用于预测股票价格。

然而，目前构建的模型大多忽略了人们更多地使用互联网进行交流和表达这一事实。新闻博客、推特推文能反映买家情绪，是市场走势的先行指标。当不可预测事件发生时，如公司未达目标，现有的预测算法可能不准确，而推特分析可避免模型中的一些潜在错误。

1.2 相关研究工作

• 短期市场预测 ：使用随机森林、梯度提升树和支持向量机预测摩洛哥卡萨布兰卡证券交易所的摩洛哥电信短期市场走势，数据以10分钟为间隔收集，并采用平均减少准确率和平均减少杂质两种方法。
• 3M股票预测 ：从彭博终端获取纽约证券交易所3M股票从2008年9月1日至2013年8月11日的数据，共1471个数据点，使用16个技术特征构建预测模型，分为次日模型和长期模型，次日模型采用监督式机器学习技术，如逻辑回归、高斯判别分析、二次判别分析和支持向量机。
• 推文分析 ：分析超过7.55亿条推文，基于词典的方法关注推文中的八种基本情绪，使用神经网络和支持向量机两种主要机器学习算法，从雅虎财经获取股票价格数据，研