数据采集的股票分析预测系统设计与实现(源码)【字数：12264】
摘 要随着计算机网络的高速发展，股票等金融资产在网络上交易变的十分简单，股票的交易产生的海量的数据对我们研究分析走势及行情显得尤为重要，人们需要准确且高效采集大量数据并从中提取有价值的情报。本文主要是基于Python语言进行网络爬虫与数据分析，使用Python爬虫技术对新浪财经提供的中国A股行情交易股数据进行多进程数据采集，多进程数据采集非常稳定并且提高了程序的采集效率，每个进程都有自己的独立的存储空间能够充分利用多核CPU资源。数据采集的结果存储到关系型数据库管理系统mysql中进行优化，借用sklearn框架中LinearRegression算法进行数据的分类、回归和预处理，引用sklearn中算法进行聚类降维分析，通过对A股数据的分析得到预定结果集，算法分析后的结果回传到服务器上进行网页可视化展示。基于数据采集的股票分析预测系统可以理性的预测基本个股的涨跌波动情况，一是可以为相关职能部门监管股票市场提供帮助，发现市场过度的投机行为，二是可以为普通投资者进行理性投资分析，成为辅助投资者参与股市投资的工具。
Keywords: Data acquisition, Data storage, Data analysis, Visual display, Sklearn framework 目 录
第1章 前言 1
1.1课题背景 1
1.2课题研究现状 1
1.2.1国外研究现状 1
1.2.2国内研究现状 2
1.3研究的目的和意义 3
1.3.1研究目的 3
1.3.2研究意义 3
1.4本文组织结构 3
第2章 基于数据采集的股票分析预测系统的相关技术 5
2.1数据采集技术简介 5
2.2MySQL数据库存储技术简介 5
2.3Python算法分析技术简介 6
2.4可视化技术简介 6
第3章 基于数据采集的股票分析预测系统的需求分析 8
3.1开发的可行性研究 8
3.1.1技术可行性分析 8
3.1.2运行可行性分析 9 *好棒文|www.hbsrm.com +Q: ￥351916072￥
3.1.3操作可行性分析 9
3.2系统的综合需求 10
第4章 基于数据采集的股票分析预测系统的设计 12
4.1系统的结构框架 12
4.2系统的主要结构模型 13
4.2.1数据采集模块 13
4.2.2数据分析模块 14
4.2.3数据存储模块 14
4.2.4可视化模块 15
第5章 基于数据采集的股票分析预测系统的实现 17
5.1数据采集模块 17
5.1.1多进程框架模块 17
5.1.2数据采集模块 19
5.1.3数据写入模块 20
5.2数据分析模块 21
5.2.1 sklearn分析算法 21
5.2.2 算法引用 22
5.3数据存储模块 22
5.3.1数据增删改查操作 22
5.3.2数据库配置 26
5.3.3数据读写模块引用方法 27
5.4可视化展示模块 27
5.4.1Tornado服务器端 27
5.4.2网页端 28
第6章 基于数据采集的股票分析预测系统的测试 29
6.1采集模块测试 29
6.2分析模块测试 31
6.3可视化模块 31
第7章 总结与展望 32
7.1总结 32
7.2展望 32
附 录 33
参考文献 34
致 谢 36
第1章 前言
1.1课题背景
随着经济发展，越来越多的人参与到股票市场的交易中，股票交易具有很高的风险，普通投资者无法根据有限的信息做出合理化的操作。市场中大多数的股票分析软件使用过程比较复杂，收费昂贵，预测的结果远远不能满足投资者对个股投资的要求。当然股票市场的数据是实时变化的，准确预测股票的涨跌是不现实的，股票的影响的因素不仅是国家政策、投资环境、甚至投资者的心态也会影响到股票，由于众多的不确定因素的影响[1]，股票的传统分析是基于一定条件下的历史假设，与股票的实际情况不符，往往在无形中增加了人为的因素，传统分析的结果往往不能满足投资者实时变化的交易状态，因此股票数据的分析应该是符合发展的潮流，分析研究股票要引进新的技术方法。
在计算机网络高速发展的时代，现在计算机的高速运算能力对于股票市场海量的数据分析提供了帮助，面对大量的实时股票数据信息，我们必须使用计算机自动化来抓取相关数据，才能满足用户提取信息的要求，人们只需要选取合适的数据源，选取合适的分析方法就能提取大量有用的信息。。
本次设计是结合现在主流的网络数据自动采集技术来实现股票分析预测。网络数据采集是按照设定的的规则自动的从网站后台提取相关有用的信息，这种技术的应用明显降低了人们索取信息的难度，基于数据采集人们可以得到很多有用数据，数据就是资源[2]。数据分析过程是根据预先设定的算法将数据持续不断的输入、输出的过程，分析得到的数据进行存储展示，根据数据分析的结果对投资者投资决策进行科学高效的辅助，更大程度避免了主观因素造成对行情的误判等。
1.2课题研究现状
1.2.1国外研究现状
股票距今已经有400年历史，国外进行股票交易时间比较早，资本市场的发展的速度更快一些，数据采集为股票分析预测提供了新的研究方法，国外的很多学者也是通过数据采集对原始数据进行分析处理，充分的挖掘隐藏在交易数据之后的规则，通过对数据的分析来辅助投资者进行理性投资。
Keywords: Data acquisition, Data storage, Data analysis, Visual display, Sklearn framework 目 录
第1章 前言 1
1.1课题背景 1
1.2课题研究现状 1
1.2.1国外研究现状 1
1.2.2国内研究现状 2
1.3研究的目的和意义 3
1.3.1研究目的 3
1.3.2研究意义 3
1.4本文组织结构 3
第2章 基于数据采集的股票分析预测系统的相关技术 5
2.1数据采集技术简介 5
2.2MySQL数据库存储技术简介 5
2.3Python算法分析技术简介 6
2.4可视化技术简介 6
第3章 基于数据采集的股票分析预测系统的需求分析 8
3.1开发的可行性研究 8
3.1.1技术可行性分析 8
3.1.2运行可行性分析 9 *好棒文|www.hbsrm.com +Q: ￥351916072￥
3.1.3操作可行性分析 9
3.2系统的综合需求 10
第4章 基于数据采集的股票分析预测系统的设计 12
4.1系统的结构框架 12
4.2系统的主要结构模型 13
4.2.1数据采集模块 13
4.2.2数据分析模块 14
4.2.3数据存储模块 14
4.2.4可视化模块 15
第5章 基于数据采集的股票分析预测系统的实现 17
5.1数据采集模块 17
5.1.1多进程框架模块 17
5.1.2数据采集模块 19
5.1.3数据写入模块 20
5.2数据分析模块 21
5.2.1 sklearn分析算法 21
5.2.2 算法引用 22
5.3数据存储模块 22
5.3.1数据增删改查操作 22
5.3.2数据库配置 26
5.3.3数据读写模块引用方法 27
5.4可视化展示模块 27
5.4.1Tornado服务器端 27
5.4.2网页端 28
第6章 基于数据采集的股票分析预测系统的测试 29
6.1采集模块测试 29
6.2分析模块测试 31
6.3可视化模块 31
第7章 总结与展望 32
7.1总结 32
7.2展望 32
附 录 33
参考文献 34
致 谢 36
第1章 前言
1.1课题背景
随着经济发展，越来越多的人参与到股票市场的交易中，股票交易具有很高的风险，普通投资者无法根据有限的信息做出合理化的操作。市场中大多数的股票分析软件使用过程比较复杂，收费昂贵，预测的结果远远不能满足投资者对个股投资的要求。当然股票市场的数据是实时变化的，准确预测股票的涨跌是不现实的，股票的影响的因素不仅是国家政策、投资环境、甚至投资者的心态也会影响到股票，由于众多的不确定因素的影响[1]，股票的传统分析是基于一定条件下的历史假设，与股票的实际情况不符，往往在无形中增加了人为的因素，传统分析的结果往往不能满足投资者实时变化的交易状态，因此股票数据的分析应该是符合发展的潮流，分析研究股票要引进新的技术方法。
在计算机网络高速发展的时代，现在计算机的高速运算能力对于股票市场海量的数据分析提供了帮助，面对大量的实时股票数据信息，我们必须使用计算机自动化来抓取相关数据，才能满足用户提取信息的要求，人们只需要选取合适的数据源，选取合适的分析方法就能提取大量有用的信息。。
本次设计是结合现在主流的网络数据自动采集技术来实现股票分析预测。网络数据采集是按照设定的的规则自动的从网站后台提取相关有用的信息，这种技术的应用明显降低了人们索取信息的难度，基于数据采集人们可以得到很多有用数据，数据就是资源[2]。数据分析过程是根据预先设定的算法将数据持续不断的输入、输出的过程，分析得到的数据进行存储展示，根据数据分析的结果对投资者投资决策进行科学高效的辅助，更大程度避免了主观因素造成对行情的误判等。
1.2课题研究现状
1.2.1国外研究现状
股票距今已经有400年历史，国外进行股票交易时间比较早，资本市场的发展的速度更快一些，数据采集为股票分析预测提供了新的研究方法，国外的很多学者也是通过数据采集对原始数据进行分析处理，充分的挖掘隐藏在交易数据之后的规则，通过对数据的分析来辅助投资者进行理性投资。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/192.html
