1. 研究目的与意义
股票技术指标，是相对于基本分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析，衡量股价的高低。而技术分析则是透过图表或技术指标的记录，研究市场行为反应，以推测价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而来。当需要比较三年以上的财务报表时，比较分析法就变得很麻烦。于是就产生了指数趋势分析法。指数趋势分析的具体方法是：在分析连续几年的财务报表时，以其中一年的数据为基期数据(通常是以最早的年份为基期)，将基期的数据值定为100，其他各年的数据转换为基期数据的百分数，然后比较分析相对数的大小，得出有关项目的趋势。技术指标通常被用作机器学习器的高频股市趋势预测的输入。其中一个关键问题是如何确定一套具有信息性和区分性的投入指标。好的预测自然需要和投入一样多的投入，但过多的投入会导致“维度诅咒”的问题。一些技术指标在文献中被认为具有良好的鉴别能力。典型的输入集包括移动平均（MA）、指数移动平均（EMA）、相对强度指数（RSI）、相对差价（RDP）、移动平均收敛和发散（MACD）以及其他可能的度量。而目前的研究大多以预测日股价为目的，这些指标往往是根据专家经验设定在一定天数内的。到目前为止，还没有确定高频股票预测的一套合适的技术指标及其周期参数。
而特征选择可以减少特征数目，剔除不相关、冗余或噪声数据，加快数据挖掘算法的速度，提高数据挖掘算法性能。所以利用不同的特征选择算法来分析股票技术指标的指数趋势，并进行具体的比较，既可以解决一些预测局部最优、误差较大等问题，并且还可以形成一套较为科学的预测股票的技术指标，故而这个选题具有一定的现实意义。
2. 研究内容和预期目标
研究内容
通过滤波式、封装式和混合式三大类特征选择算法分析2015年到2019年沪深300指数5分钟数据，搜索出不同的特征子集，以第一年的数据为基期数据，将基期的数据值定为100，其他各年的数据转换为基期数据的百分数，然后比较分析相对数的大小，得出沪深300数据的趋势，并以此来分析预测沪深300之后的指数趋势。
拟解决的关键问题
3. 国内外研究现状
鉴于特征选择与特征提取各自的特性与优势，研究者已经开始考虑将特征提取与特征选择结合起来进行维数约简，设计基于特征提取的特征选择算法，从而得到合适的、有效的数据处理方法，目前这个方向上的主要研究仍然是以PCA和LDA为主。
Joliffe (1972,2002)提出了PV (Principal Variables)的概念，并先后提出了基于PCA的特征选择算法，即B1, B2，B3和B4算法[25,27]。其中最著名的是B2和B4算法，它将单个变量与主成分联系起来，利用特征与主成分的相关性评价原则来进行特征选择[25,26]。
McCabe (1984)根据B系列算法[28],提出MI和M3方法，使用》，(保留的PV的协方差矩阵)和221 (去除的PV的协方差矩阵)来进行PCA分析[12]。Jllffe (2001,2005)又对MeCabe算法进行了分析和改进，提出了M1*和M3*，使用部分相关性矩阵代替二，和Eai,并将算法应用在了手写字的识别上[27,30]。
4. 计划与进度安排
论文的题目：基于技术指标的指数趋势预测研究：不同特征选择算法的比较
文献综述：查找相关文献，了解国内外的研究情况，对特征选择算法以及股票技术指标的指数趋势有一定的掌握；
叙述概念：股票的技术指标：股票技术指标，是相对于基本分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析，衡量股价的高低。而技术分析则是透过图表或技术指标的记录，研究市场行为反应，以推测价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而来。
5. 参考文献
[1]项睿,吴华玲,李琳,张立.基于K-Means聚类算法的股票技术指标分析[J].电脑编程技巧与维护,2019(12):4-7.
[2]刘利. 基于技术指标的量化选股实证研究[D].对外经济贸易大学,2019.
[3]Zhang Jixiong,Xiong Yanmei,Min Shungeng. A new hybrid filter/wrapper algorithm for feature selection in classification.[J]. Analytica chimica acta,2019,1080.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
