基于時(shí)間序列算法的網(wǎng)銀交易量預(yù)測(cè)

《基于時(shí)間序列算法的網(wǎng)銀交易量預(yù)測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、東華大學(xué)學(xué)位論文基于時(shí)間序列算法的網(wǎng)銀交易量預(yù)測(cè)專(zhuān)業(yè)名稱(chēng)：計(jì)算機(jī)技術(shù)作者姓名：姜霖霖指導(dǎo)教師：孫莉；王平學(xué)校代碼：10255學(xué)號(hào)：2141583基于時(shí)間序列算法的網(wǎng)銀交易量預(yù)測(cè)E-BANKVOLUMEPREDICTIONBASEDONTIMESERIESALGORITHM學(xué)科專(zhuān)業(yè)：計(jì)算機(jī)技術(shù)作者：姜霖霖校內(nèi)導(dǎo)師：孫莉校外導(dǎo)師：王平答辯日期：2016年6月2016年4月東華大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：我恪守學(xué)術(shù)道德，崇尚嚴(yán)謹(jǐn)學(xué)風(fēng)。所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已明確注明

2、和引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品及成果的內(nèi)容。論文為本人親自撰寫(xiě)，我對(duì)所寫(xiě)的內(nèi)容負(fù)責(zé)，并完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月日東華大學(xué)學(xué)位論文版權(quán)使用授權(quán)書(shū)學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱或借閱。本人授權(quán)東華大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在年解密后適用本版權(quán)書(shū)。本學(xué)位論文屬

3、于不保密□。學(xué)位論文作者簽名：指導(dǎo)教師簽名：日期：年月日日期：年月日基于時(shí)間序列算法的網(wǎng)銀交易量預(yù)測(cè)摘要在“數(shù)據(jù)爆炸”的大數(shù)據(jù)時(shí)代，巨大的數(shù)據(jù)量，價(jià)值密度低的數(shù)據(jù)特點(diǎn)促使人們學(xué)習(xí)從龐大的數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)的技能。數(shù)據(jù)挖掘是大數(shù)據(jù)時(shí)代的產(chǎn)物，它是從龐大數(shù)據(jù)中發(fā)現(xiàn)潛在的有用信息的過(guò)程。時(shí)間序列分析是大數(shù)據(jù)分析中很常見(jiàn)的一個(gè)部分，時(shí)間序列預(yù)測(cè)又占據(jù)了十分重要的地位，它是指根據(jù)歷史數(shù)據(jù)，利用科學(xué)的方法和技術(shù)進(jìn)行合理的分析，發(fā)現(xiàn)其中的規(guī)律，最終實(shí)現(xiàn)對(duì)事物發(fā)展趨勢(shì)的評(píng)估。時(shí)間序列分析的挖掘與預(yù)測(cè)具有非常重要的現(xiàn)實(shí)意義，被廣泛運(yùn)用

4、在宏觀經(jīng)濟(jì)、企業(yè)管理等方方面面，特別是對(duì)于金融行業(yè)的發(fā)展和金融規(guī)律的研究。本文實(shí)踐基礎(chǔ)是基于浦發(fā)銀行網(wǎng)銀交易量預(yù)測(cè)項(xiàng)目。網(wǎng)銀越來(lái)越多的進(jìn)入到人們生活中，網(wǎng)銀交易成為銀行一大主要業(yè)務(wù)。每日網(wǎng)銀交易量形成一個(gè)時(shí)間序列，所以我們?cè)噲D建立合適的模型，讓經(jīng)營(yíng)者對(duì)未來(lái)的數(shù)據(jù)進(jìn)行預(yù)測(cè)并對(duì)自己的業(yè)務(wù)作出相應(yīng)調(diào)整。本文首先分析國(guó)內(nèi)外學(xué)者對(duì)時(shí)間序列的特性、分析方法以及預(yù)測(cè)進(jìn)行的相關(guān)研究，并將其最終運(yùn)用到實(shí)際項(xiàng)目中。數(shù)據(jù)由浦發(fā)銀行提供，通過(guò)預(yù)測(cè)分析的基本方法：回歸法、移動(dòng)平均法來(lái)分析浦發(fā)銀行網(wǎng)銀交易量歷史數(shù)據(jù)，從而預(yù)測(cè)2014年5月后每日網(wǎng)銀交易

5、量。取得預(yù)測(cè)結(jié)果之后，通過(guò)預(yù)測(cè)結(jié)果即數(shù)據(jù)曲線的擬合程度來(lái)判斷該系統(tǒng)的合理性和可信性，最終搭建完成時(shí)間序列預(yù)測(cè)系統(tǒng)。本文完成工作包括：（1）分析不同時(shí)間序列模型的優(yōu)缺點(diǎn)，分析時(shí)間序列、數(shù)據(jù)挖掘的發(fā)展，并闡述數(shù)據(jù)處理的一般方法進(jìn)行數(shù)據(jù)預(yù)處理，增強(qiáng)數(shù)據(jù)預(yù)測(cè)能力，優(yōu)化數(shù)據(jù)結(jié)構(gòu)和質(zhì)量，達(dá)成最終預(yù)測(cè)結(jié)果準(zhǔn)確率提升的目的。（2）分析闡述算法的用法，對(duì)時(shí)間序列經(jīng)典算法進(jìn)行綜合比較并確定合適此項(xiàng)目的時(shí)間序列預(yù)測(cè)算法。最終確定本項(xiàng)目利用Microsoft時(shí)序算法，這是使用ARIMA與ARTXP相結(jié)合的時(shí)間序列預(yù)測(cè)算法。（3）實(shí)現(xiàn)時(shí)間序列預(yù)測(cè)平臺(tái)

6、搭建與完善，實(shí)現(xiàn)網(wǎng)銀交易量分析，改變系統(tǒng)參數(shù)配置，優(yōu)化數(shù)據(jù)處理等方式，完善系統(tǒng)的使用性。關(guān)鍵詞：時(shí)間序列、預(yù)測(cè)算法、數(shù)據(jù)挖掘E-BANKVOLUMEPREDICTIONBASEDONTIMESERIESALGORITHMABSTRACTIntheageofbigdata,wehavealargeamountofdata.Butthevaluedensityofthedataislow.Itencouragespeopletoacquireusefulinformationandknowledgefromhugedata.Th

7、iseragivesbirthtotheconceptofdatamining.Dataminingisusedtoextract,analyze,fromthenoisy,andfuzzydataintheprocessofextractionofpotentiallyusefulinformation.Timeseriesanalysisisanimportantbranchofdatamining.Timeseriesforecastingistheprocessfoundingtheregularityofaseri

8、esofdataandmakingreasonableanalysis,accordingtothehistoricaldataandthecontractwithindata,usingthemethodofscienceandtechnology.Thegoaloftimeseries