股票大數據挖掘實戰

㈠ 求高手推薦學習數據挖掘的方法以及詳細的學習過程。

個人建議如下：
第一階段：掌握數據挖掘的基本概念和方法。先對數據挖掘有一個概念的認識，並掌握基本的演算法，如分類演算法、聚類演算法、協同過濾演算法等。
參考書：《數據挖掘概念和技術》（第三版）范明，孟小峰 譯著。
第二階段：掌握大數據時代下的數據挖掘和分布式處理演算法。現在已經進入大數據時代，傳統的數據挖掘演算法已經不適用於
參考書：《大數據：互聯網大規模數據挖掘和分布式處理》 王斌 譯著。
第三階段：使用Hadoop進行大數據挖掘。Hadoop裡面有一個Mahout組件，幾乎包括了所有的數據挖掘演算法，包括分類、聚類、關聯規則等。
參考書：Hadoop實戰（第二版）.陸嘉恆 著。
另外，數據挖掘是資料庫技術、人工智慧技術、機器學習技術、統計學習理論、數據可視化等一系列技術的綜合，所以，要想學好數據挖掘，這些技術也得懂的呀。
推薦入門時先看浙江大學王燦老師的數據挖掘課程，網上搜下。
期待與你一起學習數據挖掘，共同揭開數據之美。望採納。

㈡ 投機性強波動大 基金靠「大數據」炒股靠譜嗎

美國著名信息經經濟學家、人工智慧創始人赫伯特-西蒙說，在後工業時代本質是信息時代，人類社會面臨的中心問題將從如何提高生產力轉變為如何更好地利用信息來輔助決策，利用信息技術服務生產和金融創新，信息挖掘是一種信息生產和消費產業鏈，它抓取的是信息接受者的注意力。信息越豐富，就會導致注意力越匱乏。

現代社會的信息量並不匱乏，而匱乏的是我們抓取並處理信息的能力。 沃尓瑪的首席信息官羅林·福特說，每天早上醒來，我都要問自己，怎麼才能讓數據流動性更好、管理得更好、分析得更好。數據倉庫、聯機分析和人工智慧技術的發展和成熟，為商務智能成為巨大的創新性產業奠定把基礎，但真正賦予它生命的是一個產業鏈：海量數據的整理、加工和挖掘。

如何創造性地用大數據指導投資策略，國內的基金業已經在研究了。國內首隻大數據指數基金百發100自2014年10月20日正式打開銷售渠道開始，前期凈值持續增長，其令人驚艷的表現無疑為隨後而來的其他大數據金融產品起到了非常好的示範作用，並打下良好的群眾基礎。對於用戶投資而言，網路金融中心無疑可以作為一個不錯的選擇。

4月22日，基於新浪財經「大數據」的南方i100指數基金正式發售，出現了首日售罄的情形。數據顯示，當日認購總金額超過35.86億元，最終配售比例僅為27.88%。作為首款電商「大數據」指數基金，5月4日成立的博時中證淘金大數據100指數基金則創下40.75億元的首募規模。投資者對於「大數據」的熱情可見一斑。

如今，大數據似乎已經成為了互聯網+金融的最佳實戰工具，大有要引領互聯網金融2.0時代巔峰之勢。大數據指數基金前赴後繼，用戶該如何選取投資?大數據選股的可信度到底有多高?不少投資者都苦惱於此。最近也出現了一些較好的大數據指數，成為大數據新的應用亮點，如一款名為新興大數據指數產品，它的表現獨具特色。相比百發100與i100指數基金，該指數在今年的牛熊市中，收益走勢相對穩健!回撤幅度相比最小!

該指數是有優品財富管理有限公司獨立團隊研發，依託優品財富大數據資訊庫，通過大數據分析資訊、題材、個股熱度，構架多因子策略模型，得出有效的大數據因子，再結合基本面因子和市場面因子按一定權重綜合評分，選出排名在前100名的股票構成指數樣本股，並每月進行優化調整。

近些年國內A股市場上概念題材與熱點的炒作頻繁，相關個股在某一新聞資訊背景下，往往在中短期時間內有較好的市場表現。該指數主要從大規模的互聯網新聞資訊的文本相關性分析進行大數據挖掘，捕捉這種熱點、概念題材炒作帶來的投資機會。通過對歷史數據的回測結果分析，該指數的選股策略取得相對較為優異的表現，是實力的有效驗證!