1. 股票數據挖掘的演算法有那些最好給些應用的例子。
給我你的郵箱 我發給你
2. 數據挖掘在教育方面的應用
我知道的典型應用是： 主動招生，而不是現在這樣的被動方式（等學生填寫志願）的方式。
3. 大數據可以應用在哪些行業
1）第一大類是互聯網和營銷行業。
互聯網行業是離消費者距離最近的行業，同時擁有大量實時產生的數據。業務數據化是其企業運營的基本要素，因此，互聯網行業的大數據應用的程度是最高的。與互聯網行業相伴的營銷行業，是圍繞著互聯網用戶行為分析，以為消費者提供個性化營銷服務為主要目標的行業。
2）第二大類是信息化水平比較高的行業。
如金融、電信等行業。它們比較早地進行信息化建設，內部業務系統的信息化相對比較完善，對內部數據有大量的歷史積累，並且有一些深層次的分析類應用，目前正處於將內外部數據結合起來共同為業務服務的階段。
3）第三類是政府及公用事業行業。
不同部門的信息化程度和數據化程度差異較大，例如，交通行業目前已經有了不少大數據應用案例，但有些行業還處在數據採集和積累階段。政府將會是未來整個大數據產業快速發展的關鍵，通過政府及公用數據開放可以使政府數據在線化走得更快，從而激發大數據應用的大發展。
4）第四類是製造業、物流、醫療、農業等行業。
它們的大數據應用水平還處在初級階段，但未來消費者驅動的 C2B 模式會倒逼著這些行業的大數據應用進程逐步加快。
4. 金融行業有哪些領域需要運用數據分析
您好，我也是金融行業的，之前在做數據採集和分析的時候也是找了很多方法，後來是找的前嗅，他們公司自己的數據分析系統，還是很好用的，你不妨試試，他是從幾方面給我分析的：
1.宏觀經濟分析：國內外宏觀經濟數據分析、政策走勢分析、經濟形勢分析。
2.證券數據分析：通過建立數據模型，分析股票指數數據，預測股票走勢。
3.財務報表分析：通過建立分析模型，分析財務狀況，關聯公司之間的經濟往來情況。
4.投資項目評估：多維度分析投資項目，通過數據進行投資決策支持，減少投資風險。
希望對你有用。
5. 請問加權平均法在股價指數中的詳細應用
加權股價平均法：
加權股價平均數是根據各種樣本股票的相對重要性進行加權平均計算的股價平均數，其權數(Q) 可以是成交股數、股票總市值、股票發行量等。
股票指數的計算
股票指數是反映不同時點上股價變動情況的相對指標。通常是將報告期的股票價格與定的基期價格相比，並將兩者的比值乘以基期的指數值，即為該報告期的股票指數。股票指數的計算方法有三種：一是相對法，二是綜合法，三是加權法。
(1)相對法
相對法又稱平均法，就是先計算各樣本股票指數。再加總求總的算術平均數。其計算公式為：
股票指數＝n個樣本股票指數之和/n 英國的《經濟學人》普通股票指數就使用這種計演算法。
(2)綜合法
綜合法是先將樣本股票的基期和報告期價格分別加總，然後相比求出股票指數。即：
股票指數＝報告期股價之和/基期股價之和
代入數字得：
股價指數＝(8＋12＋14＋18)/(5＋8＋10＋15) ＝ 52/38＝136.8%
即報告期的股價比基期上升了36.8%。
從平均法和綜合法計算股票指數來看，兩者都未考慮到由各種采樣股票的發行量和交易量的不相同，而對整個股市股價的影響不一樣等因素，因此，計算出來的指數亦不夠准確。為使股票指數計算精確，則需要加入權數，這個權數可以是交易量，亦可以是發行量。
(3)加權法
加權股票指數是根據各期樣本股票的相對重要性予以加權，其權數可以是成交股數、股票發行量等。按時間劃分，權數可以是基期權數，也可以是報告期權數。以基期成交股數(或發行量)為權數的指數稱為拉斯拜爾指數；以報告期成交股數(或發行量)為權數的指數稱為派許指數。
拉斯拜爾指數偏重基期成交股數(或發行量)，而派許指數則偏重報告期的成交股數(或發行量)。目前世界上大多數股票指數都是派許指數。
世界上幾種著名的股票指數
道·瓊斯股票指數
道·瓊斯股票指數是世界上歷史最為悠久的股票指數，它的全稱為股票價格平均數。它是在1884年由道·瓊斯公司的創始人查理斯·道開始編制的。其最初的道·瓊斯股票價格平均指數是根據11種具有代表性的鐵路公司的股票，採用算術平均漢r /> ??出當天的股票價格指數。
由於恆生股票價格指數所選擇的基期適當，因此，不論股票市場狂升或猛跌，還是處於正常交易水平，恆生股票價格指數基本上能反映整個股市的活動情況。
自1969年恆生股票價格指數發表以來，已經過多次調整。由於1980年8月香港當局通過立法，將香港證券交易所、遠東交易所、金銀證券交易所和九龍證券所合並為香港聯合證券交易所，在目前的香港股票市場上，只有恆生股票價格指數與新產生的香港指數並存，香港的其他股票價格指數均不復存在。
6. 統計學在股票中的應用有那些方面
股票價格指數(以下有時簡稱股價指數)是我們統計學里指數中的一種。它反映一定時期內某一證券市場上股票價格的綜合變動方向和程度的動態相對數。由於政治經濟，市場及心理等各種因素的影響，每種股票的價格均處於不斷變動之中；而市場上每時每刻都有許多股票在進行交易。為了從眾多個別股票紛繁復雜的價格變動中判斷和把握整個股票市場的價格變動水平與變動趨勢，美國道.瓊斯公司的創始人之一查爾斯.亨利.道第一個提出了平均股票價格指數作為衡量尺度，這就是久負盛名的道.瓊斯平均股價指數。如今，世界各國的股價市場幾乎都編有股票價格指數，較有影響的除道.瓊斯指數以外，還有美國的標准.普爾股價指數(有時記為S&P500指數)、紐約證券交易所票價指數，英國的《金融時報》股價指數、日本的經濟新聞社道氏平均股價指數以及香港的恆生指數等。股價指數可以為投資者和分析家研究，判斷股市動態提供信息。它不僅反映股票市場行情變動的重要指標，而且是觀測經濟形勢和周期狀況參考指標，被視為股市行情的「指示器」和經濟景氣變化的「晴雨表」。在我國大陸，主要有上證指數和深證指數。
編制股票價格指數的意義在於
(1)綜合反映股票市場股票價格的變動方向和變動程度。(2)據此進行因素分析，分析各種股價對股票市場股價總水平的影響程度。(3)分析股價長期內的變動趨勢。(4)在宏觀上，股指可以預測國民經濟景氣情況和企業經營業績。
(一)股票價格指數的一般概念
1.股價平均數：它是用來反映多種股票價格變動的一般水平。股票價格平均數由證券交易所、金融服務公司、銀行或新聞機構編制的，用以反映證券市場股票價格行市變動的一種價格平均數。
由於股票市場上各上市公司股票價格變動的方向和幅度不可能一致，為了衡量由各種股票共同組成的大市整體價格水平和整個市場總體變動方向，一些組織開始編制了股票價格平均數。1981年6月，「道.瓊斯公司」的共同創立者之一——查爾斯.亨利.道在《客戶午後通訊》上首先發表了一組後來被稱為「道.瓊斯工業股股票價格平均數」，是世界上最早的股票價格平均數，一般計算步驟是：先選定一些有代表性的樣本公司，再通過簡單算術平均法，以這些公司股票收盤價之和除以樣本公司數得出。計算公式為：
P=(ΣPi)／N
其中，P代表股票價格平均數，N代表樣本公司個數，Pi代表第i家公司股票計算期的收盤價。
2.基期：指在編制股票價格指數時，被確定作為對比基礎的時期。這個時期可以是某一日，也可以是某一年或若干年。例如，義大利商業銀行股票價格指數基期是一年，即以某一年全年股票價格平均數作為對比的基礎；標准.普爾500種和400種工業股股價指數則以1941—1943年為基期。通常較多採用以某一日作為計算基期。由於股票價格指數是由現期水平同基期水平相比較得出，因此，基期的選擇對指數絕對數大小具有重要影響。影響股票價格指數絕對水平大小的另一個重要因素是基數。
3.基數：指股票價格指數在基期的數值。在大多數國家中，基數都定為100，也有定為10(如標准.普爾500種股票價格指數)、50(如紐約證券交易所綜合股價指數)，還有的定為500(如澳大利亞證券交易所有普通股股價指數)、1000(如香港遠東指數，加拿大多倫多300種股票價格綜合指數)等。基數有大小，對股票價格指數絕對數大小有重要影響。
4.點：是股票價格指數的計算單位，在採用股票價格平均數和股票價格指數衡量股市行情變動的情況下，作為計算單位的「點」具有不同含義。在前一情況下，「點」代表的是平均水平的價格單位，是一個金額概念，同貨幣單位(如元)在類似的含義上運用，如平均價格指數為150點，即意味著市場上股票價格的平均水平為150元。在後一情況下，「點」反映的是計算期價格水平相對於基期價格水平變動的幅度，是指「百分點」(或「千分點」等)的意思，一般不能直接同金額概念等同起來，如基期指數定為100點，計算期指數為150點，即意味著計算期股票價格水平是基期水平的150%。但無論在任何場合，「點」總是衡量股票價格行情起落變動的尺度。由於世界各國的股票市場都編制有若干不同的股票價格指數，其選定的基期、確定的基數不同，尤其是計算方法的差異，針對不同股票市場的股票價格指數，與同一股票市場的不同股票價格指數，在絕對數上並沒有可比性。但是隨著資本主義經濟一體化趨勢的加強，各國不同股票價格指數變動趨勢在一定程度上具有了「聯運性」，這一點尤其是在1987年10月的世界股市崩潰時得到了印證。
7. 大數據指數目前有哪些典型應用
博時基金指慧家就是一個典型的大數據指數應用產品，綜合大數據因子、財務價值因子、市場驅動因子，精選出最具投資價值的個股組合編製成指數。
「指慧家」的大數據指數覆蓋面非常廣，覆蓋衣、食、住、行、娛、醫等全市場行業，涵蓋互聯網電商、線下消費、社交金融、房地產交易等領域。博時基金優選合作夥伴，螞蟻金服、銀聯、雪球、搜房網等都是各自領域中的龍頭企業，擁有具有行業代表性的大數據。
8. 你好！我就想寫個數據挖掘在某方面的應用（比如說從招投標文件里獲取有用信息），就這樣的論文，
我做的是分類、聚類以及一些和模式識別相關的——比如車牌識別、圖像顏色自動處理等等。相對費腦子。但是也有一些和資料庫之類的相關吧。
估計你的方向 就應該比較傾向於數據挖掘裡面的分類聚類了。還好吧，矩陣和概率懂一些，相對容易一些
9. 數據挖掘在若干特定領域的應用
數據挖掘在很廣的領域都有應用，政府，犯罪，經濟，商業，科學研究上。比如美國用數據挖掘研究犯罪的特徵和犯罪可能發生的地區，稅務局用數據挖掘技術預測逃稅對象。