1. 股票数据挖掘的算法有那些最好给些应用的例子。
给我你的邮箱 我发给你
2. 数据挖掘在教育方面的应用
我知道的典型应用是： 主动招生，而不是现在这样的被动方式（等学生填写志愿）的方式。
3. 大数据可以应用在哪些行业
1）第一大类是互联网和营销行业。
互联网行业是离消费者距离最近的行业，同时拥有大量实时产生的数据。业务数据化是其企业运营的基本要素，因此，互联网行业的大数据应用的程度是最高的。与互联网行业相伴的营销行业，是围绕着互联网用户行为分析，以为消费者提供个性化营销服务为主要目标的行业。
2）第二大类是信息化水平比较高的行业。
如金融、电信等行业。它们比较早地进行信息化建设，内部业务系统的信息化相对比较完善，对内部数据有大量的历史积累，并且有一些深层次的分析类应用，目前正处于将内外部数据结合起来共同为业务服务的阶段。
3）第三类是政府及公用事业行业。
不同部门的信息化程度和数据化程度差异较大，例如，交通行业目前已经有了不少大数据应用案例，但有些行业还处在数据采集和积累阶段。政府将会是未来整个大数据产业快速发展的关键，通过政府及公用数据开放可以使政府数据在线化走得更快，从而激发大数据应用的大发展。
4）第四类是制造业、物流、医疗、农业等行业。
它们的大数据应用水平还处在初级阶段，但未来消费者驱动的 C2B 模式会倒逼着这些行业的大数据应用进程逐步加快。
4. 金融行业有哪些领域需要运用数据分析
您好，我也是金融行业的，之前在做数据采集和分析的时候也是找了很多方法，后来是找的前嗅，他们公司自己的数据分析系统，还是很好用的，你不妨试试，他是从几方面给我分析的：
1.宏观经济分析：国内外宏观经济数据分析、政策走势分析、经济形势分析。
2.证券数据分析：通过建立数据模型，分析股票指数数据，预测股票走势。
3.财务报表分析：通过建立分析模型，分析财务状况，关联公司之间的经济往来情况。
4.投资项目评估：多维度分析投资项目，通过数据进行投资决策支持，减少投资风险。
希望对你有用。
5. 请问加权平均法在股价指数中的详细应用
加权股价平均法：
加权股价平均数是根据各种样本股票的相对重要性进行加权平均计算的股价平均数，其权数(Q) 可以是成交股数、股票总市值、股票发行量等。
股票指数的计算
股票指数是反映不同时点上股价变动情况的相对指标。通常是将报告期的股票价格与定的基期价格相比，并将两者的比值乘以基期的指数值，即为该报告期的股票指数。股票指数的计算方法有三种：一是相对法，二是综合法，三是加权法。
(1)相对法
相对法又称平均法，就是先计算各样本股票指数。再加总求总的算术平均数。其计算公式为：
股票指数＝n个样本股票指数之和/n 英国的《经济学人》普通股票指数就使用这种计算法。
(2)综合法
综合法是先将样本股票的基期和报告期价格分别加总，然后相比求出股票指数。即：
股票指数＝报告期股价之和/基期股价之和
代入数字得：
股价指数＝(8＋12＋14＋18)/(5＋8＋10＋15) ＝ 52/38＝136.8%
即报告期的股价比基期上升了36.8%。
从平均法和综合法计算股票指数来看，两者都未考虑到由各种采样股票的发行量和交易量的不相同，而对整个股市股价的影响不一样等因素，因此，计算出来的指数亦不够准确。为使股票指数计算精确，则需要加入权数，这个权数可以是交易量，亦可以是发行量。
(3)加权法
加权股票指数是根据各期样本股票的相对重要性予以加权，其权数可以是成交股数、股票发行量等。按时间划分，权数可以是基期权数，也可以是报告期权数。以基期成交股数(或发行量)为权数的指数称为拉斯拜尔指数；以报告期成交股数(或发行量)为权数的指数称为派许指数。
拉斯拜尔指数偏重基期成交股数(或发行量)，而派许指数则偏重报告期的成交股数(或发行量)。目前世界上大多数股票指数都是派许指数。
世界上几种著名的股票指数
道·琼斯股票指数
道·琼斯股票指数是世界上历史最为悠久的股票指数，它的全称为股票价格平均数。它是在1884年由道·琼斯公司的创始人查理斯·道开始编制的。其最初的道·琼斯股票价格平均指数是根据11种具有代表性的铁路公司的股票，采用算术平均汉r /> ??出当天的股票价格指数。
由于恒生股票价格指数所选择的基期适当，因此，不论股票市场狂升或猛跌，还是处于正常交易水平，恒生股票价格指数基本上能反映整个股市的活动情况。
自1969年恒生股票价格指数发表以来，已经过多次调整。由于1980年8月香港当局通过立法，将香港证券交易所、远东交易所、金银证券交易所和九龙证券所合并为香港联合证券交易所，在目前的香港股票市场上，只有恒生股票价格指数与新产生的香港指数并存，香港的其他股票价格指数均不复存在。
6. 统计学在股票中的应用有那些方面
股票价格指数(以下有时简称股价指数)是我们统计学里指数中的一种。它反映一定时期内某一证券市场上股票价格的综合变动方向和程度的动态相对数。由于政治经济，市场及心理等各种因素的影响，每种股票的价格均处于不断变动之中；而市场上每时每刻都有许多股票在进行交易。为了从众多个别股票纷繁复杂的价格变动中判断和把握整个股票市场的价格变动水平与变动趋势，美国道.琼斯公司的创始人之一查尔斯.亨利.道第一个提出了平均股票价格指数作为衡量尺度，这就是久负盛名的道.琼斯平均股价指数。如今，世界各国的股价市场几乎都编有股票价格指数，较有影响的除道.琼斯指数以外，还有美国的标准.普尔股价指数(有时记为S&P500指数)、纽约证券交易所票价指数，英国的《金融时报》股价指数、日本的经济新闻社道氏平均股价指数以及香港的恒生指数等。股价指数可以为投资者和分析家研究，判断股市动态提供信息。它不仅反映股票市场行情变动的重要指标，而且是观测经济形势和周期状况参考指标，被视为股市行情的“指示器”和经济景气变化的“晴雨表”。在我国大陆，主要有上证指数和深证指数。
编制股票价格指数的意义在于
(1)综合反映股票市场股票价格的变动方向和变动程度。(2)据此进行因素分析，分析各种股价对股票市场股价总水平的影响程度。(3)分析股价长期内的变动趋势。(4)在宏观上，股指可以预测国民经济景气情况和企业经营业绩。
(一)股票价格指数的一般概念
1.股价平均数：它是用来反映多种股票价格变动的一般水平。股票价格平均数由证券交易所、金融服务公司、银行或新闻机构编制的，用以反映证券市场股票价格行市变动的一种价格平均数。
由于股票市场上各上市公司股票价格变动的方向和幅度不可能一致，为了衡量由各种股票共同组成的大市整体价格水平和整个市场总体变动方向，一些组织开始编制了股票价格平均数。1981年6月，“道.琼斯公司”的共同创立者之一——查尔斯.亨利.道在《客户午后通讯》上首先发表了一组后来被称为“道.琼斯工业股股票价格平均数”，是世界上最早的股票价格平均数，一般计算步骤是：先选定一些有代表性的样本公司，再通过简单算术平均法，以这些公司股票收盘价之和除以样本公司数得出。计算公式为：
P=(ΣPi)／N
其中，P代表股票价格平均数，N代表样本公司个数，Pi代表第i家公司股票计算期的收盘价。
2.基期：指在编制股票价格指数时，被确定作为对比基础的时期。这个时期可以是某一日，也可以是某一年或若干年。例如，意大利商业银行股票价格指数基期是一年，即以某一年全年股票价格平均数作为对比的基础；标准.普尔500种和400种工业股股价指数则以1941—1943年为基期。通常较多采用以某一日作为计算基期。由于股票价格指数是由现期水平同基期水平相比较得出，因此，基期的选择对指数绝对数大小具有重要影响。影响股票价格指数绝对水平大小的另一个重要因素是基数。
3.基数：指股票价格指数在基期的数值。在大多数国家中，基数都定为100，也有定为10(如标准.普尔500种股票价格指数)、50(如纽约证券交易所综合股价指数)，还有的定为500(如澳大利亚证券交易所有普通股股价指数)、1000(如香港远东指数，加拿大多伦多300种股票价格综合指数)等。基数有大小，对股票价格指数绝对数大小有重要影响。
4.点：是股票价格指数的计算单位，在采用股票价格平均数和股票价格指数衡量股市行情变动的情况下，作为计算单位的“点”具有不同含义。在前一情况下，“点”代表的是平均水平的价格单位，是一个金额概念，同货币单位(如元)在类似的含义上运用，如平均价格指数为150点，即意味着市场上股票价格的平均水平为150元。在后一情况下，“点”反映的是计算期价格水平相对于基期价格水平变动的幅度，是指“百分点”(或“千分点”等)的意思，一般不能直接同金额概念等同起来，如基期指数定为100点，计算期指数为150点，即意味着计算期股票价格水平是基期水平的150%。但无论在任何场合，“点”总是衡量股票价格行情起落变动的尺度。由于世界各国的股票市场都编制有若干不同的股票价格指数，其选定的基期、确定的基数不同，尤其是计算方法的差异，针对不同股票市场的股票价格指数，与同一股票市场的不同股票价格指数，在绝对数上并没有可比性。但是随着资本主义经济一体化趋势的加强，各国不同股票价格指数变动趋势在一定程度上具有了“联运性”，这一点尤其是在1987年10月的世界股市崩溃时得到了印证。
7. 大数据指数目前有哪些典型应用
博时基金指慧家就是一个典型的大数据指数应用产品，综合大数据因子、财务价值因子、市场驱动因子，精选出最具投资价值的个股组合编制成指数。
“指慧家”的大数据指数覆盖面非常广，覆盖衣、食、住、行、娱、医等全市场行业，涵盖互联网电商、线下消费、社交金融、房地产交易等领域。博时基金优选合作伙伴，蚂蚁金服、银联、雪球、搜房网等都是各自领域中的龙头企业，拥有具有行业代表性的大数据。
8. 你好！我就想写个数据挖掘在某方面的应用（比如说从招投标文件里获取有用信息），就这样的论文，
我做的是分类、聚类以及一些和模式识别相关的——比如车牌识别、图像颜色自动处理等等。相对费脑子。但是也有一些和数据库之类的相关吧。
估计你的方向 就应该比较倾向于数据挖掘里面的分类聚类了。还好吧，矩阵和概率懂一些，相对容易一些
9. 数据挖掘在若干特定领域的应用
数据挖掘在很广的领域都有应用，政府，犯罪，经济，商业，科学研究上。比如美国用数据挖掘研究犯罪的特征和犯罪可能发生的地区，税务局用数据挖掘技术预测逃税对象。