本书围绕股票大数据挖掘技术展开，主要介绍数据挖掘的方法及其在股票大数据上的实战应用。在1~3章中首先介绍数据挖掘的基本概念、常用算法和工具、大数据炒股、股票时间序列、量化投资、股票数据的获取等；在4~10章中，每一章根据股票挖掘的不同目标，介绍相关的数据挖掘算法，同时基于对基础算法的优劣势分析，提出适用于股票场内实盘交易全景数据分析的新方法，结合新方法在股票挖掘平台上的实现对股票的操作进行实战解析。具体包括：分类方法及股票买卖点的判断；相似/相关匹配方法及股票走势的预测；动态时间规整相似股票判断与投资组合；马尔科夫模型与股票盘面强弱状态的判断；关联规则与股票间的延时涨跌联动；n-gram模型与股票的幅值组合关系；深度学习与循环滚动预测等。

本书围绕股票挖掘所构建的知识体系非常全面完善。在技术上，不仅包含了数据挖掘中常见的方法，如匹配方法、关联分析、分类、聚类、预测、时间序列分析等，还包括自然语言处理方法、深度学习方法、舆情分析方法、行为金融学心理学等方法。在数据应用上，不仅包含了对场内每笔成交数据的分析，还包括财务数据、新闻数据、股吧论坛、机构研报、用户行为等方面的分析。

前言 股票投资是为了获得更大的收益，然而由于股票市场具有较大的动态特性，股票投资的收益与风险往往成正比，投资收益越高，存在风险则越大。有效地进行股票价格的预测，最大程度地规避股票风险，增加投资收益，是股票投资者最关注的热点问题。 近年来，中国股市起起伏伏，熊冠全球，许多投资者伤痕累累，损失惨重，股市已成为大多数中国股民的伤心地。中国股市的现状是多方面因素共同作用的结果，作为普通的投资者无法改变这一现实，怨天尤人于事无补； 要想在股市中博弈，立于不败之地，只能从现实出发，从自身做起。 在股票交易事务处理中，每天有大量的交易信息数据汇入数据仓库，这些数据无疑有益于股民了解股市的走势，做出正确的投资决策，然而从海量数据中提取有用的并最终可理解的模式才是投资者们最为关心的问题。 在大数据时代，数据挖掘无疑是最炙手可热的技术。数据挖掘的作用是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。数据挖掘技术刚好解决了数据利用的问题，所以数据挖掘与股票投资便很自然地结合在一起。但数据挖掘在国内也是一个新领域，加上较早之前计算能力的限制，尚未见关于股票投资与数据挖掘相结合的相关书籍，以及股票大数据领域的规模应用案例。虽然有一些量化投资方面的著作，但是量化投资和股票挖掘还是存在相当大的差别。在这样的背景下，本书将结合丰富的金融业数据资源，以及构建的股票大数据挖掘平台，介绍如何利用数据挖掘技术进行股票挖掘和投资实践。 首先需要学习数据挖掘技术。数据挖掘是一个交叉学科，融合了统计分析、模式识别、机器学习、信息检...