本书内容围绕股票大数据分析技术展开，主要介绍从不同角度对股票数据进行深度分析并用于实战的方法。 本书首先介绍股票的基本知识以及传统的基本面和技术面分析方法； 之后在每章中结合不同的数据源，从不同角度对股票进行深度分析，介绍相关的数据挖掘算法； 针对数据的特点，提出新的分析思路和计算方法； 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。具体内容包括： 基于技术分析指标的买卖点计算方法； 股票时间序列的特征表示方法； 聚类算法与资金流向及主力控盘分析； 筹码分布与筹码分析技术； 财务数据分析与股票的新估值策略； 券商研报评级及其有效性分析； 新闻文本分类和股吧情感分析； 行为金融学与股票行为数据分析； 股票交易决策模型与股票挖掘平台。

洪志令，厦门大学人工智能专业博士，北京大学心理学、机器感知与智能教育部重点实验室博士后，美国加州大学尔湾分校助理科学家。先后曾任职于IBM、美国Comodo、厦门大学软件学院，现为股票挖掘网（stocktobe.com）创始人，厦门市高层次引进人才，厦门市思明区思明英才，思明区政协委员。近年以第一或通讯作者发表学术论文30篇，其中SCI/EI检索的共18篇。目前拥有9项授权的国家发明专利，32项公开实审国家发明专利和42项软件著作权。

前言 投资股票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是成正比的，投资收益越高，存在的风险就越大。有效地进行股票价格的预测，最大限度地规避股票风险，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，然而如何从海量数据中提取有用的并最终可理解的模式是投资者最为关心的问题。 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，人们事先不知道但又是潜在有用的信息和知识的过程。数据挖掘技术恰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。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，所以还没有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。 首先介绍数据挖掘技术。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、...