商务智能：股票分析数据仓库设计.ppt

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,商务智能,BI,11,级工业工程,3,班,1,股票分析管理数据仓库的,建模与应用（同花顺软件）,组员：汤林越 余伟 曾恒福 张宇成朱明敏,目录,需求分析,股票分析系统总体架构设计,数据维表与模型,股票分析系统的功能,股票分析系统的应用,总结,需求分析,股票交易分析系统主要是针对对广大股民而设计的。对于股民而言,主要需要提供三方面的服务,:,一是行情信息服务,二是交易委托服务,三是股票分析服务。由于交易委托服务需同交易所进行买卖委托、委托撤单等操作,和交易所的交互我们无法实现,此服务不能提供。行情信息服务主要是从前端接受股票行情数据,经过转换后存入本系统中。因此本系统主要提供股票分析服务。股票分析服务提供股民沪深股市的动态行情,个股走势图、,K,线图、分析指标图等。除了这些基本的信息外,要能够根据己有的数据和知识,分析股票价格变化,预测股市未来的走势。,因此,为了制定合理的买卖策略,股民所要进行的分析主要有,:,需求分析,.,分析上海、深圳两地大盘的变化趋势,;,.,分析个股价格未来趋势走向,;,分析个股的最低和最高价位,;,.,分析个股的最佳买点和卖点。,要进行以上的分析,所需数据应包括,:,.,股票交易历史数据,;,.,股票实时行情数据,;,.,各支股票相关资料。,股票交易是证券交易系统的一个分支,我们建立基于数据仓库的股票分析系统是以股票交易数据为基本数据,是以股民为核心对象,根据每日的交易行情及历史交易数据,以分析研究股票价格变化和趋势为最终实现目的。,数据获取,数据管理,数据分析,数据展现,上市公司,信息,股民星价评价,历史行情信息,实时行情信息,大盘资讯,数据迁移,数据清洗,数据仓库元数据管理,OLAP,分析工具,操作者,股票分析系统总体架构设计,股票分析系统总体结构,如上图所示，系统分成四个部分：,第一部分：数据获取,系统数据的来源，主要信息有：上市公司信息、大盘咨询、历史行情信息、实时行情信息、股民星级评价,第二部分：数据管理,通过对收集的股票相关信息进行清洗、归类，生成元数据，并进行数据仓库的元数据管理,第三部分：数据分析,通过运用,OLAP,工具对管理后的数据进行数据分析,第四部分：数据展示,将经过分析的数据以操作者需要的形式展示出来，例如：股票行情走势曲线图,股票分析系统总体结构,同花顺软件的服务,数据维表与模型,代码标识,股票简称,地域编码,区域编码,行业号,日期标识,身份证号,收盘价,涨跌幅,区域编码,地域编码,地域,股票分析事实表,股票分析系统的雪花模型,区域编码,所属区域,日期标识,年,月,日,行业号,行业名称,代码标识,日期标识,开盘价,收盘价,成交量,涨跌幅,时间维度,行情维度,行业维度,股票简称,股票代码,股本结构,基本信息维度,区域维度,地域维度,身份证号、卡号,资金卡号上工作单位、家庭住址,股民基本信息,股票分析系统的基本功能,数据仓库系统,更新数据,数据视图,指标参数设置,指标选择,数据备份和恢复,在程序刚开始运行时,系统提示当前的时间以及是否要更新数据的信息,如果用户选择更新数据,那么系统将会对当日的数据进行加载,并通过程序对原始的数据进行初次的加工,存入,SQLSERVER,表中,如果用户选择不更新数据,那么系统将会跳过对当日数据的检测,而直接对历史数据进行加载,在这个模块里我们提供了三个视图,:,当日数据指标视图、各支股票的历史数据的视图、全体股票的视图。,该功能主要是对各项技术指标的参数进行动态的修改,以满足不同习惯和指标组合的要求。其中我们可以对均线的天数进行修改、对,MAV,的天数进行修改、对筹码统计的百分比进行修改。,在这里我们提供了,OBV,、,MAV,、,WMS,、乖离度的选择,在这个模块中,我们提供了数据的恢复及备份功能,只要选,择,(,在股票列表中被聚焦,),了需要备份,(,恢复,),的股票名称,在选择对这支股票要进行的操作,则可将相应的数据存入软盘中或从软盘中恢复到系统中。,股票分析系统的应用,对未来股市运行趋势进行预测的基础是股市中的大量历史数据,主要是每日的开盘价、收盘价、最高价、最低价和成交量等。但是单从这些原始数据的升降很难看出股市的运行规律,因此必须对这些原始数据进行处理和加工,计算出那些可以反映股市特征和规律的指标数据。,在系统中我们用到的技术指标有,OBV,MAV,WMS,乖离度,涨幅,筹码密集的统计,在这些指标中除了乖离度,涨幅和筹码统计外,其他的技术指标都是以图形的方式直观的展示在用户的面前,这也正是未来软件的一个大趋势,-,一数字图形化、直观化的体现。,总结,本文虽然采用了较实用的模型,但是股票市场受宏观经济、政治环境和投资者心理等因素影响很大,而这些因素都很难通过数学模型的方式加以控制分析,所以在具体运用本文的模型时,仍要根据具体情况进行改进。所有的不足和缺陷都会在以后的实践中进行完善。,近几年随着融资融券、股指期货等越来越多的证券业务的开展,越来越多的投资者会加入这个市场,证券市场的数据量会快速增长,这为数据分析在股票分析中的应用提供了更加广大的空间,数据分析擅长处理巨量数据的优势会更加明显。所以可以预见,在不久的将来,数据分析在股票分析中将会得到更加广阔的舞台。,参考文献：,数据挖掘在股票分析中的应用,郑文,2012-2-20,基于数据仓库的股票交易数据分析与预测研究,师智斌,2002-3,数据仓库技术在股票交易数据分析中的应用,师智斌,2002,谢谢观看！,