摘要
随着金融市场的迅速发展和信息技术的广泛应用，股票市场投资变得越来越复杂。
准确预测股票短期走势对投资者制定投资策略、规避风险、获得收益至关重要。
时间序列挖掘作为数据挖掘领域的一个重要分支，为股票短期走势预测提供了有效手段。
本文首先介绍了股票短期走势预测的研究背景和意义，以及时间序列挖掘的相关概念。
其次，对国内外相关文献进行了梳理和综述，分析了现有研究方法的优缺点，并对不同方法的预测性能进行了比较。
然后，详细介绍了几种常用的时间序列挖掘方法，包括ARIMA模型、LSTM神经网络模型和Prophet模型等。
最后，对全文进行了总结，并展望了股票短期走势预测研究的未来方向。
关键词：股票短期走势预测；时间序列挖掘；ARIMA模型；LSTM神经网络；Prophet模型
#1.1股票短期走势股票短期走势指的是股票价格在未来几分钟、几小时、几天甚至几周内的变化趋势，通常以分钟、小时、日为单位进行预测。
#1.2时间序列挖掘时间序列挖掘是从随时间收集的、按时间顺序排列的数据中，提取有价值的信息和知识，并进行模式识别、预测等任务。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
