在金融领域以客观数据为基础,采用数据挖掘方法进行股票分类,对于构建投资组合和风险管理具有重要的意义。目前金融市场根据上市公司行业、地域或概念进行的板块划分,并不足以描述其市场表现,反映不出更为复杂的跨行业、跨地域的内在联系,也不能动态反映出上市公司主营业务或投资领域的变化。本课题分别从价格波动相似性及文本信息中的相关性出发,采用社区发现算法进行聚类分析。针对时间序列数据,从波动趋势特征的角度出发,首次采用动态时间规整(DTW)距离来构建关联网络,解决了部分具有强联动性股票之间时滞效应带来的影响。另一方面,本文利用word2vec从文本数据里提取股票的特征向量。基于价格波动趋势相似性的分类不仅能得到具有相同波动趋势的股票社团,还能将价格波动趋势的变化动态反映在分类结果中,同一个类中的股票具有更强的联动性。基于文本信息的分类更多地体现了股票在基本面的关系,如行业关系或在业务上的合作竞争等关系。本文主要研究内容包括以下方面:异构信息的获取及预处理。本文通过爬虫获取股票行情数据、个股新闻和个股公告。通过数据清洗和优化处理,将非结构化的金融数据转化为结构化数据,为后续构建股票关联网络和股票社区发现提供准确的数据保障。基于价格波动相似性和文本信息的股票关联网络构建。根据股票的时序列数据,采用动态时间规整(DTW)距离构建了基于价格波动相似性的关联网络,同时根据从股票新闻和公告数据挖掘出的关联性大小构建了基于文本信息的关联网络。在得到的全连通网络图上,通过阈值法对冗余边进行过滤后得到最终的股票关联网络图。股票关联网络的聚类分析。引进多种社区发现方法进行聚类分析,在利用经典的Newman快速算法和Fast-unfolding算法之外,本文通过将关联网络模型转化成一个文档语料库,引入基于LDA主题模型的社区发现方法对关联网络进行了聚类分析。海天园金融知识服务平台的实现和股票数据分析系统的实现。开发了海天园金融知识服务平台(http://www.haizhilicai.com/),并实现了在线的股票数据分析系统,能够对股票进行自动分类并能针对个股进行关联股票的推荐。