論文題目：基于node.js的股票行情瀏覽及分析系統的設計與實現
摘要：金融市場對國家經濟社會的發展起到十分重要的作用,股票交易不僅是一種企業融資模式,也是越來越多的個體投資者的理財方式。國內市場現存的股票系統基本都是C/S架構,安裝過程繁瑣,數據同步困難,且產品過于專業化,大多界面以及功能復雜,無法滿足不同層次投資者的需求。對于新股民來說,除了要求基本的股票行情瀏覽功能外,還有交流學習、智能選股以及利用計算機進行數據分析幫助其智能決策的需求。因此,目前股票軟件正在逐漸轉變為以行情瀏覽為主的“行情+社交平臺+智能分析+資訊瀏覽”的綜合一體化股票軟件服務平臺。本文針對股票市場初級投資者的需求,結合互聯網的新技術,設計與實現了基于Node.js的B/S架構的股票行情瀏覽及分析系統。Node.js的核心是基于事件驅動的異步I/O模型,該機制使服務器的并發能力得到明顯提高,因此成為近幾年流行的服務端技術。系統前端使用目前流行的Vue.js框架,組件化開發以及前后端分離模式大大提高了開發效率。由于股票數據結構復雜,基于MongoDB設計行情存儲模式,配合Node.js的Json格式避免了類型轉換,實現數據的持久化存儲。同時結合Echarts框架以及H5 Canvas技術,通過多圖表的可視化界面向用戶直觀的展示各種股票詳情數據以及市場行情追蹤。股票數據包括實時數據、分鐘K線數據、日、月、年K線數據、公司行業信息、指標數據MACD,RSI,KDJ等;市場行情包括排行榜、龍虎榜、領漲個股、領漲板塊等。系統一方面采用Redis數據庫進行股票數據緩存,另一方面采用Socket.io即時通訊技術使服務器可以主動推送消息或股票數據到客戶端來保證實時性。此外,本文還主要介紹了社交平臺模塊、預警模塊、智能選股、自選股管理等功能,方便用戶瀏覽行情數據及學習股票知識?？紤]到系統的智能性,著眼于數據分析,不僅支持投資者根據交易風格自由更改指標參數以及導出數據進行本地分析,本文還提出了一種基于機器學習的MACD指標優化模型,該模型一定程度上緩解了傳統MACD指標滯后性與股價震蕩時錯誤信號頻繁的問題,可在預警模塊及時向用戶發出買賣點的提醒信息。同時實現了一種基于ARIMA與LSTM神經網絡的組合股價預測模型,通過先進的計算機技術向投資者提供合理建議。本文還從性能和安全方面進行了優化設計,包括數據庫連接池,負載均衡,瀏覽器緩存等;并對常見的XSS、CSRF、SQL注入等網站攻擊進行了防御,例如采用Token認證登錄和Md5+Salt方式對用戶信息加密存儲的安全措施。
關鍵詞：Node.js;Vue.js;MACD指標;股票分析
學科專業：軟件工程（專業學位）
摘要
ABSTRACT
第1章 緒論
1.1 系統開發背景
1.2 國內外研究現狀
1.3 本文解決的主要問題
1.4 本文的主要工作
1.5 論文的組織結構
第2章 系統需求分析
2.1 功能需求分析
2.1.1 個人中心模塊
2.1.2 股票行情中心模塊
2.1.3 自選股管理模塊
2.1.4 社交平臺模塊
2.1.5 預警模塊
2.2 非功能性需求分析
2.2.1 易用性
2.2.2 可擴展性和可維護性
2.2.3 安全性
2.2.4 可靠性
2.3 本章小結
第3章 系統概要設計
3.1 系統設計目標和原則
3.2 系統技術架構設計
3.2.1 前端工程概要設計
3.2.2 后端工程概要設計
3.3 系統數據庫設計
3.4 功能模塊設計
3.4.1 個人中心模塊設計
3.4.2 股票行情中心模塊設計
3.4.3 自選股管理模塊設計
3.4.4 社交平臺模塊設計
3.4.5 預警模塊設計
3.5 本章小結
第4章 系統詳細設計
4.1 系統總體架構的詳細設計
4.1.1 前端架構的詳細設計
4.1.2 后端架構的詳細設計
4.2 系統關鍵技術的設計
4.2.1 Cors跨域
4.2.2 Canvas可視化技術
4.2.3 Socket.io即時通訊技術
4.3 系統性能優化設計
4.3.1 數據庫連接池
4.3.2 Redis緩存數據庫
4.3.3 Nginx負載均衡
4.3.4 SPA首屏優化
4.3.5 瀏覽器緩存
4.4 系統安全設計
4.4.1 前端路由守衛
4.4.2 MD5+Salt信息加密
4.4.3 XSS、CSRF、SQL注入攻擊與防御
4.5 系統功能模塊詳細設計
4.5.1 個人中心模塊詳細設計
4.5.2 股票行情中心模塊詳細設計
4.5.3 自選股管理模塊詳細設計
4.5.4 社交平臺模塊詳細設計
4.5.5 預警模塊詳細設計
4.6 本章小結
第5章 系統實現與測試
5.1 開發環境
5.2 功能模塊的實現
5.2.1 個人中心模塊實現
5.2.2 股票行情中心模塊實現
5.2.3 自選股管理模塊實現
5.2.4 社交平臺模塊實現
5.2.5 預警模塊實現
5.3 優化MACD指標模型的實現
5.3.1 MACD指標介紹
5.3.2 MACD優化模型
5.3.3 量化實驗及結果分析
5.4 股價趨勢預測模型的實現
5.4.1 預測模型描述
5.4.2 實驗及結果分析
5.5 系統測試
5.5.1 系統測試環境
5.5.2 系統功能測試
5.5.3 系統性能測試
5.6 本章小結
第6章 總結與展望
參考文獻
致謝