【文章內(nèi)容簡介】 , c , d , e} 代表了趨勢狀況 , ( a , b , c , d , e) 分別代表暴跌、小幅跌、持平、微揚和上揚。則交易行情記錄集 Si 可以按照下列原則映射到交易行情走勢集 Ai : 設(shè) Kj = ( Rj +1 Rj) / Rj ,若 Kj ≤ T1 ,則 Aj = a 。若 Kj ∈ ( T1 , T2) ,則 Aj = b。若 Kj ∈ ( T2 , T3) ,則 Aj = c 。若 Kj ∈ ( T3 , T4) ,則 Aj = d 。若 Kj T4 ,則 Aj = e。 T1 , T2 , T3 , T4 可以根據(jù)實際情況進行調(diào)節(jié)。 [2] 對于股票指數(shù)，我們采取類似的處理方法，但考慮到股票每天點數(shù)的變化可以很大，不像股票般有漲跌幅限制，所以有必要為股票指數(shù)的漲跌情況多分幾種情況。于是，作以下的定義： 定義 3 設(shè) Index 記錄了一種股票指數(shù)（在這里我們只討論上證指數(shù)）在 n 個時間點的歷史行情記錄。 Index = { R1 , R2 , R3 , ? ,Rm} , Rj 為該指數(shù)在第 j 個時刻的 行情 (1 ≤ j ≤ n) ,可以包括時間、開盤點數(shù)、收盤點數(shù)、最高點數(shù)、最低點數(shù)、漲幅、成交量與成交額等內(nèi)容 （本實驗取收盤點數(shù)） 。 [4] 定義 4 設(shè)指數(shù)行情趨勢集 T = { A1 , A2 , A3 ,? , Am} , 表示當(dāng)前交易價格與前一個記錄時刻的點數(shù)記錄的比較 ,并將行情映射到若干趨勢狀況區(qū)間中。其中 Aj∈ { a , b , c , d , e , f , g} 代表了趨勢狀況 , ( a , b , c , d , e , f , g ) 分別代表暴跌、下挫、小幅跌、持平、微揚、上揚和急升。則指數(shù)行情 記錄集 Index可以按照下列原則映射到交易行情走勢集 Ai : 設(shè) Kj = Rj +1 Rj ,若 Kj ≤ T1 ,則 Aj = a 。若 Kj ∈ ( T1 , T2) ,則 Aj = b。若 Kj ∈( T2 , T3) ,則 Aj =c 。若 Kj ∈ ( T3 , T4) ,則 Aj = d 。若 Kj ∈ ( T4 , T5) ,則 Aj = e；若 Kj ∈ ( T5 , T6) ,則 Aj = f ,若 Kj T6 ,則 Aj = g。 T1 , T2 , T3 , T4 , T5 , T6可以根據(jù)實際情況進行調(diào)節(jié)。 [4] 9 定義 5 如果項集的出現(xiàn)頻率大于或等于最小支持度 (min sup)與 D 中事務(wù)總數(shù)的乘積 , 則該項集滿足最小支持度 , 稱它為頻繁項集 (frequent itemset)。 [3] 在我們的實驗里，由于股票有每天漲跌幅百分之十的限制，所以我們定義股票跌百分之五以上為暴跌，跌百分之五到千分之五為小幅跌，跌千分之五到漲千分之五為持平，升千分之五到升百分之五為微揚，升百分之五以上為上揚。即是定義 2 里面的 T1 , T2 , T3 , T4 分別為 , , , 。而由于股票 指數(shù)沒有漲跌幅限制的說法，而且波動有可能會很大，所以我們定義跌一百點以上為暴跌，跌一百到五十點為下挫，跌五十點到十點為小幅跌，漲跌十點以內(nèi)為持平，漲十點到五十點為微揚，漲五十點到一百點為上揚，漲一百點以上為急升。即是定義 4里面的T1 , T2 , T3 , T4 , T5 , T6分別為 , , , , , 。 有一個值得注意的問題，就是股票有時候會因為停牌，開股東大會等原因停止交易，導(dǎo)致當(dāng)天沒有交易數(shù)據(jù)，所以在預(yù)處理數(shù)據(jù)的時候要確保股票數(shù)據(jù) 的日期和股票指數(shù)的日期相一致，將缺失交易數(shù)據(jù)的天數(shù)剔除掉。另外，股票增發(fā)、拆股等會導(dǎo)致股價下跌超過百分之十的情況，但考慮到這樣的情況極少并且會歸類到大跌，不足以影響進一步分析，所以對于這種情況沒有采取特殊處理。 關(guān)聯(lián)規(guī)則挖掘 經(jīng)過數(shù)據(jù)預(yù)處理后，得到的是一個股票指數(shù)與股票交易數(shù)據(jù)時間上一一對應(yīng)的行情趨勢集。因為我們分析的是長達五年的數(shù)據(jù)，所以無論是股票指數(shù)或者股票都肯定會經(jīng)歷足夠多的各種漲跌情況，于是挖掘股票指數(shù)或者股票各自漲跌趨勢的頻繁集沒有實際意義。因此，我們直接將股票指數(shù)和股票的各種漲跌情況聯(lián)系起來，當(dāng) 作1項集。例如 將 股票指數(shù)暴跌，股票小幅跌 看做一項 ，等等。于是，關(guān)聯(lián)規(guī)則階段只需挖掘出 1項集中的頻繁項集，并找出強規(guī)則即可。 源程序 見附錄 1 10 結(jié)果分析 將 000001（深發(fā)展 A）和深證指數(shù) 399001 比較，得出以下結(jié)果： 表 41 深發(fā)展 A 和深證指數(shù)關(guān)聯(lián)分析結(jié)果 0 支持度 1 支持度 2 支持度 3 支持度 4 支持度 0 17 % 54 % 7 % 7 % 1 % 1 2 % 86 % 12 % 11 % 2 % 2 6 % 196 % 60 % 34 % 1 % 3 1 % 79 % 91 % 61 % 2 % 4 0 0% 42 % 80 % 143 % 6 % 5 0 0% 13 % 13 % 83 % 12 % 6 1 % 18 % 15 % 88 % 31 % 得到以下的強規(guī)則： 0 1 深證指數(shù)暴跌，深發(fā)展 A 小幅跌 1 1 深證指數(shù)下挫，深發(fā)展 A 小幅跌 2 1 深證指數(shù)小幅跌，深發(fā)展 A 小幅跌 5 3 深證指數(shù)上揚，深發(fā)展 A 上揚 由此可見深發(fā)展 A 是一只非?？沟墓善保以诖笫猩蠐P的時候有不錯的表現(xiàn)。 將 600050（中國聯(lián)通）和上證指數(shù) 000001 比較，得出以下結(jié)果： 表 42 中國聯(lián)通和上證指數(shù)關(guān)聯(lián)分析結(jié)果 0 支持度 1 支持度 2 支持度 3 支持度 4 支持度 0 17 % 18 % 3 % 1 % 0 0% 1 1 % 23 % 4 % 2 % 0 0% 2 4 % 214 % 38 % 15 % 3 % 3 0 0% 162 % 219 % 144 % 5 % 11 4 0 0% 30 % 63 % 190 % 14 % 5 0 0% 10 % 8 % 39 % 13 % 6 1 % 0 0% 0 0% 26 % 12 % 得到以下強規(guī)則： 2 1 上證指數(shù)小幅跌，中國聯(lián)通小幅跌 4 3 上證指數(shù)持平，中國聯(lián)通微揚 6 3 上證指數(shù)急升，中國聯(lián)通微揚 可見中國聯(lián)通表現(xiàn)平平，從上證指數(shù)急升，中國聯(lián)通微揚可以得知在大市急升的時候中國聯(lián)通很少被當(dāng)作炒作的對象。 12 第五章 利用關(guān)聯(lián)規(guī)則挖掘股票之間的關(guān)系 概述 在第一個應(yīng)用里面，我們探討了股票與股票指數(shù)的關(guān)系，將里面的算法加以擴展，我們可以將它應(yīng)用到股票與股票之間的研究中去。由于 上市公司之間由于存在合作、競爭等關(guān)系 , 因此某些股票價格在一定時間內(nèi)會出現(xiàn)相似或相反的趨勢 。 挖掘這些數(shù)據(jù) 或股票之間的關(guān)聯(lián)規(guī)則有利于投資者了解各種股票的走勢及股票之間有關(guān)系 , 進一步分析上市公司的各種政策和方案 , 從而做出正確的投資決策 。 在筆者所查閱的參考文獻里面，比較普遍的做法是利用關(guān)聯(lián)規(guī)則研究傾向同時漲跌的股票，對股票的預(yù)處理簡單地分為漲和跌。另外有的研究一只股票上漲之后多少天另外一只股票傾向于上漲，這在股票分析中是毫無實用價值的。本文中只考慮股票之間在同一天之內(nèi)的漲跌情況，而且將漲跌如第一個應(yīng)用里一樣再細分成幾種情況，希望得到進一步的結(jié)論。 數(shù)據(jù)預(yù)處理 這里的數(shù)據(jù)預(yù)處理和在利用關(guān)聯(lián)規(guī)則研究股票與 股票指數(shù) 的關(guān)系里面的基本一致 ，可以沿用上一部分的定義 1及定義 2。 在這個實驗里， T1 , T2 , T3 , T4 繼續(xù)沿用上個實驗的 , , , 。由于是多只股票之間關(guān)系的數(shù)據(jù)挖掘，所以對日期的一致性要求更高。一般可以用兩種方法處理，一種是所有日期都錄入，如某些日期某一股票因故停牌等就作缺失處理。挖掘過程中遇到缺失的記錄就自動跳過，不影響挖掘的過程。另一種處理就是只取所有股票都有交易數(shù)據(jù)的日期?？紤]到程序編寫的難度和空間的節(jié)約，本實驗采取了第二種方法。 另外，在上實驗里 所提到的股票增發(fā)、拆分等引起股價異常變動的情況在本實驗依然存在，但考慮到影響亦不大，所以不作特殊處理。 13 關(guān)聯(lián)規(guī)則挖掘 由于本實驗用 C++編寫程序，如果數(shù)據(jù)量太大將會引起程序錯誤，所以規(guī)則的支持度不能設(shè)定得太低。 但 一旦支持度設(shè)定高了，那么單只股票的升跌趨勢也有可能不屬于頻繁項集。所以我們把單只股票的升跌趨勢作為 1項集開始進行數(shù)據(jù)挖掘，直到不再產(chǎn)生頻繁項集為止。 源程序 見附錄 2 結(jié)果分析 被選入數(shù)據(jù)庫的十只股票分別是： 000538（云南白藥）、 600085（同仁堂）、 000858（五糧液）、 600779（水 井坊）、 600642（申能股份）、 000027（深圳能源）、 000651（格力電器）、 000527（美的電器）、 000001（深發(fā)展 A）、 600000（浦發(fā)銀行）。很明顯可以看到，這是五組分別來自與制藥、釀酒、能源、電器和銀行業(yè)的股票。其中有些是滬市深市各選一只，另外的是來自同一股票市場的。下面讓我們看看數(shù)據(jù)挖掘的結(jié)果。 將支持度設(shè)定為 20%，程序生成了 2頻繁項集之后便停止了，證明沒有 3項的支持度可以超過 20%。結(jié)果如下（隨后標(biāo)出關(guān)聯(lián)的兩只股票）： 2 1, 3 1 五糧液、水井坊 2 1, 8 1 五糧液、深發(fā)展 A 4 1, 5 1 申能股份、深圳能源 4 1, 8 1 申能股份、深發(fā)展 A 4 1, 9 1 申能股份、浦發(fā)銀行 4 3, 5 3 申能股份、深圳能源 5 1, 7 1 深圳能源、美的電器 5 1, 8 1 深圳能源、深發(fā)展 A 5 1, 9 1 深圳能源、浦發(fā)銀行 14 6 1, 8 1 格力電器、深發(fā)展 A 7 1, 8 1 美的電器、深發(fā)展 A 8 1, 9 1 深發(fā)展 A、浦發(fā)銀行 從結(jié)果中可以看出， 最后只有微揚和小幅跌的數(shù)據(jù)，說明小幅上落乃股票漲跌的大多數(shù)情況。另外， 三組同一行業(yè)的股票都有聯(lián)系，但云南白藥與同仁堂，格力電器與美的電器的走勢卻沒有什么聯(lián)系。另外，可以看出深發(fā)展 A 和浦發(fā)銀行這兩只銀行股和其它股票普遍存在聯(lián)系。這也不難理解，因為兩只股票在滬深兩市是比較重要的股票，它們的走向?qū)Υ笫杏斜容^大的影響。 將支持度設(shè)定為 15%，程序產(chǎn)生出了 3頻繁項集后停止。結(jié)果如下： 2 1, 8 1, 9 1 五糧液、深發(fā)展 A、浦發(fā)銀行 4 1, 8 1, 9 1 申能股份、深發(fā)展 A、浦發(fā)銀行 5 1, 8 1, 9 1 深圳能源、深發(fā)展 A、浦發(fā)銀行 6 1, 8 1, 9 1 格力電器、深發(fā)展 A、浦發(fā)銀行 7 1, 8 1, 9 1 美的電器、深發(fā)展 A、浦發(fā)銀行 結(jié)果再次證明深發(fā)展 A 和浦發(fā)銀行這兩只股票對大市的影響相當(dāng)之大。 15 第六章 基于股票時序模式的關(guān)聯(lián)規(guī)則挖掘 引言 關(guān)聯(lián)規(guī)則除了在對股票與大盤指數(shù)、股票與股票之間的漲跌關(guān)系研究中有重要的實用價值外，在股票的技術(shù)分析中更有不容忽視的作用。 所謂股價的技術(shù)分析，是相對于基本分析而言的。正如上一部分所述，基本分析法著重于對一般經(jīng)濟情況以及各個公司的經(jīng)營管理狀況、行業(yè)動態(tài)等因素進行分析，以此來研究股票的價值 ，衡量股價的高低。而技術(shù)分析則是透過圖表或技術(shù)指標(biāo)的記錄，研究市場過去及現(xiàn)在的行為反應(yīng)，以推測未來價格的變動趨勢。其依據(jù)的技術(shù)指標(biāo)的主要內(nèi)容是由股價、成交量或漲跌指數(shù)等數(shù)據(jù)計算而得的，我們也由此可知── 技術(shù)分析只關(guān)心證券市場本身的變化，而不考慮會對其產(chǎn)生某種影響的經(jīng)濟方面、政治方面的等各種外部的因素。 [9]技術(shù)分析的 主要內(nèi)容有圖表解析與技術(shù)指標(biāo)兩大類。事實上早期的技術(shù)分析只是單純的圖表解析，亦即透過市場行為所構(gòu)成的圖表型態(tài)，來 推測未來的股價變動趨勢 。 [10] 以下簡單介紹 一種基于時序模式關(guān)聯(lián)規(guī)則 在股票技術(shù)分 析中的一種比較常見的應(yīng)用。 子序列模式的計算 對時序數(shù)據(jù) 進行分析， 首先必須建立其序列模式。針對股票價格的實際情形，采用以下手段進行分析：首先選定子序列的形式，然后建立模式的相關(guān)的表現(xiàn)方法，通過對子序列模式相似性的計算，最終將序列分解表述為各種子模式的組合。 在股票的各種走勢形態(tài)中，有一些形態(tài)具有明顯意義，同時這些形態(tài)在經(jīng)典的股票技術(shù)分析理論中占有重要的地位。根據(jù)先驗的知識，將這些形態(tài)選出來，作為基本的形態(tài)，以便用來分析序列模式。 (一 ) 如圖 1 的形態(tài)： 16 圖 1 股票分析中一些常見的基本形態(tài) 怎樣將這些基本的形態(tài) 模 式表示出來，以達到在股票時序數(shù)據(jù)中尋找和匹配的目的呢 ?人們一般采用距離的計算來驗證序列的相似性，即對序列 X 和 Y，當(dāng) D(X，Y)=(City_block_distance)就認為二者是相似的，但由于其對干擾太敏感，同時在各種基本形態(tài)中股票幅度并不確定，只是形態(tài)一致，所以直接計算距離有相當(dāng)?shù)睦щy。其他的方法有用離散傅立葉變換 (DFT)將其變換到頻域，然后取其前幾位系數(shù) (fc)，作為基本形態(tài)子序列的邏輯表示，但表示和計算都較復(fù)雜，該文采用一種簡潔方便的方法 ── 趨勢線段斜率方法作為其邏輯表示法。 對于子序列的各種 情形，可以用斜率序列來表示，首先將其分段，得到 n 個點對應(yīng)有 X(1，?， n)