【文章內(nèi)容簡介】 E M A 1212 ???? 當日收市價前一日 （ 21） 2722725E M AE M A 2626 ???? 當日收市價前一日 （ 22） DIF 2612 E M AE M AD I F －＝ （ 23） 9 日的 DIF 平均值 DEA DEA＝（ 9 日的 DIF 之和）247。 9 （ 24） 柱狀線 10 ⑴每日 DIF 與 DEA 的差異，即為 MACD 柱狀圖。 ⑵把以上計算的 DIF、 DEA 分別標在坐標紙上，并把各日的 DIF、 DEA分別連接，即可求得 MACD 運行曲線。 DIF 為快線， DEA 為慢線。 隨機指數(shù)（ STC） 隨機指數(shù)，又稱 KD 線（英文全名 Stochastics，簡稱 STC）。該指標是以指數(shù)或股價運行的一定區(qū)段內(nèi)的收盤（指數(shù)）價、最低 （指數(shù)）價、最高（指數(shù)）價計算的一個重要的技術指標。目前滬深股市是以 9 日為一個區(qū)段，以該段內(nèi)收盤指數(shù)、最低指數(shù)、最高指數(shù)作為計算基礎。首先計算出 RSV 未成熟因子，再取其未成熟因子的 1/3，加上前一天 K 值的 2/3，計算出當天的K 值。接著取當天 K 值的 1/3，加上前一天 D 值的 2/3，計算出當天的 D 值。隨后按 3K－ 2D 計算出當天的 J 值。 m/n天的％ KD 線（ mn） 計算方法： iRSV 100LmHm LmCRS V ii ?? －－ （ 25） 式中： iC —— 分析起始時間單位（日、周、月、年）的收盤指數(shù)（若分析個股采用股價）。 Lm—— 分析時段 m天內(nèi)的最低指數(shù)（或股價）。 Hm—— 分析時段 m天內(nèi)的最高指數(shù)（或股價）。 若是新股第一天上市， Lm 為當日的最低價， Hm 為當日最高價。 iC 為 11 當日的收盤價。 K 值為 RSV 的三日平滑移動平均，而 D 值又為 K 值的三日平滑移動平均。即： K 值（ iK ） i1ii R SV31K32K ＋＝ － （ 26） 式中： 1iK－ —— 起始時間單位的前一時間單位的 K 值。若起始時間單位前，無 K 值，可令此時的 1iK－ ＝ 50，即ii RS V315032K ＋＝ ?。 D 值（ iD ） i1ii K31D32D ＋＝ － （ 27） 式中： 1iD－ —— 起始時間單位的前一時間單位的 D 值。若無 D 值，令 1iD－＝ 50，即 ii K315032D ＋＝ ? J 值（ iJ ） iii D2K3J －＝ （ 28） 到此 KDJ 線技術分析的起始時間單位的 K、 D、 J 指標全算出。接著可以把以上計算的數(shù)值標再坐標紙起始時間單位對應的右邊位置。 依次類推，可分別依次計算出以后各時間單位的 K、 D、 J 線技術指標，并分別標準在坐標紙上。注意，如果選 5 月為一時間跨度，在進行從起始月 12 度到第五月逐月計算后，第六月的計算不再考慮起始月度的月 K 線參數(shù)，即應從第二月起到第六月進行計算。第七月的計算不再考慮第二月的參數(shù)。每月的計算僅考慮含本月在內(nèi)的近期 5 個月的 K 線的參數(shù)即可。其他時間跨度的 KDJ 線技術分析指標的計算與此過程完全一樣。一般認為用 5 或 3 作時間跨度適用于日、周、月、季、年各種 KDJ 線技術指標的計算。 在計算出起始時間單位的 K、 D、 J 線指標后，應將新計算的坐標點，與前面計算的坐標點用不同的顏色分別連接起來。為醒目和不混亂，如將所有連接的 K 線用灰色，而連接的 D 線用黃色，連接的 J 線用紫色等。 選用何種顏色，由使用者自定。 股票數(shù)據(jù)的其他分析方法 其它技術分析方法 隨著金融學理論、數(shù)量統(tǒng)計理論工具的發(fā)展和進一步完善，特別是隨著信息技術、優(yōu)化算法的不斷發(fā)展和創(chuàng)新。股票分析手段也在不斷的推陳出新，日益復雜化、自動化和技術化?；貧w技術、灰色系統(tǒng)理論、模式識別、遺傳算法、神經(jīng)網(wǎng)絡等等最新的統(tǒng)計、工業(yè)工程、生物遺傳學技術開始被引入到股票分析之中，使得股票分析在今天得到了最為廣泛和深入的研究和發(fā)展。他們在提高股票投資收益、降低股票投資風險方面都取得了新的進展。 文獻 [46]曾對某些技術分析方法進行了討論與研究，并給出了提高盈利 13 概率的一種基于移動平均的技術分析方法 [4]，這種方法盈利概率為 40%—60%左右。基于此，針對香港股市，文獻 [7]提出基于 In（ Index）關于時間的回歸直線的技術分析方法。這種技術分析方法具有盈利大，而且盈利概率（ 100％）也明顯占優(yōu)的特點。 文獻 [8]運用灰色系統(tǒng)理論中的 GM(1， 1)方法建立了上海證券指數(shù) 65 日平均值運行軌道的最高點 (上軌 )的帶殘差修正的 GM(1， 1)預測模型。結論是運用灰色系統(tǒng) GM(1， 1)對上證指數(shù) 65 日移動均線進行建模、預測效果良好，與實際走勢相當吻合。 文獻 [9]應用模式識別技術進行股票市場的技術分析，文中使用模糊主軸核聚類算法對歷史上典型的上漲行情 (牛市 )作聚類分析，發(fā)現(xiàn)其特征。并以此為依據(jù)，啟發(fā)式的自動識別上漲行情，提供最佳建倉和平倉時機的信息指導。這種技術分析方法既能降低傳統(tǒng)技術分析的難度，又具有客觀性，而且能在很大程度上充分利用歷史數(shù)據(jù)包含的信息，指導投資者理性投資。 文獻 [10]闡述了遺傳算法 [11,12]及基于遺傳算法 的分類器系統(tǒng)的基本理論，并詳細討論了遺傳算法及分類器系統(tǒng)在兩種最常用的股票投資技術分析方法 (指標分析和圖形分析 )的計算機化中的運用問題。 人工神經(jīng)網(wǎng)絡 (ArtificialNeuralNetwork，簡稱 ANN)預測方法進行股市預 14 測也取得了一定效果 [13,14]。由于 ANN 可以逼近最佳刻劃樣本數(shù)據(jù)規(guī)律的函數(shù)，根據(jù)股價走勢呈高度非線性，且成交價、成交量中包含有大量決定股價變動的內(nèi)在規(guī)律或特點，通過對歷史交易數(shù)據(jù)的學習， ANN 就能刻劃這些規(guī)律或特點，因此，用它對股票價格走勢預 測具有較好的效果。這種以機器代替人完成一定的邏輯總結工作的方法具有一定客觀性 [2]。 符號化的分析方法 將原始數(shù)據(jù)符號化的分析方法即是 符號數(shù)據(jù)分析 [15] (Symbolic Data Analysis， 簡稱 SDA )。在信息快速采集與積累的現(xiàn)實工作中 ， 符號數(shù)據(jù)分析特別適用于規(guī)模巨大、類型復雜的數(shù)據(jù)集合的知識發(fā)掘，如股票交易數(shù)據(jù)。針對大量的時間序列股票數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)分析方法便無法滿足需求。 股票數(shù)據(jù)符號化的基本思想就是在幾個可能值上對股票交易時間序列進行“離散化”，把許多可能值的股票數(shù)據(jù) 序列變換為僅有幾個互不相同值的符號序列。這是一個“粗粒化” (Coarsegrained)過程，這一過程能夠捕獲大尺度的特征，從而降低動力學噪聲和測量噪聲的影響。然后通過對這些符號的分析也能反映股市發(fā)展的方向，從而指導投資。相關內(nèi)容在文獻 [1618]中可以找到。 15 第三章 系統(tǒng)設計與實現(xiàn) 需求分析 此課題的總系統(tǒng)為股票分析，它包含了基本分析、技術分析及股票數(shù)據(jù)的符號化分析三個個大的子系統(tǒng)，本文要解決的是構建技術分析子系統(tǒng)，為進一步的符號化分析提供一種統(tǒng)計學上的最基本分析方法。 所以技術分析子系統(tǒng)要實 現(xiàn)連接股票數(shù)據(jù)庫，面向用戶顯示出股票信息，并由用戶主動選擇需要分析的股票代碼、日期段，程序要能根據(jù)用戶的選擇作出分析，并將結果顯示出來。 軟件設計 系統(tǒng)結構 本課題是進行股票數(shù)據(jù)的研究，包括基本分析、技術分析和符號化分析方法等，該系統(tǒng)如圖 所示。而本文的任務是構建出股票技術分析子系統(tǒng)，如圖 所示。它必須包括： ⑴創(chuàng)建股票數(shù)據(jù)庫，為程序提供股票交易行情數(shù)據(jù)。 ⑵客戶端技術分析軟件，根據(jù)用戶所選擇的股票代碼、日期部分進行技術分析 ,且僅針對 K 線圖、 MACD 指標和 STC 指標。 16 圖 股票數(shù)據(jù)分析總系統(tǒng)結構 圖 股票技術分析子系統(tǒng)結構 數(shù)據(jù)模塊 數(shù)據(jù)模型 在 SQL Server 中建立“股票數(shù)據(jù)庫”。要對股票進行技術分析，就需要股票的交易行情數(shù)據(jù)，包括股票代碼、交易日期、當日開盤價、最高價、最 17 低價、收盤價、成交額和成交量，這對應了表 所示的“個股每日表”。 同時為了便于基本分析，我們也需要存儲股票的一些基本信息，如股票代碼、股票名稱、證券品種、公司地址、發(fā)行日期、行業(yè)板塊、地區(qū)板塊等信息，這對應了表 所示的“多股信息表”。 每只股票，在進行交 易及休假的時間內(nèi)會發(fā)生很多事件，這些事件在基本分析理論中已經(jīng)有了詳細的講述，包括各類政策的變化、各種政治因素、行業(yè)變動、公司變動等各個方面，由于本文核心內(nèi)容是技術分析，所以與基本分析相關的事件不做探討，但為了便于子系統(tǒng)功能上的擴展及分析的完備性，我們還是建立了一個和股票信息相關的“多股信息表”。 表 個股每日表 列名 列數(shù)據(jù)類型 長度 代碼 * Char 10 日期 * nchar 10 開盤價 Float 8 收盤價 Float 8 最高價 Float 8 最低價 Float 8 成交額 Numeric 9 成交量 numeric 9 18 表 多股信息表 列名 列數(shù)據(jù)類型 長度 名稱 Char 10 代碼 * Char 10 證券品種 Char 10 發(fā)行日期 Datatime 8 公司地址 Nvarchar 50 行業(yè)板塊 Char 10 地區(qū)板塊 char 10 表 、表 中的 *號表示主鍵，其中表 中記錄由代碼和日期雙鍵共同確定某只股票某日交易行情。 最后得到數(shù)據(jù)庫表的 ER 圖，如圖 所示。圖中 圖 表 ER 圖 19 數(shù)據(jù)導入 股 票交易行情數(shù)據(jù)來自向日葵網(wǎng)站 載 .sf 格式股票數(shù)據(jù)，然后用網(wǎng)站上“ 批處理轉(zhuǎn)換工具” 轉(zhuǎn)換成 .txt 文本格式，詳細過程參看向日葵網(wǎng)站。 再將 .txt 格式股票數(shù)據(jù)導入到“股票數(shù)據(jù)庫”中，導入的過程參看 SQL書籍中關于 DTS[19]的部分。 數(shù)據(jù)檢索 SQL Server 中常用數(shù)據(jù)檢索語法 [20]包括了 SELECT 子句、 FROM 子句、WHERE 子句和 ORDER BY 子句等，他們一起構成了檢索語句。 檢索語句中的檢索準則 [21]包括限定操作、布爾運算 和值的范圍等內(nèi)容。 此處給出一個檢索實例：根據(jù)股票技術分析軟件中的實際應用，使用代碼和日期兩個字段的限定條件來進行檢索。假設要從“個股每日表”中檢索出代碼、日期、開盤價、收盤價、最高價和最低價六個字段值，并且要求檢索出的記錄股票代碼是 600004，日期介于 20202020 和 20202006 之間，則SQL語句如下： SELECT 代碼 , 日期 , 開盤價 , 收盤價 , 最高價 , 最低價 FROM 個股每日表 WHERE (代碼 = 600004) AND (日期 BETWEEN 20202020 AND 20202006) 20 執(zhí)行結果如圖 所示。至于如何增加 SQL語句的靈活性，如動態(tài)地輸入代碼條件或日期條件，以此來提供程序交互性，則由 Visual C++程序通過CRecordset 類來實現(xiàn)，這在以后介紹。 圖 多條件的 SQL 語句執(zhí)行 設置 ODBC 數(shù)據(jù)源 為了其他應用程序訪問 SQL Server 202