利用數(shù)據(jù)挖掘技術(shù)構(gòu)建證券行情預測模型

[摘要] 本文根據(jù)選定的證券市場行情預測對象，選擇數(shù)據(jù)挖掘技術(shù)中具有預測優(yōu)勢的方法，并將各種方法的優(yōu)勢結(jié)合起來，得到針對不同預測對象的不同方法。這些方法能發(fā)揮數(shù)據(jù)挖掘技術(shù)的優(yōu)勢，為證券市場的預測提供更好的技術(shù)分析方法，從而希望為投資決策者提供更為精確的定量分析結(jié)果。

[關(guān)鍵詞] 數(shù)據(jù)挖掘證券行情預測

隨著國際金融業(yè)的競爭日趨激烈，政策分析與決策制定對數(shù)據(jù)的依賴性和敏感度也越來越高，許多金融機構(gòu)開始運用更加先進的信息技術(shù)與智能決策支持技術(shù)，對業(yè)務系統(tǒng)中積累的海量數(shù)據(jù)進行深入分析，以發(fā)現(xiàn)各種有價值的規(guī)律。

傳統(tǒng)的金融時間序列分析模型與方法已經(jīng)不能滿足金融領(lǐng)域中一些新的應用要求，而將數(shù)據(jù)挖掘相關(guān)技術(shù)運用到金融時間序列分析中將有助于發(fā)現(xiàn)數(shù)據(jù)中的新規(guī)律和新特征，并對一些新的應用提供支持，從而拓展金融時間序列分析理論與方法，為證券市場提供新的數(shù)量技術(shù)支撐，同時為金融時間序列分析預測技術(shù)的突破開辟新的研究思路。

一、證券市場預測對象的選擇

根據(jù)對金融時間序列的預測一般在短期內(nèi)準確率較高的特點，可選取證券市場中按時間跨度分類的中短期行情預測。在中短期內(nèi)，人們更加關(guān)注單只股票在一定時間內(nèi)價格的變化幅度及變化趨勢，以此決定是否在短時間內(nèi)介入或退出股票的買賣活動;同時，人們也關(guān)心兩只或多只股票間是否具有相應的聯(lián)動反應，即一只股票或某一行業(yè)股票的漲跌是否會影響另一只股票或整個行業(yè)的漲跌;在對個股進行預測的過程中，綜合指數(shù)往往是一個評判近期市場走向的重要指標，如果能夠?qū)C合指數(shù)在一定時間內(nèi)進行預測，也能給投資者提供很好的參考建議。

在選擇預測研究對象時，可選擇的是對某一股票在一天中的某一個時段內(nèi)價格的變化進行預測、某一股票價格在某一時間段內(nèi)(大于一天)的突變趨勢預測、某一時間段內(nèi)(大于一天)股票間價格的關(guān)聯(lián)關(guān)系預測及月均股指的變化預測，這樣四個方面的預測呈現(xiàn)出在時間上和研究的股票數(shù)量上的遞進關(guān)系，所以，可以根據(jù)這四個預測方向的遞進關(guān)系，對選擇的研究對象進行預測，從而為金融時間序列分析理論與方法提供新的思路和方法。這些預測結(jié)果將對金融機構(gòu)與投資決策者深刻認識證券市場變化規(guī)律、有效進行金融管理提供幫助，為證券市場提供新的數(shù)量技術(shù)支撐，并對促進證券市場技術(shù)分析理論與方法的創(chuàng)新與發(fā)展、豐富金融管理與投資分析的新方法等方面提供理論依據(jù)。

二、預測模塊建立

目前，存在很多數(shù)據(jù)挖掘的方法和算法，其中主要方法包括:關(guān)聯(lián)規(guī)則方法， 分類分析，聚類分析，神經(jīng)網(wǎng)絡方法，規(guī)則歸納，決策樹，粗糙集方法，模糊論方法，灰色系統(tǒng)理論，在數(shù)據(jù)挖掘中還廣泛采用統(tǒng)計方法、優(yōu)化方法以及科學計算可視化等方法。

在針對證券行情預測的過程中，可選取模糊集、粗糙集、灰色理論、關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡等方法，其中可分局證券行情中具有的不確定性質(zhì)，適當加入不確定性方法，用于構(gòu)建證券市場的有效分析方法，并可選取數(shù)據(jù)挖掘技術(shù)中的聚類方法對時間序列進行預處理，從而得到針對證券市場中預測不同側(cè)重點的新方法。在具體預測過程中，可針對不同時間段的預測采用不同的方法進行結(jié)合，得到相應的組合預測方法，如模糊粗糙集挖掘預測方法、趨勢特征挖掘預測方法、時間序列模糊關(guān)聯(lián)規(guī)則預測方法和多灰色神經(jīng)網(wǎng)絡組合預測方法。這四種預測方法分別用以預測在中短時間內(nèi)，對單只股票的價格變化、股票價格的趨勢預測、股票價格間的關(guān)聯(lián)關(guān)系預測及股指的變化預測。以下為各模塊具體構(gòu)建過程。

1.模糊粗糙集挖掘預測方法。可根據(jù)模糊相似關(guān)系下的模糊粗糙集挖掘預測方法對單只股票價格價格進行預測，再根據(jù)趨勢特征挖掘預測方法對股票價格的突變趨勢進行預測，其次根據(jù)時間序列模糊關(guān)聯(lián)規(guī)則預測方法對多只股票間的關(guān)聯(lián)關(guān)系進行預測，最后根據(jù)和多灰色神經(jīng)網(wǎng)絡組合預測方法對上證月均綜合指數(shù)和深成月均綜合指數(shù)的變化進行預測。在選取數(shù)據(jù)時，根據(jù)中國股市自身特性，將股市中兩段交易時間合并為一個連續(xù)的時間段，這樣做對實際操作并沒有影響，而且能給實驗帶來很大的方便。這樣可以得到在一定時間段內(nèi)的某一股票的股價變動預測。

2.趨勢特征挖掘預測方法。可根據(jù)金融時間序列自身特征，將股價時序轉(zhuǎn)換為股價變動時間序列進行分析。首先對時間序列相似性模式挖掘進行分析，給出歐氏距離的定義、性質(zhì)及表達方式。然后對股價變動時間序列進行平滑處理，在分段線性法的基礎(chǔ)上進行改進，得到相應的趨勢特征提取算法，用于對股價變動時間序列提取相應特征序列，將時間序列的預測問題轉(zhuǎn)化為頻繁和有效特征集，有效地發(fā)現(xiàn)問題，對趨勢特征模式進行挖掘預測。根據(jù)連續(xù)一段時間的漲跌情況判斷證券市場股價在短時間內(nèi)的變化趨勢，以求證券投資者能準確把握市場趨勢，做出正確決策。

3.時間序列模糊關(guān)聯(lián)規(guī)則預測方法。以模糊集理論為基礎(chǔ)，根據(jù)股票時間序列自身特性，將時間序列進行化分，將屬性域劃分后構(gòu)造正規(guī)模糊集的支集及核，產(chǎn)生模糊集的隸屬函數(shù)，以聚類方法為基礎(chǔ)對模糊集屬性域進行離散化，能獲取各個股票間在某一時間段內(nèi)彼此存在的關(guān)聯(lián)關(guān)系，并能得到不同行業(yè)股票間的漲跌關(guān)系。這為投資者把握整個證券市場，了解各個行業(yè)間的聯(lián)系及發(fā)展動向提供了便利。對小額投資者來說，則能從中得到具體個股之間的關(guān)聯(lián)，為決策提供一定的技術(shù)支持。

4.多灰色神經(jīng)網(wǎng)絡組合預測方法。可選用合適的灰色預測模型與神經(jīng)網(wǎng)絡預測模型有機組合起來，形成一種多灰色神經(jīng)網(wǎng)絡組合預測模型，用于對證券市場的綜合指數(shù)進行預測，對灰色預測方法和神經(jīng)網(wǎng)絡預測方法中的參數(shù)進行重新設置，得到多灰色神經(jīng)網(wǎng)絡的組合預測模型，這樣可以得到比單獨一種灰色預測理論模型和單獨的灰色神經(jīng)網(wǎng)絡組合預測模型更為精確的預測精度，可作為證券市場大盤指數(shù)預測的有效工具。

通過以上對數(shù)據(jù)挖掘技術(shù)中方法的確定，可以構(gòu)成對中短時期內(nèi)的證券市場行情預測的整體框架，決策者可通過該方法得到預期值，用以進行行情預測與決策，并能得到較好效果。