基于數(shù)據(jù)挖掘的股票趨勢預(yù)測

馬輝

【摘要】證券市場的不穩(wěn)定性和隨機性的特征讓僅僅預(yù)測明天的股票價格也是一種挑戰(zhàn)。通過出色的、良好構(gòu)造的特征集能夠更好地估計股票市場的趨勢。再者，當(dāng)我們建立了正確的模型來獲得不斷變化的趨勢的不易觀察的屬性時，我們的預(yù)測能力將會獲得提高。在這篇論文中，本文提出了一個二元事件模型。在這個模型的基礎(chǔ)上建立特征集來更好地預(yù)測股票市場的未來趨勢。本文運用了貝葉斯和支持向量機來證明本文的方法在預(yù)測準(zhǔn)確性和速度方面的優(yōu)勢。本文的實驗說明在一天的預(yù)測中預(yù)測準(zhǔn)確率在70%～80%。另外，本文的回歸測試證明交易的累計回報率在30%～100%。

通過實驗結(jié)果表明，本文運用的模型在真實的市場中在預(yù)測準(zhǔn)確性和累計回報方面獲得了很好地表現(xiàn)。

【關(guān)鍵詞】股票預(yù)測 回歸測試 特征集

一、簡介

市場上有很多的工具和統(tǒng)計值來分析股票的趨勢，這些工具和統(tǒng)計指標(biāo)能夠讓我們在每天變化的股票價格中找到潛在的價值和模式。舉個例子，有很多的技術(shù)指標(biāo)描述市場趨勢，像簡單移動平均等。與此同時，我們?nèi)鄙偈褂酶鞣N不同的工具和統(tǒng)計值的知識。盡管我們對使用其中的一些技術(shù)指標(biāo)有一定的了解，但是每個技術(shù)指標(biāo)都會有自己的局限性，不能夠?qū)⑺杏绊懝善眱r格的因素都考慮在內(nèi)。人們目前在找到一個最優(yōu)的各種指標(biāo)的結(jié)合來做出買入、持有、賣出的策略時有很大的難度。

從有效市場理論的角度看，股票預(yù)測幾乎是不可能的。股票價格已經(jīng)反應(yīng)了到目前為止市場上的大量公共信息。為了讓這個問題看上去能夠解決，本篇論文會將問題局限在二元分類。盡管要預(yù)測出精確的上漲、下跌的比例和交易量是困難的，只是預(yù)測股票價格是上升還是下降看上去是合理的。

由此本文提出二元股票事件模型。具體做法如下：首先、本文的工作將從市場上收集數(shù)據(jù)開始，在收集了部分股票一定時間段內(nèi)的股票數(shù)據(jù)之后。根據(jù)常用的技術(shù)指標(biāo)，從原始數(shù)據(jù)中算出他們的值。其次，基于這些技術(shù)指標(biāo)的結(jié)合設(shè)計出二元事件模型。這是一個二元值向量代表在一個特定的時刻一個預(yù)先設(shè)計的股票事件是否發(fā)生。舉個例子，假設(shè)一個二元股票事件，定義為事件s，發(fā)生在2013年的12月14號，這個BSEM模型（事件s，20131214）的值是1。同樣的方式、向量的每一個值應(yīng)該是1或0，根據(jù)在特定時刻它是否發(fā)生。最后，獲得一系列的二元股票事件包括n天m個特征來描述m個二元股票事件的發(fā)生。其次、設(shè)計出每個二元股票事件的類標(biāo)簽。最后、根據(jù)數(shù)據(jù)挖掘中常用的數(shù)據(jù)分類算法對模型進行分類。

二、產(chǎn)生數(shù)據(jù)集和特征集

（一）產(chǎn)生數(shù)據(jù)集

總共20家A股上市公司從2013年1月1號到2015年8月31號，共12723條交易記錄。數(shù)據(jù)來源是國泰安CSMAR數(shù)據(jù)庫。

（二）產(chǎn)生類標(biāo)簽

在原始特征集產(chǎn)生之前，先討論訓(xùn)練集的類標(biāo)簽的產(chǎn)生。從基本上來說，預(yù)測股票趨勢就是預(yù)測從現(xiàn)在開始k天內(nèi)的股票趨勢。因此，我們需要計算一個目標(biāo)類標(biāo)簽y，用來表示今天的價格和在k天之后的價格的差別。本文中，定義的目標(biāo)類標(biāo)簽，它是當(dāng)天的收盤價和k天之后的開盤價和最高價之間的平均值。本文中選擇在未來某一天的開盤價和最高價之間的平均值作為類標(biāo)簽的理由是基于通常的市場交易策略。舉個例子，如果我們產(chǎn)生了一個向上的趨勢的預(yù)測信號，它意味著明天的價格會漲。從交易的視角來看，我們會基于預(yù)測信號在當(dāng)天的收盤價上購買一只股票。然后我們會在盡可能高的價位上賣掉股票。所以，本文認(rèn)為可能的賣出價格區(qū)間會由當(dāng)天的開盤價和當(dāng)天的最高價決定。如果價格低于當(dāng)天的開盤價，交易員會馬上賣掉股票。

簡單起見，本論文只考慮二元分類問題就像上升和下降。為了做到這一點，將上升和下降的比率轉(zhuǎn)化為1或者0，并且將每天的用這種標(biāo)簽注釋。

（三）產(chǎn)生原始數(shù)據(jù)特征集

為了追蹤股票價格的變動趨勢，很多股票分析家會運用移動平均線法。移動平均線簡稱均線，它是將某一段時間的收盤價之和除以該周期。最流行的移動平均是簡單移動平均（SMA）和指數(shù)移動平均（EMA）。SMA和EMA是從上文的原始數(shù)據(jù)中根據(jù)給定的時間段k，計算出給定時間段內(nèi)的平均值。舉個例子，SMA（5）是通過計算最后五天的價格的平均值得到的，同時EMA（5）是在考慮到隨著時間的推移價格權(quán)重呈指數(shù)級降低計算出的。

根據(jù)上文中的基于原始數(shù)據(jù)的技術(shù)指標(biāo)集，從大智慧軟件中得到這些股票對應(yīng)指標(biāo)集的數(shù)據(jù)值。

三、建立二元股票事件模型

（一）定義股票事件模型

在真實的股票投資中，股票分析員不會使用技術(shù)指標(biāo)的數(shù)值來做出投資決策。他們會更關(guān)注于一些特定的預(yù)先設(shè)定的事件的發(fā)生。舉個例子，當(dāng)5天移動平均線突破了10天移動平均線，這叫做黃金交叉或者令人興奮的突破，它是一個很強的購買一只股票的信號。再舉一個例子，如果一只股票價格的上升伴隨著顯著增大的交易量，它也是一個強烈的購買信號。這樣的角度看的話，一個特定股票事件的出現(xiàn)比一些枯燥的數(shù)值的變化在預(yù)測未來股票的趨勢中更有意義。

（二）產(chǎn)生基于二元股票事件模型的特征集

二元股票事件模型代表了一個輸入事件的發(fā)生。舉個例子，如果一個輸入事件是一個5天的簡單移動平均線上升超過一個10天的簡單移動平均線，那么這個事件就被記錄為1，否則它就是0。

基于上述的股票事件集和上文中得到基于原始數(shù)據(jù)的指標(biāo)集，得到二元股票事件模型。

四、基于貝葉斯學(xué)習(xí)模型的預(yù)測

（一）預(yù)測準(zhǔn)確性

本論文基于特征集的二元股票事件模型的評測標(biāo)準(zhǔn)是預(yù)測的準(zhǔn)確度。本文用到的數(shù)據(jù)集從源頭上來說是一個臨時的數(shù)據(jù)集，它是不斷隨著接下來股票市場每天的報價而變動的。然而，一個二元股票事件模型的特征集只是集中于昨天和今天的差別；使用五重交叉驗證是沒有問題的。換句話來說，在數(shù)據(jù)集中的每一行是由離散值組成的，所以劃分它是容易的。

在實驗中，預(yù)測結(jié)果是一個二元分類。因此，預(yù)測準(zhǔn)確度是這樣計算的：正確的上升趨勢預(yù)測和正確的下降趨勢預(yù)測與所有的預(yù)測結(jié)果的數(shù)量的商。

本文所有的測試運行環(huán)境如下：

處理器：Intel（R）Core（TM）2 Duo CPU T5870 @ 2.00GHz

安裝內(nèi)存（RAM）：3.00GB。

本文選用這20只股票的2013-2014年的二元股票事件模型作為訓(xùn)練集，2015年01-08月份的二元股票事件模型作為測試集。使用貝葉斯分類器運算結(jié)果是75.4%。

（二）回歸測試結(jié)果

本文的原始數(shù)據(jù)集是由股票市場20只股票2013、2014、2015-01到2015-08的每天的交易報價組成的，因此我們將它劃分成五塊來做回歸測試。我們用五層交叉驗證來學(xué)習(xí)我們的模型。為了精確定位回歸測試，本文評估使用的數(shù)據(jù)不是來自于訓(xùn)練數(shù)據(jù)使用的部分，都來自于測試數(shù)據(jù)使用的部分。

圖1 回歸測試的交易策略

由程序計算浦發(fā)銀行（600000）在2015年一月份到八月份之間的回報率為50.8%。

五、總結(jié)和展望

本文的研究從找到各種不同技術(shù)指標(biāo)之間的最佳的結(jié)合開始的。為了解決這個問題，本文提出了建立二元股票事件模型的方法。基于原始股票數(shù)據(jù)，計算不同股票的各個技術(shù)指標(biāo)數(shù)值。再通過各個技術(shù)指標(biāo)數(shù)值構(gòu)建二元股票事件集，從而構(gòu)建二元股票事件模型。由此，基于這個模型，本文產(chǎn)生了一個二元股票事件模型的特征集作為訓(xùn)練數(shù)據(jù)。接下來，本文通過貝葉斯分類器成功地獲得了很高的預(yù)測精度。

參考文獻(xiàn)

[1]鄧乃揚，田英杰.數(shù)據(jù)挖掘中的新方法——支持向量機[M].北京：科學(xué)出版社，2004.

[2]王莎.BP神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用研究[D].中南大學(xué) 2008.

[3]史書真.股價時間序列的分析與預(yù)測研究[D].應(yīng)用數(shù)學(xué)學(xué)報， 2006，29（4）：619-632.