智能數(shù)據(jù)分析在投資預測中的應用

裴洪文 裴錚

摘 要：本文對證券投資市場的數(shù)據(jù)背景進行了分析，目前證券市場有近四千家上市公司，非常需要利用人工智能的方法來處理數(shù)據(jù)并對市場的變化趨勢作預測。對數(shù)據(jù)挖掘（獲取）技術進行了分析，同時分析了數(shù)據(jù)挖掘過程和依據(jù)，研究了數(shù)據(jù)挖掘技術在證券投資市場上的應用，研究了時間序列模型預測和神經網絡預測模型分析方法，并利用二種預測方法進行了軟件模擬仿真，結果表明神經網絡模型預測比較有效。

關鍵詞：數(shù)據(jù)挖掘 ；數(shù)學模型 ；人工智能 預測

1研究背景及意義

證券投資可以實現(xiàn)資產增值，支持社會融資，化解供求雙方的壓力，傳遞經濟優(yōu)化配置等功能，已成了各級政府部門、眾多企業(yè)和眾多投資者關心并積極參與的經濟活動。由于證券投資市場具有的投資收益和風險是正相關的，收益越高的投資則存在的風險也越大。近年來，證券投資已經成為人們日常經濟生活的一個重要組成部分，證券市場的漲跌對人民生活、經濟活動的影響日益增大，如果能有效預測證券市場股票價格的走勢，將會對人們的投資理念、投資理財水平產生巨大的影響，還可以對國民經濟的發(fā)展提供有價值的參考依據(jù)。

對證券市場的股票進行預測，主要利用三點基本假設：即市場行為涵蓋一切信息；股價變化有趨勢可以遵循；歷史會重演。隨著股市的發(fā)展，人們不僅探索其內在的有關規(guī)律，并對此進行逐步深入的研究，同時找出了許多對股市的預測方法。但影響股票價格的因素有許多：如政策、經濟發(fā)展狀況、股票投資者的心理因素等，這些因素相互交織，相互影響，相互約束，股票的價格波動表現(xiàn)出較強的非線性特征，僅用線性分析會產生較大的誤差，同時股價的變化呈現(xiàn)出隨機特性和時變特性，如何發(fā)掘股價的變化規(guī)律，是經濟研究中的一個非常有意義的問題。

股票的分析涉及大量的復雜數(shù)據(jù)的提取，以及大量的數(shù)據(jù)運算，不可能單靠人工來完成獲取數(shù)據(jù)，處理數(shù)據(jù)，傳輸數(shù)據(jù)，儲存數(shù)據(jù)的過程，也不可能完成這些處理過程中涉及到的大量的數(shù)據(jù)的算術和邏輯運算。影響股票的走勢因素太多，股票市場中的數(shù)據(jù)含有較多的干擾因素即噪聲，在線性條件下，可以設計相應的濾波器將這些噪聲部分清除，但在非線性條件下，難以用濾波器處理，要求股市的預測應當具有比較強大的非線性問題的處理能力。股市的數(shù)據(jù)有時反映了投資者的主觀性，特別是投資者的心理因素影響很大，為了得到比較可靠和有效的股市模型及預測結果，人工智能的研究利用給我們提供了相應的解決方法。

2數(shù)據(jù)挖掘分析

2.1概念

隨著國內證券市場的發(fā)展，股票市場提供的數(shù)據(jù)越來越多，激增的數(shù)據(jù)背后含有許多重要的信息，做分析決策對數(shù)據(jù)的依賴性和敏感度也越來越也高。數(shù)據(jù)挖掘技術作為股票市場的分析和決策工具已經得到越來越多的重視。

數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中 ，提取隱含在其中的、人們事先不知道的、潛在有用的信息和知識的過程。從證券市場應用的角度，根據(jù)預定的分析目標，對大量的上市公司數(shù)據(jù)進行必要的檢索，抽取和適當?shù)姆治觯沂具@些數(shù)據(jù)隱含的變化規(guī)律，并進一步將其模型化的先進有效的技術過程。數(shù)據(jù)挖掘是一門交叉學科，是人工智能中一個重要技術，集成了許多學科，包括數(shù)據(jù)庫技術、統(tǒng)計學、機器學習、模型識別，人工智能、建模技術、電子技術，信息技術等成熟的工具和技術。

2.2數(shù)據(jù)挖掘過程

分為定義問題、數(shù)據(jù)的收集和預處理、數(shù)據(jù)挖掘、結果分析及知識的應用等五個過程。

（1）定義問題：清晰的定義出證券市場的問題，確定數(shù)據(jù)挖掘的目的。

（2）數(shù)據(jù)的收集和預處理：包括數(shù)據(jù)選擇、數(shù)據(jù)預處理和數(shù)據(jù)轉換、數(shù)據(jù)選擇的目的就是確定數(shù)據(jù)挖掘任務所涉及的操作數(shù)據(jù)對象；數(shù)據(jù)預處理通常包括消除噪聲、遺漏數(shù)據(jù)處理、消除重復數(shù)據(jù)、數(shù)據(jù)類型轉換等處理。

（3）數(shù)據(jù)挖掘：根據(jù)數(shù)據(jù)功能的類型和數(shù)據(jù)的特點選擇相應的算法，在凈化和轉換過的數(shù)據(jù)集上進行數(shù)據(jù)挖掘。

（4）結果分析：對數(shù)據(jù)挖掘的結果進行解釋和評價，轉換成為能被證券市場用戶理解的知識。

（5）知識的運用：將分析得到的知識集成到業(yè)務信息系統(tǒng)的組織結構中去。

3數(shù)據(jù)挖掘技術在證券投資市場上的應用

3.1數(shù)據(jù)挖掘的依據(jù)

（1）關聯(lián)：證券股票市場與當期的匯率變動情況，利率變動情況，國民經濟的發(fā)展狀況的關聯(lián)，某一證券與該證券所屬行業(yè)板塊、所屬區(qū)域板塊及整個證券市場的相關分析，股價變化與關聯(lián)因素影響分析，不同地域、不同行業(yè)的股票關聯(lián)情況分析。

（2）技術：對各種指標和數(shù)據(jù)的排序、分類，研究它們具有的技術特征和影響程度，對股票價格波動的技術指引。

（3）在線投資分析：對成交量、板塊進行分析，對預測結果進行驗證，對股價的變動規(guī)律、未來行情走勢做分類、探討不同投資結合效果，提出構建綜合的科學方案。作出必要的收益和風險的評判。

3.2時間序列模型預測分析

通過編制和分析時間序列，根據(jù)時間序列所反映出來的發(fā)展過程、方向和趨勢、進行類推和延伸。從歷史各個時間間隔的股票價格漲跌、交易量變動的交叉信息中，分析出大眾的投資心理和投資趨向。

用T來表示長期趨勢值，用S表示季節(jié)變動值，用I來表示不規(guī)則變動值，可以用兩種方法計算未來的時間序列預測值Y：

加法模式Y=T+S+I

乘法模式Y=T×S×I

在股票預測常用的時間序列分析法主要利用建立自回歸模型AR，移動平均模型MA，自動回歸和移動平均模型ARMA和齊次非平穩(wěn)模型ARMA，通過選擇模型的參數(shù)和辨識模型的系數(shù)來實現(xiàn)對時間序列擬合的模型預測。

3.3神經網絡預測分析

（1）人工神經元模型

4結論

本文利用數(shù)據(jù)挖掘方法中的時間序列分析方法及神經網絡分析方法對同一股票，同一板塊股票進行了預測。利用SQL平臺建立時間序列預測模型和神經網絡模型。對預測結果進行了對比，時間序列分析基本上能夠預測出當時的收盤價走勢，預測的二十只股票，有五只誤差在5%以內，有七只誤差在10%以內，其余在10%以上，而利用神經網絡預測分析的二十只股票有八只誤差在5%以內，有十只誤差在10%以內，其余超過10%。可以發(fā)現(xiàn)時間序列預測方法相對較簡單，利用的算法比較直觀，但由于該算法的特點，預測誤差有些大。人工神經網絡方法預測結果相對較好，缺點是運算量過大，算法較復雜。

隨著云計算、大數(shù)據(jù)及人工智能技術的發(fā)展，利用神經網絡預測變得越來越方便，越來越精準，越來越有效。神經網絡的預測技術將會更有發(fā)展前景。

參考文獻 ：

[1]鄧松，李文敬等.數(shù)據(jù)挖掘原理與SPSS Clementine應用寶典[M] .北京：電子工業(yè)出版社 2009；

[2]廖芹，郝志峰等.數(shù)據(jù)挖掘與數(shù)學建模[M].北京：國防工業(yè)出版社 2010；

[3]Abarbanell，Bushee，F(xiàn)undamental analysis ，future earnings and stock prices. Journal of Accounting Research，2012 ， 35（1）：88-90；