基于股票动态趋势的股票买卖点构建方法技术

本发明专利技术公开了一种基于股票动态趋势的股票买卖点构建方法，涉及专门适用于股票的买卖方法技术领域。所述方法首先根据股票价格序列的过程特性，建立含有系统自适应参数的股票价格序列变化模型；其次，根据建立的股票价格序列变化模型，利用股票价格观测数据值计算股票价格当前估计值；然后根据股票价格估计值计算股票价格序列的速度和加速度，构建股票买入卖出点；最后，根据股票价格加速度估计值修正系统自适应参数，利用修正的系统自适应参数更新股票价格序列的变化模型，利用更新的股票价格序列变化模型进行下一次估计。所述方法可更准确、更及时地表达股票趋势的变化模型，给出股票的买卖点。

【技术实现步骤摘要】

本专利技术涉及专门适用于股票的买卖方法
，尤其涉及一种基于股票动态趋势的股票买卖点构建方法。
技术介绍
证券分析方法包括技术分析和基本面分析方法，技术分析的理论基础基于三项市场假设：一、市场行为涵盖一切信息；二、价格沿趋势移动；三、历史会重演。从这三个基本假设出发，产生了不同流派的技术分析研究方法和理论体系。技术分析方法可分为5类：指标类、切线类、形态类、K线类、波浪类。使用最多的技术分析方法是技术指标。技术指标通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数据，即所谓技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处状态，为操作行为提供指导方向。目前证券市场上的经典技术指标主要有相对强弱指标(RSI)、随机指标(KD)、平滑异同移动平均线(MACD)、能量潮(OBV)等，人们通常使用这些经典指标构建策略模型，得到的往往是同质模型，容易产生竞争交易导致额外风险。并且经典指标，比如均线在表达股票的波动时会更慢、更滞后一些。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于股票动态趋势的股票买卖点构建方法，所述方法能够利用Kalman滤波器对股票价格序列的速度、加速度变化特性进行实时建模跟踪股票的动态趋势，更准确、更及时地表达股票趋势的变化模型，给出股票的买卖点。为解决上述技术问题，本专利技术所采取的技术方案是：一种基于股票动态趋势的股票买卖点构建方法，其特征在于包括如下步骤：1)建立估计股票序列系统模型，包括具有系统自适应参数的股票价格序列变化模型及股票主趋势提取模型；2)根据建立的股票价格序列变化模型及股票主趋势提取模型对股票价格序列状态进行预测，得到股票价格序列的预测值，根据股票价格序列的预测值和股票价格数据观测值对股票价格序列状态进行更新，得到股票价格估计值；3)根据股票价格估计值得到股票价格序列的速度和加速度，构建股票买入卖出点；4)根据股票价格序列的加速度估计值对系统自适应参数进行修正，进而更新所述的建立估计股票序列系统模型中的股票价格序列变化模型；5)重复以上步骤1)-4)，直至所有数据全部执行完毕，则结束。进一步的技术方案在于：在所述的步骤1)之前还包括股票价格序列变化状态和系统自适应参数初始化的步骤。进一步的技术方案在于：所述股票价格序列变化状态和系统自适应参数初始化的具体方法如下：设置股票价格序列变化状态初值系统自适应参数初值α＝α0和其中α为频率，为加速度方差；自相关函数初值r0(0)和r0(1)的初值取为r0(0)＝0,r0(1)＝0；系统加速度分量初值进一步的技术方案在于：所述的步骤1)中建立具有系统自适应参数的变化模型的具体方法包括：1.1 利用下式描述股票价格序列的变化特征x(k+1)＝Φ(k+1,k)x(k)+w(k)其中为3维状态列向量，x,分别是位移、速度和加速度，x(k+1)为k+1时刻股票价格序列的状态向量，k为采样时刻；Φ(k+1,k)为状态转移矩阵；x(k)为k时刻股票价格序列的状态向量；w(k)为过程噪声，其均值为0，方差为Q(k)；所述Φ(k+1,k)及Q(k)中含有股票价格序列频率α和股票价格序列加速度方差1.2 利用下式建立股票主趋势提取模型y(k)＝H(k)x(k)+v(k)其中k为采样时刻，y(k)为股票价格序列在k时刻的股票价格观测值，H(k)为测量矩阵，x(k)为k时刻股票价格序列的状态向量；v(k)为白噪声，其方差为R，且与过程噪声w(k)相互独立；H(k)的取值方法为：H(k)＝[1 0 0]。进一步的技术方案在于：所述步骤2)中根据建立的具有系统自适应参数的变化模型对股票价格序列状态进行预测，得到股票价格序列的预测值的具体方法如下：2.1 根据建立的具有系统自适应参数的变化模型和初始值完成股票价格序列状态的一步预测，预测方程式如下： x ^ ( k | k - 1 ) = Φ ( k , k - 1 ) x ^ ( k - 1 | k - 1 ) ]]>其中表示k-1时刻预测股票价格序列在k时刻的状态，k为采样时刻，|表示条件操作符；Φ(k,k-1)为状态转移矩阵；表示股票价格序列k-1时刻股票价格序列的估计值；2.2 按照下式完成股票价格序列状态协方差的一步预测：P(k|k-1)＝Φ(k,k-1)P(k-1|k-1)ΦT(k,k-1)+Q(k-1)其中P(k|k-1)表示k-1时刻预测股票价格序列在k时刻的状态协方差，k为采样时刻，|表示条件操作符；P(k-1|k-1)表示k-1时刻股票价格序列的状态协方差的估计值；Φ(k,k-1)为状态转移矩阵；Q(k-1)为过程噪声协方差。进一步的技术方案在于：所述步骤2)中根据股票价格序列的预测值和股票价格数据观测值对股票价格序列状态进行更新，得到股票价格估计值的具体方法如下：3.1 根据股票价格序列状态协方差预测值、测量矩阵及测量噪声方差按照下式计算滤波器增益K(k)＝P(k|k-1)HT(k)[H(k)P(k|k-1)HT(k)+R]T其中，K(k)为滤波器增益，k为采样时刻，P(k|k-1)表示k-1时刻预测股票价格序列在k时刻的状态协方差，H(k)为k时刻的测量矩阵，R为白噪声的方差，HT(k)为k时刻的测量矩阵的转置；3.2 利用股票价格序列预测值和股票价格数据观测值计算股票价格序列当前估计值其中，表示k时刻股票价格序列的估计值，表示k-1时刻时预测股票价格序列在k时刻的状态，k为采样时刻，K(k)为k时刻滤波器增益，y(k)为股票价格接收数据在k时刻的股票价格序列观测值，H(k)为k时刻的测量矩阵；3.3 按照下式计算股票价格序列状态协方差估计值，P(k|k)＝[I-K(k)H(k)]P(k|k-1)其中I是3维单位矩阵，P(k|k)表示k时刻的股票价格序列状态协方差的估计值，k为采样时刻，K(k)为k时刻滤波器增益，H(k)为k时刻的测量矩阵，P(k|k-1)表示k-1时刻预测股票价格序列在k时刻的状态协方差。进一步的技术方案在于：所述步骤3)中根据股票价格估计值获得股票价格序列的速度和加速度，构建股票买入卖出点的具体方法如下：步骤4.1：利用步骤3.2中得到的k时刻股票价格序列的估计值获得股票价格序列的速度加速度步骤4.2：根据获得的股票价格序列的速度加速度构建股票买卖点；当且买入股票；当且卖出股票。进一步的技术方案在于：所述步骤4)中根据股票价格估计值计算股票价格序列加速度均值及加速度估计值，用其对系统自适应参数进行修正，具体方法如下：步骤6.1：按照下式获取系统k-1时刻和k时刻的加速度估计值其中为k-1时刻状态估计的第三行值，为k时刻状态估计的第三行值。进一步的技术方案在于：根据采样时刻k值的大小，选择修正系统自适应参数α本文档来自技高网...

【技术保护点】
一种基于股票动态趋势的股票买卖点构建方法，其特征在于包括如下步骤：1)建立估计股票序列系统模型，包括具有系统自适应参数的股票价格序列变化模型及股票主趋势提取模型；2)根据建立的股票价格序列变化模型及股票主趋势提取模型对股票价格序列状态进行预测，得到股票价格序列的预测值，根据股票价格序列的预测值和股票价格数据观测值对股票价格序列状态进行更新，得到股票价格估计值；3)根据股票价格估计值得到股票价格序列的速度和加速度，构建股票买入卖出点；4)根据股票价格序列的加速度估计值对系统自适应参数进行修正，进而更新所述的建立估计股票序列系统模型中的股票价格序列变化模型；5)重复以上步骤1)‑4)，直至所有数据全部执行完毕，则结束。

【技术特征摘要】
1.一种基于股票动态趋势的股票买卖点构建方法，其特征在于包括如下步骤：1)建立估计股票序列系统模型，包括具有系统自适应参数的股票价格序列变化模型及股票主趋势提取模型；2)根据建立的股票价格序列变化模型及股票主趋势提取模型对股票价格序列状态进行预测，得到股票价格序列的预测值，根据股票价格序列的预测值和股票价格数据观测值对股票价格序列状态进行更新，得到股票价格估计值；3)根据股票价格估计值得到股票价格序列的速度和加速度，构建股票买入卖出点；4)根据股票价格序列的加速度估计值对系统自适应参数进行修正，进而更新所述的建立估计股票序列系统模型中的股票价格序列变化模型；5)重复以上步骤1)-4)，直至所有数据全部执行完毕，则结束。2.如权利要求1所述的基于股票动态趋势的股票买卖点构建方法，其特征在于：在所述的步骤1)之前还包括股票价格序列变化状态和系统自适应参数初始化的步骤。3.如权利要求2所述的基于股票动态趋势的股票买卖点构建方法，其特征在于，所述股票价格序列变化状态和系统自适应参数初始化的具体方法如下：设置股票价格序列变化状态初值系统自适应参数初值α＝α0和其中α为频率，为加速度方差；自相关函数初值r0(0)和r0(1)的初值取为r0(0)＝0,r0(1)＝0；系统加速度分量初值4.如权利要求3所述的基于股票动态趋势的股票买卖点构建方法，其特征在于，所述的步骤1)中建立具有系统自适应参数的变化模型的具体方法包括：1.1利用下式描述股票价格序列的变化特征x(k+1)＝Φ(k+1,k)x(k)+w(k)其中为3维状态列向量，x,分别是位移、速度和加速度，x(k+1)为k+1时刻股票价格序列的状态向量，k为采样时刻；Φ(k+1,k)为状态转移矩阵；x(k)为k时刻股票价格序列的状态向量；w(k)为过程噪声，其均值为0，方差为Q(k)；所述Φ(k+1,k)及Q(k)中含有股票价格序列频率α和股票价格序列加速度方差1.2利用下式建立股票主趋势提取模型y(k)＝H(k)x(k)+v(k)其中k为采样时刻，y(k)为股票价格序列在k时刻的股票价格观测值，H(k)为测量矩阵，x(k)为k时刻股票价格序列的状态向量；v(k)为白噪声，其方差为R，且与过程噪声w(k)相互独立；R的取值方法为：先取前50—200个股票数据点进行平均得到M，则R＝mM，其中m的取值为10％～20％。H(k)的取值方法为：H(k)＝[1 0 0]。5.如权利要求4所述的基于股票动态趋势的股票买卖点构建方法，其特征在于，所述步骤2)中根据建立的具有系统自适应参数的变化模型对股票价格序列状态进行预测，得到股票价格序列的预测值的具体方法如下：2.1根据建立的具有系统自适应参数的变化模型和初始值完成股票价格序列状态的一步预测，预测方程式如下： x ^ ( k | k - 1 ) = Φ ( k , k - 1 ) x ^ ( k - 1 | k - 1 ) ]]>其中表示k-1时刻预测股票价格序列在k时刻的状态，k为采样时刻，|表示条件操作符；Φ(k,k-1)为状态转移矩阵；表示股票价格序列k-1时刻股票价格序列的估计值；2.2按照下式完成股票价格序列状态协方差的一步预测：P(k|k-1)＝Φ(k,k-1)P(k-1|k-1)ΦT(k,k-1)+Q(k-1)其中P(k|k-1)表示k-1时刻预测股票价格序列在k时刻的状态协方差，k为采样时刻，|表示条件操作符；P(k-1|k-1)表示k-1时刻股票价格序列的状态协方差的估计值；Φ(k,k-1)为状态转移矩阵；Q(k-1)为过程噪声协方差。6.如权利要求5所述的基于股票动态趋势的股票买卖点构建方法，其特征在于，所述步骤2)中根据股票价格序列的预测值和股票价格数据观测值对股票价格序列状态进行更新，得到股票价格估计值的具体方法如下：3.1根据股票价格序列状态协方差预测值、测量矩阵及测量噪声方差按照下式计算滤波器增益K(k)＝P(k|k-1)HT(k)[H(k)P(k|k-1)HT(k)+R]T其中，K(k)为滤波器增益，k为采样时刻，P(k|k-1)表示k-1时刻预测股票价格序列在k时刻的状态协方差，H(k)为k时刻的测量矩阵，R为白噪声的方差，HT(k)为k时刻的测量矩阵的转置；3.2利用股票价格序列预测值和股票价格数据观测值计算股票价格序列当前估计值其中，表示k时刻股票价格序列的估计值，表示k-1时刻时预测股票价格序列在k时刻的状态，k为采样时刻，K(k)为k时刻滤波器增益，y(k)为股票价格接收数据在k时刻的股票价格序列观测值，H(k)为k时刻的测量矩阵；3.3按照下式计算股票价格序列状态协方差估计值，P(k|k)＝[I-K(k)H(k)]P(k|k-1)其中I是3维单位矩阵，P(k|k)表示k时刻的股票价格序列状态协方差的估计值，k为采样时刻，K(k)为k时刻滤波器增益，H(k)为k时刻的测量矩阵，P(k|k-1)表示k-1时刻预测股票价格序列在k时刻的状态协方差。7.如权利要求6所述的基于股票动态趋势的股票买卖点构建方法，其特征在于，所述步骤3)中根据股票价格估计值获得股票价格序列的速度和加速度，构建股票买入卖出点的具体方法如下：步骤4.1：利用步骤3.2中得到的k时刻股票价格序列的估计值获得股票价格序列的速度加速度步骤4.2：根据获得的股票价格序列的速度加速度构建股票买卖点；当且买入股票；当且卖出股票。8.如权利...

【专利技术属性】
技术研发人员：金学波，聂春雪，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京;11