一种基于正负相关走势匹配的股票预测方法技术

本发明专利技术公开了一种基于正负相关走势匹配的股票预测方法。方法主要思想是以待预测股票近期一段时间的走势在所有股票的历史数据中搜索与其正相关或负相关的强相关走势，并以相关走势的匹配日期之后的走势为基础，正向或负向还原待预测股票的后期走势作为其预测结果。方法针对每只股票未来近期一两周的可能走势进行预测，预测结果不仅包括每日的收盘价、涨跌幅，还包括每日的开盘价、最高价、最低价等方面。方法最终结果同时提供正负最相关股票与原始待预测股票的对比图，基本完全相似或相反的股票走势为股票短线的操作提供了很好的决策支持。

【技术实现步骤摘要】

本专利技术涉及股票数据挖掘
，尤其是涉及一种基于正负相关走势匹配的股票预测方法。
技术介绍
股票市场与人们生活和经济发展密切相关，如何有效、准确地预测股票价格走势一直是人们关注热点问题。常用的技术分析法有K线理论、波浪理论、移动平均线理论和技术指标分析等。这些方法简单且直观,具有很强的针对性和可操作性,不足之处在于图表的分析与指标的选择大多需要依靠主观经验的判断,分析结果难免带有主观性。较多的学者针对股票价格预测提出了大量的新分析方法，包括时间序列分析法ARMIA、证券投资分析方法、判别分析法、专家评估法、马尔可夫法、神经网络等分析方法。每一种预测方法都有自身的优势和局限性,但整体来说，目前仍存在着很多不尽如人意的地方。随着时间的推移及存储技术的发展，越来越多的股票交易数据被存储下来。在海量的股票交易数据中往往隐藏了许多有用的信息，本专利技术方法利用数据挖掘技术，在海量的历史交易数据库搜索相关的（正相关或负相关）走势模式，从而有效预测股票的后期走势。
技术实现思路
本专利技术公开了一种基于正负相关走势匹配的股票预测方法。方法主要思想是以待预测股票近期一段时间的走势在所有股票的历史数据中搜索与其正相关或负相关的强相关走势，并以相关走势的匹配日期之后的走势为基础，正向或负向还原待预测股票的后期走势作为其预测结果。本专利技术方法针对每只股票未来近期一两周的可能走势进行预测，预测结果不仅包括每日的收盘价、涨跌幅，还包括每日的开盘价、最高价、最低价等方面。本专利技术方法最终结果同时提供正负最相关股票与原始待预测股票的对比图，基本完全相似或相反的股票走势为股票短线的操作提供了很好的决策支持。本专利技术方法的步骤如下：（1）对所有股票的每日交易数据进行相对量计算；（2）加载待预测股票的近期走势数据和所有股票的历史交易数据；（3）将待预测股票的近期走势与每只股票的历史数据进行移位相关性计算，得到与该股票的匹配结果，包括绝对值最大的相关系数和对应匹配位置的交易日期；（4）在待预测股票与所有股票的匹配结果中，再次获取相关系数绝对值最大的前几只股票；（5）基于最相关的几只股票生成预测结果。其中，步骤(1)的相对量的计算，是指对于每个交易日，计算开盘价Open、最高价High和最低价Low等相对于当天收盘价Close的增减幅度。其中，步骤(2)的待预测股票的近期走势数据是指其近L个交易日的涨跌幅数据。L的取值不宜太短，也不宜取太长，这里取L=20。所有股票的历史交易数据是指对于每只股票，获取某个时间点以来（如2005年1月1日），到当前交易日的前L个交易日的数据，包括日涨跌幅和对应的交易日期。其中，步骤(3)待预测股票与其每只股票的比较过程，是用相关性的计算方式。对于某一只股票，移位取出与待预测股票近期走势等长的走势段，并计算两个走势段的相关系数。相关系数的取值在区间[-1,1]。相关系数值越靠近1，说明当前片段与待预测股票的走势段越正相关；反之越靠近-1，说明与待预测股票的走势段越负相关。逐位计算完后，比较这些相关系数，获取绝对值最大的相关系数和对应匹配位置的交易日期，作为与该股票的最终匹配结果。其中，步骤(4)中，待预测股票与每只股票都有一个最终匹配结果，包括相关系数和对应的匹配交易日期。在与所有股票的相关系数中，再次获取相关系数绝对值靠前的T只股票。这里T的取值不宜取太大，一般取2即可。另一种获取2个最相关股票段的取法是：在正相关系数里面取值最大的一个，在负相关系数里面取绝对值最大的另一个。其中，步骤(5)中，基于最相关的几只股票生成预测结果，需要先获取相关股票在匹配交易日期之后的后期走势，即后期涨跌幅数据；而后对于每日的涨跌幅，在假设相关系数保持不变的情况下，代入原先计算相关系数的方程，求解出待预测股票在相应交易日的涨跌幅。遍历相关股票后期走势的涨跌幅数据，逐个求解方程，即可恢复出待预测股票的后期涨跌幅数据。基于涨跌幅数据，计算待预测股票后期每日的收盘价，结合步骤1对相关股票已经事先计算的相对量，直接将这些相对量套用到待预测股票中，即可求出待预测股票每日的开盘价，最高价，最低价等。附图说明图1是本专利技术基于正负相关走势匹配的股票预测方法的流程图。图2是基于本专利技术方法输出的某一股票走势的正相关预测结果。图3是基于本专利技术方法输出的某一股票走势的负相关预测结果。图2和图3中的图中上半部分为待预测股票，下半部分为其最相关的股票。中间是正负相关性和相关系数值。上半部分虚线右边为计算得到的预测走势。下半部分虚线右边为匹配日期之后的实际走势。两条虚线中间为计算相关性的匹配段。这里匹配段的长度取L=20，预测的长度取N=30。具体实施方式下面结合附图和实例，对本专利技术进行详细的描述。本专利技术方法主要是针对每只股票未来近期一两周的可能走势进行预测，预测结果不仅包括收盘价、每日涨跌幅的预测，还包括每日开盘、最高、最低的预测。假设股票列表为S,S=[S1,S2,…,Si,…,Sn],n为股票池中股票的数量，如中国上市股票的数量或美国上市股票的数量。对于每只股票，假设待预测的股票为Sm,m=1,…,n具体预测步骤如下。一、股票数据预处理。假设对于股票列表S中的每只股票有如下数据字段：开盘价Open,收盘价Close,最高价High,最低价Low,涨跌幅Change，其中收盘价Close为前复权价格。数据预处理的过程：对于每个交易日，计算相对于当天收盘价Close的增减幅度，并添加新字段。需要计算的字段包括开盘价Open、最高价High和最低价Low，具体如下：开盘价增减幅度StdOpen=100*(Open-Close)/Close;最高价增减幅度StdHigh=100*(High-Close)/Close;最低价增减幅度StdLow=100*(Low-Close)/Close。二、股票数据的加载。该步骤主要完成数据的准备过程，从原始股票数据库中获取待预测股票的近期交易日数据和待匹配的股票的历史交易日数据。2.1获取待预测股票Sm的近L个交易日的涨跌幅数据，形成一个数组，记为A，A=[a1,a2,…,ai,…aL]其中，ai代表近L-i的交易日的涨跌幅。aL代表当前交易日的涨跌幅。L的取值不宜太短，也不宜取太长，这里取L=20。2.2对S中的每只股票，获取某个时间点以来（如2005年1月1日），到当前交易日的前L个交易日的数据，形成另一个数组，记为Bi,i=[1,n],Bi=[bi1,bi2,…,bij,…bik]其中，bij代表第i只股票的j位置对应交易日的涨跌幅。每个Bi的长度k是不一定相等的，因为股票中间有停牌等因素的影响；同时记录bij的交易日期，记为另一数组Di,i=[1,n],Di=[di1,di2,…,dij,…dik]其中，dij代表第i只股票的j位置对应交易日期。三、股票间相关性计算。该步骤主要是通过计算相关性的方式，完成待预测股票与某只待匹配股票之间的匹配过程，并获得与待匹配股票相关性结果的最大值和对应匹配日期。匹配过程在A和Bi展开，A的长度为L,Bi的长度为K,K>=L，具体匹配过程如下。3.1以步长为1，循环从Bi中获取长度L的涨跌幅数据，记为B,B=[b1,b2,…,bi,…bL]。3.2A与B进行比较，通过计算本文档来自技高网...

【技术保护点】
一种基于正负相关走势匹配的股票预测方法，其特征在于所述方法包括如下步骤：（1）对所有股票的每日交易数据进行相对量计算；（2）加载待预测股票的近期走势数据和所有股票的历史交易数据；（3）将待预测股票的近期走势与每只股票的历史数据进行移位相关性计算，得到与该股票的匹配结果，包括绝对值最大的相关系数和对应匹配位置的交易日期；（4）在待预测股票与所有股票的匹配结果中，再次获取相关系数绝对值最大的前几只股票；（5）基于最相关的几只股票生成预测结果。

【技术特征摘要】
1.一种基于正负相关走势匹配的股票预测方法，其特征在于所述方法包括如下步骤：（1）对所有股票的每日交易数据进行相对量计算；（2）加载待预测股票的近期走势数据和所有股票的历史交易数据；（3）将待预测股票的近期走势与每只股票的历史数据进行移位相关性计算，得到与该股票的匹配结果，包括绝对值最大的相关系数和对应匹配位置的交易日期；（4）在待预测股票与所有股票的匹配结果中，再次获取相关系数绝对值最大的前几只股票；（5）基于最相关的几只股票生成预测结果。2.根据权利要求1所述的基于正负相关走势匹配的股票预测方法，其特征在于，待预测股票段与每只股票逐位匹配的过程中，是对等长的两段涨跌幅趋势数据进行相关系数的计算，这种计算对所有股票搜索的是基本一样的正相关走势和基本完全相反的负相关走势。3.根据权利要求1所述的基于正负相关...

【专利技术属性】
技术研发人员：洪志令，
申请(专利权)人：洪志令，
类型：发明
国别省市：福建;35