一种基于近期预测涨跌幅及其一致性统计的股票推荐方法技术

本发明专利技术公开了一种基于近期预测涨跌幅及其一致性统计的股票推荐方法。方法首先通过以待预测股票的近期走势搜索匹配所有股票的历史数据，并获得与该股票近期走势相似的多个走势段；而后基于相似走势段的后期几天的走势，统计这些预测涨跌结果的一致性和涨跌幅；最后根据一致性、涨跌幅等各种因素进行综合排序推荐。基于该方法推荐的股票可靠性高，可为用户进行股票的短线操作提供决策支持。

【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近期预测涨跌幅及其一致性统计的股票推荐方法。
技术介绍
随着我国市场经济的高速发展，越来越多的投资者把眼光投向了股票，股票投资成为个人理财中的一种重要方式。股票可以在市场流通转让，股票具有高见险、高回报特征，因此自产生的那天起就牵挂着数以千万投资者的心，投资者时刻关注着股票价格的波动和发展趋势，一直是经济领域研究中的一个热问题。一般股票的推荐建立在对股票预测的基础上。股票预测受很多因素的影响,很难在股票和这些因素之间建立一种确定的数学模型。目前已经有很多学者做了大量的研究，也提出了很多方法。从模型的理论基础来看我们可以将其划分为两个主要的类别：一类是以统计学原理为理论基础的波动率预测模型，其中较为常见的模型有自回归条件异方差模型（ARCH模型）和随机波动模型(SV模型)等；另一类则是以灰色理论、神经网络、支持向量机等理论为基础的预测模型。股票推荐的目的在于从众多股票中挑选出更优质的股票，或者将有更大涨幅的股票，但是当存在多种可能的预测时，这些预测是否一致将很大程度上反映了预测的可靠性。
技术实现思路
本专利技术公开了一种基于近期预测涨跌幅及其一致性统计的股票推荐方法。方法首先通过以待预测股票的近期走势搜索匹配所有股票的历史数据，并获得与该股票近期走势相似的多个走势段；而后基于相似走势段的后期几天的走势，统计这些预测涨跌结果的一致性和涨跌幅；最后根据一致性、涨跌幅等各种因素进行综合排序推荐。本专利技术方法是一种基于所有股票数据的大数据挖掘方法，该方法可用于股票的推荐，推荐的股票具有较高的可靠性，从而可以为股票的短线操作提供很好的决策支持。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。本专利技术方法的步骤如下：（1）在所有的股票中搜索并获取多只相似的走势段；（2）以相似股票走势段的后期走势进行投票统计；（3）股票的近期推荐和综合推荐。其中，步骤(1)中在所有的股票中搜索并获取多只相似的走势段，具体过程分为3个子步骤，具体如下。（A）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所有股票的历史交易日数据。近期交易日数据为待预测股票近L个交易日的涨跌幅数据。历史交易日数据为获取某个时间点以来到当前交易日的前L个交易日的涨跌幅数据以及对应的交易日期。（B）将待预测股票的近期走势段与每一只待匹配股票的全部历史交易日数据逐位进行匹配比较，每个位置记录一个匹配值和匹配日期。遍历后通过比较匹配值，得到与每一只股票的匹配最小值和对应匹配日期。（C）在与所有股票的匹配最小值里面，再进行全局比较取优，获取具有最小匹配值的前T个相似走势段及对应的匹配日期。其中，步骤(2)中以相似股票的后期走势进行投票统计，具体为：在步骤1中获得T个相似的走势段后，以相似股票走势段匹配日期后的近期走势(3个交易日)为基础，进行加权平均，投票统计，目的在于获得待预测股票近期的可能涨跌幅及涨跌的一致性。假设这里T取10,每只股票获得了10个相似走势段，具体投票统计过程分为3个子步骤，具体如下。（A）对于具有最小匹配值的前10只股票走势段，每只股票获取匹配日期Dt后的3个交易日的涨跌幅数据，形成二维数组Ftr,t=[1,…10],r=[1,…3]。（B）将涨跌幅数据按维度进行前向累加，即新第2列值为原第1,2列的求和；新第3列值为原第1,2,3列的求和，从而形成新的数组Gtr,t=[1,…10],r=[1,…3]。（C）分别对Gtr的每一列进行投票统计，确定相应近期走势的可能涨跌幅及涨跌的一致性。可能涨跌幅的计算通过对当列的排序数值“去头去尾后取平均值”得到，分别记为UpDownmr，这里r=[1,…3]；涨跌一致性的计算通过对当列的数值统计大于0(>0.2)、小于0(<-0.2)、近似等于0（-0.2到0.2区间）的个数，分别记为Yesmr，Nomr，ZZmr，这里r=[1,…3]。其中，步骤(3)中股票的近期推荐和综合推荐，具体为，对于每个推荐的交易日，股票推荐分为“1日推荐”、“2日推荐”、“3日推荐”。同时每种推荐分为两种，一种是“大涨推荐”，另一种是“大跌预警”。获取“1日推荐”的“大涨推荐”和“大跌预警”股票列表,具体过程如下。（A）取出每只股票的预测涨跌幅UpDownm1和涨跌一致性统计Yesm1，Nom1，ZZm1。（B）对于所有股票Sm,m=1,…,n对应的Yesm1，获取Yesm1>=8的股票列表S’，在此基础上获取预测涨幅UpDownm1最大的前h只股票作为“大涨推荐”股票列表。（C）对于所有股票Sm,m=1,…,n对应的Nom1，获取Nom1>=8的股票列表S’’，在此基础上获取预测跌幅UpDownm1最大的前h只股票作为“大跌预警”股票列表。“2日推荐”、“3日推荐”的“大涨推荐”和“大跌预警”股票列表基于其他列的数值类似得到。综合推荐的过程是在“1日推荐”、“2日推荐”、“3日推荐”的基础上求并集得到，具体为对“大涨推荐”的股票列表求并集，从而获得近期的综合推荐“大涨推荐”股票列表；对“大跌预警”股票列表求并集，从而获得近期的综合推荐“大跌预警”股票列表。附图说明图1是本专利技术基于近期预测涨跌幅及其一致性统计的股票推荐方法的流程图。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。本专利技术方法首先获得与股票近期走势相似的多个走势段，而后基于相似走势段的后期近几天的走势，统计预测涨跌结果的一致性和涨跌幅，最后根据一致性、涨跌幅等各种因素进行综合推荐。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。一、在所有的股票中搜索并获取多只相似的走势段。对于每只股票，假设待预测的股票为Sm,m=1,…,n，搜索并获取多只相似的走势段的具体预测步骤如下。1.1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。首先获取待预测股票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。a0代表当前交易日的涨跌幅。为保证匹配的准确性，L长度一般取得长一些，如30,60等。其次获取待匹配的股票的历史交易日数据。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Ci,i=[1,n],Ci=[ci1,ci2,…,cij,…cik]其中，cij代表第i只股票的j位置对应交易日期。1.2股票间移动加权匹配。该步骤主要完成待预测股票与某只待匹配股票之间的匹配过程，并获取得到匹配最小值和对应匹配日期。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。（本文档来自技高网...

【技术保护点】
一种基于近期预测涨跌幅及其一致性统计的股票推荐方法，其特征在于所述方法包括如下步骤：（1）在所有的股票中搜索并获取多只相似的走势段；（2）以相似股票走势段的后期走势进行投票统计；（3）股票的近期推荐和综合推荐。

【技术特征摘要】
1.一种基于近期预测涨跌幅及其一致性统计的股票推荐方法，其特征在于所述方法包括如下步骤：（1）在所有的股票中搜索并获取多只相似的走势段；（2）以相似股票走势段的后期走势进行投票统计；（3）股票的近期推荐和综合推荐。2.根据权利要求1所述的一种基于近期预测涨跌幅及其一致性统计的股票推荐方法，其特征在于,获取多只相似走势段的过程中，是在每只股票获取最优匹配的基础上，再全局比较优中择优，获得最终的相似走势段和匹配日期。3.根据权利要求1所述的一种基于近期预测涨跌幅及其一致...

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