基于二元加权概率模型股票分析方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于二元加权概率模型股票分析方法、系统、设备及介质，本发明专利技术引用二元加权概率模型的最大加权系数，给出了一种随机过程的二进制序列的最大数学期望，基于最大数学期望实现对股票涨跌趋势的分析，基于最大数学期望对股票的分析更具代表性，而且本发明专利技术还可规避随机环境下的分析问题，能优化一定时间范围内的统计相关性。间范围内的统计相关性。间范围内的统计相关性。

【技术实现步骤摘要】
基于二元加权概率模型股票分析方法、系统、设备及介质


[0001]本专利技术涉及数据分析
，特别涉及一种基于二元加权概率模型股票分析方法、系统、设备及介质。

技术介绍

[0002]传统分析股票时间离散的数据时，通常是采用平均、方差或遗传算法、粒子群算法等方法。在随机抽样、随机测试的环境下，尤其是存在统计相关性的数据时，传统方法只能得到一个片面的分析结果。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题。为此，本专利技术提出一种基于二元加权概率模型股票分析方法、系统、设备及介质，能够提高股票分析的合理性。
[0004]本专利技术第一方面提供了一种基于二元加权概率模型股票分析方法，包括如下步骤：
[0005]将周期内的股票涨跌数据转换成二进制序列X；
[0006]将所述二进制序列X中每一个符号1后增添一个符号0，得到二进制序列Q，并通过如下方式计算所述二进制序列Q的r
max
(Q)：
[0007][0008]其中，所述p(0)表示所述二进制序列Q中符号0的概率，所述r
max
(Q)表示所述二进制序列Q的最大加权系数；
[0009]将所述二进制序列X按位取非，得到二进制序列将所述二进制序列中每一个符号1后增添一个符号0，得到二进制序列并通过如下方式计算所述二进制序列的
[0010][0011]其中，所述p(0)表示所述二进制序列中符号0的概率，所述表示所述二进制序列的最大加权系数；
[0012]将所述r
max
(Q)和所述作为所述股票的最大数学期望，计算基于所述最大数学期望的平均最大数学期望和平均最大数学期望的误差程度；
[0013]根据所述平均最大数学期望和所述平均最大数学期望的误差程度，对所述股票的涨跌趋势进行分析。
[0014]本专利技术第二方面提供了一种基于二元加权概率模型股票分析系统，包括：
[0015]数据转换单元，用于将周期内的股票涨跌数据转换成二进制序列X；
[0016]第一数据计算单元，用于将所述二进制序列X中每一个符号1后增添一个符号0，得到二进制序列Q，并通过如下方式计算所述二进制序列Q的r
max
(Q)：
[0017][0018]其中，所述p(0)表示所述二进制序列Q中符号0的概率，所述r
max
(Q)表示所述二进制序列Q的最大加权系数；
[0019]第二数据计算单元，用于将所述二进制序列X按位取非，得到二进制序列将所述二进制序列中每一个符号1后增添一个符号0，得到二进制序列并通过如下方式计算所述二进制序列的
[0020][0021]其中，所述p(0)表示所述二进制序列中符号0的概率，所述表示所述二进制序列的最大加权系数；
[0022]第三数据计算单元，用于将所述r
max
(Q)和所述作为所述股票的最大数学期望，计算基于所述最大数学期望的平均最大数学期望和平均最大数学期望的误差程度；
[0023]数据分析单元，用于根据所述平均最大数学期望和所述平均最大数学期望的误差程度，对所述股票的涨跌趋势进行分析。
[0024]本专利技术第三方面提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现：如本申请上述基于二元加权概率模型股票分析方法。
[0025]本专利技术第四方面提供了一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行：如本申请上述基于二元加权概率模型股票分析方法。
[0026]本专利技术第一方面提供的基于二元加权概率模型股票分析方法，首先将股票涨跌的离散数据转换成对应的二进制序列X；然后一方面对二进制序列X进行增添符号处理，得到二进制序列Q；另外一方面对二进制序列X进行按位取非得到二进制序列对二进制序列进行增添符号处理，得到二进制序列然后利用二元加权概率模型的加权系数计算公式分别计算出二进制序列Q和二进制序列的最大加权系数r
max
(Q)和所述因为r
max
(Q)和能够表征二进制序列Q和二进制序列的形态特征，分析r
max
(Q)和可得到二进制序列Q和二进制序列的数理特征，因此本申请实施例利用最大加权系数r
max
(Q)和作为股票的最大数学期望，并且计算平均最大数学期望和平均最大数学期望的误差程度；最后利用计算出的平均最大数学期望和平均最大数学期望的误差程度对股票的涨跌趋势进行分析。本方法引用二元加权概率模型的最大加权系数，给出了一种随机过程的二进制序列的最大数学期望，基于最大数学期望实现对股票的分析，基于最大数学期望对股票的分析更具代表性，而且本方法还可规避随机环境下的分析问题，能优化一定时间
范围内的统计相关性。
[0027]可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。
[0028]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0029]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0030]图1为本专利技术一个实施例提供的用于基于二元加权概率模型股票分析方法的系统结构示意图；
[0031]图2为本专利技术一个实施例提供的一种基于二元加权概率模型股票分析方法的流程示意图；
[0032]图3为本专利技术一个实施例提供的国民技术股票日K图；
[0033]图4为本专利技术一个实施例提供的国民技术股票月K图。
具体实施方式
[0034]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0035]传统分析股票时间离散的数据时，通常是采用平均、方差或遗传算法、粒子群算法等方法。在随机抽样、随机测试的环境下，尤其是存在统计相关性的数据时，传统方法只能得到一个片面的分析结果。
[0036]为了解决上述技术缺陷，本申请实施例首先将股票涨跌的离散数据转换成对应的二进制序列X；然后一方面对二进制序列X进行增添符号处理，得到二进制序列Q；另外一方面对二进制序列X进行按位取非得到二进制序列对二进制序列进行增添符号处理，得到二进制序列然后利用二元加权概率模型的加权系数计算公式分别计算出二进制序列Q和二进制序列的最大加权系数r
max
(Q)和所述因为r
max
(Q)和能够表征二进制序列Q和二进制序列的形态特征，分析r
max
(Q)和可得到二进制序列Q和二进制序列的数理特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二元加权概率模型股票分析方法，其特征在于，包括如下步骤：将周期内的股票涨跌数据转换成二进制序列X；将所述二进制序列X中每一个符号1后增添一个符号0，得到二进制序列Q，并通过如下方式计算所述二进制序列Q的r
max
(Q)：其中，所述p(0)表示所述二进制序列Q中符号0的概率，所述r
max
(Q)表示所述二进制序列Q的最大加权系数；将所述二进制序列X按位取非，得到二进制序列将所述二进制序列中每一个符号1后增添一个符号0，得到二进制序列并通过如下方式计算所述二进制序列的的其中，所述p(0)表示所述二进制序列中符号0的概率，所述表示所述二进制序列的最大加权系数；将所述r
max
(Q)和所述作为所述股票的最大数学期望，计算基于所述最大数学期望的平均最大数学期望和平均最大数学期望的误差程度；根据所述平均最大数学期望和所述平均最大数学期望的误差程度，对所述股票的涨跌趋势进行分析。2.根据权利要求1所述的基于二元加权概率模型股票分析方法，其特征在于，计算所述数学期望的平均最大数学期望和平均最大数学期望的误差程度的公式包括：学期望的平均最大数学期望和平均最大数学期望的误差程度的公式包括：所述τ表示平均最大数学期望，所述S2表示平均最大数学期望的误差程度。3.根据权利要求2所述的基于二元加权概率模型股票分析方法，其特征在于，所述将周期内的股票涨跌数据转换成二进制序列X，包括：将单位时间内所述股票上涨数据转换成符号1，将单位时间内所述股票下跌数据转换成符号0；按序组合所有转换的符号，形成所述二进制序列X。4.根据权利要求3所述的基于二元加权概率模型股票分析方法，其特征在于，所述根据所述平均最大数学期望和所述平均最大数学期望的误差程度，对所述股票的涨跌趋势进行分析，包括：当τ
‑
S2＞1，判断所述股票在单位时间内为增长状态；当τ
‑
S2＝1，判断所述股票在单位时间内为稳定状态；当τ
‑
S2＜1，判断所述股票在单位时间内为下跌状态。5.一种基于二元加权概率模型股票分析系统，其特征在于，包括：数据转换单元，用于将周期内的股票涨跌数据转换成二进制序列X；
第一数据计算单元，用于将所述二进制序列X...

【专利技术属性】
技术研发人员：曹东，李增应，
申请(专利权)人：湖南遥昇通信技术有限公司，
类型：发明
国别省市：