利用數(shù)據(jù)挖掘技術(shù)構(gòu)建證券行情預(yù)測(cè)模型

[摘要] 本文根據(jù)選定的證券市場(chǎng)行情預(yù)測(cè)對(duì)象，選擇數(shù)據(jù)挖掘技術(shù)中具有預(yù)測(cè)優(yōu)勢(shì)的方法，并將各種方法的優(yōu)勢(shì)結(jié)合起來，得到針對(duì)不同預(yù)測(cè)對(duì)象的不同方法。這些方法能發(fā)揮數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)，為證券市場(chǎng)的預(yù)測(cè)提供更好的技術(shù)分析方法，從而希望為投資決策者提供更為精確的定量分析結(jié)果。

[關(guān)鍵詞] 數(shù)據(jù)挖掘證券行情預(yù)測(cè)

隨著國際金融業(yè)的競(jìng)爭(zhēng)日趨激烈，政策分析與決策制定對(duì)數(shù)據(jù)的依賴性和敏感度也越來越高，許多金融機(jī)構(gòu)開始運(yùn)用更加先進(jìn)的信息技術(shù)與智能決策支持技術(shù)，對(duì)業(yè)務(wù)系統(tǒng)中積累的海量數(shù)據(jù)進(jìn)行深入分析，以發(fā)現(xiàn)各種有價(jià)值的規(guī)律。

傳統(tǒng)的金融時(shí)間序列分析模型與方法已經(jīng)不能滿足金融領(lǐng)域中一些新的應(yīng)用要求，而將數(shù)據(jù)挖掘相關(guān)技術(shù)運(yùn)用到金融時(shí)間序列分析中將有助于發(fā)現(xiàn)數(shù)據(jù)中的新規(guī)律和新特征，并對(duì)一些新的應(yīng)用提供支持，從而拓展金融時(shí)間序列分析理論與方法，為證券市場(chǎng)提供新的數(shù)量技術(shù)支撐，同時(shí)為金融時(shí)間序列分析預(yù)測(cè)技術(shù)的突破開辟新的研究思路。

一、證券市場(chǎng)預(yù)測(cè)對(duì)象的選擇

根據(jù)對(duì)金融時(shí)間序列的預(yù)測(cè)一般在短期內(nèi)準(zhǔn)確率較高的特點(diǎn)，可選取證券市場(chǎng)中按時(shí)間跨度分類的中短期行情預(yù)測(cè)。在中短期內(nèi)，人們更加關(guān)注單只股票在一定時(shí)間內(nèi)價(jià)格的變化幅度及變化趨勢(shì)，以此決定是否在短時(shí)間內(nèi)介入或退出股票的買賣活動(dòng);同時(shí)，人們也關(guān)心兩只或多只股票間是否具有相應(yīng)的聯(lián)動(dòng)反應(yīng)，即一只股票或某一行業(yè)股票的漲跌是否會(huì)影響另一只股票或整個(gè)行業(yè)的漲跌;在對(duì)個(gè)股進(jìn)行預(yù)測(cè)的過程中，綜合指數(shù)往往是一個(gè)評(píng)判近期市場(chǎng)走向的重要指標(biāo)，如果能夠?qū)C合指數(shù)在一定時(shí)間內(nèi)進(jìn)行預(yù)測(cè)，也能給投資者提供很好的參考建議。

在選擇預(yù)測(cè)研究對(duì)象時(shí)，可選擇的是對(duì)某一股票在一天中的某一個(gè)時(shí)段內(nèi)價(jià)格的變化進(jìn)行預(yù)測(cè)、某一股票價(jià)格在某一時(shí)間段內(nèi)(大于一天)的突變趨勢(shì)預(yù)測(cè)、某一時(shí)間段內(nèi)(大于一天)股票間價(jià)格的關(guān)聯(lián)關(guān)系預(yù)測(cè)及月均股指的變化預(yù)測(cè)，這樣四個(gè)方面的預(yù)測(cè)呈現(xiàn)出在時(shí)間上和研究的股票數(shù)量上的遞進(jìn)關(guān)系，所以，可以根據(jù)這四個(gè)預(yù)測(cè)方向的遞進(jìn)關(guān)系，對(duì)選擇的研究對(duì)象進(jìn)行預(yù)測(cè)，從而為金融時(shí)間序列分析理論與方法提供新的思路和方法。這些預(yù)測(cè)結(jié)果將對(duì)金融機(jī)構(gòu)與投資決策者深刻認(rèn)識(shí)證券市場(chǎng)變化規(guī)律、有效進(jìn)行金融管理提供幫助，為證券市場(chǎng)提供新的數(shù)量技術(shù)支撐，并對(duì)促進(jìn)證券市場(chǎng)技術(shù)分析理論與方法的創(chuàng)新與發(fā)展、豐富金融管理與投資分析的新方法等方面提供理論依據(jù)。

二、預(yù)測(cè)模塊建立

目前，存在很多數(shù)據(jù)挖掘的方法和算法，其中主要方法包括:關(guān)聯(lián)規(guī)則方法， 分類分析，聚類分析，神經(jīng)網(wǎng)絡(luò)方法，規(guī)則歸納，決策樹，粗糙集方法，模糊論方法，灰色系統(tǒng)理論，在數(shù)據(jù)挖掘中還廣泛采用統(tǒng)計(jì)方法、優(yōu)化方法以及科學(xué)計(jì)算可視化等方法。

在針對(duì)證券行情預(yù)測(cè)的過程中，可選取模糊集、粗糙集、灰色理論、關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)等方法，其中可分局證券行情中具有的不確定性質(zhì)，適當(dāng)加入不確定性方法，用于構(gòu)建證券市場(chǎng)的有效分析方法，并可選取數(shù)據(jù)挖掘技術(shù)中的聚類方法對(duì)時(shí)間序列進(jìn)行預(yù)處理，從而得到針對(duì)證券市場(chǎng)中預(yù)測(cè)不同側(cè)重點(diǎn)的新方法。在具體預(yù)測(cè)過程中，可針對(duì)不同時(shí)間段的預(yù)測(cè)采用不同的方法進(jìn)行結(jié)合，得到相應(yīng)的組合預(yù)測(cè)方法，如模糊粗糙集挖掘預(yù)測(cè)方法、趨勢(shì)特征挖掘預(yù)測(cè)方法、時(shí)間序列模糊關(guān)聯(lián)規(guī)則預(yù)測(cè)方法和多灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法。這四種預(yù)測(cè)方法分別用以預(yù)測(cè)在中短時(shí)間內(nèi)，對(duì)單只股票的價(jià)格變化、股票價(jià)格的趨勢(shì)預(yù)測(cè)、股票價(jià)格間的關(guān)聯(lián)關(guān)系預(yù)測(cè)及股指的變化預(yù)測(cè)。以下為各模塊具體構(gòu)建過程。

1.模糊粗糙集挖掘預(yù)測(cè)方法?？筛鶕?jù)模糊相似關(guān)系下的模糊粗糙集挖掘預(yù)測(cè)方法對(duì)單只股票價(jià)格價(jià)格進(jìn)行預(yù)測(cè)，再根據(jù)趨勢(shì)特征挖掘預(yù)測(cè)方法對(duì)股票價(jià)格的突變趨勢(shì)進(jìn)行預(yù)測(cè)，其次根據(jù)時(shí)間序列模糊關(guān)聯(lián)規(guī)則預(yù)測(cè)方法對(duì)多只股票間的關(guān)聯(lián)關(guān)系進(jìn)行預(yù)測(cè)，最后根據(jù)和多灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法對(duì)上證月均綜合指數(shù)和深成月均綜合指數(shù)的變化進(jìn)行預(yù)測(cè)。在選取數(shù)據(jù)時(shí)，根據(jù)中國股市自身特性，將股市中兩段交易時(shí)間合并為一個(gè)連續(xù)的時(shí)間段，這樣做對(duì)實(shí)際操作并沒有影響，而且能給實(shí)驗(yàn)帶來很大的方便。這樣可以得到在一定時(shí)間段內(nèi)的某一股票的股價(jià)變動(dòng)預(yù)測(cè)。

2.趨勢(shì)特征挖掘預(yù)測(cè)方法?？筛鶕?jù)金融時(shí)間序列自身特征，將股價(jià)時(shí)序轉(zhuǎn)換為股價(jià)變動(dòng)時(shí)間序列進(jìn)行分析。首先對(duì)時(shí)間序列相似性模式挖掘進(jìn)行分析，給出歐氏距離的定義、性質(zhì)及表達(dá)方式。然后對(duì)股價(jià)變動(dòng)時(shí)間序列進(jìn)行平滑處理，在分段線性法的基礎(chǔ)上進(jìn)行改進(jìn)，得到相應(yīng)的趨勢(shì)特征提取算法，用于對(duì)股價(jià)變動(dòng)時(shí)間序列提取相應(yīng)特征序列，將時(shí)間序列的預(yù)測(cè)問題轉(zhuǎn)化為頻繁和有效特征集，有效地發(fā)現(xiàn)問題，對(duì)趨勢(shì)特征模式進(jìn)行挖掘預(yù)測(cè)。根據(jù)連續(xù)一段時(shí)間的漲跌情況判斷證券市場(chǎng)股價(jià)在短時(shí)間內(nèi)的變化趨勢(shì)，以求證券投資者能準(zhǔn)確把握市場(chǎng)趨勢(shì)，做出正確決策。

3.時(shí)間序列模糊關(guān)聯(lián)規(guī)則預(yù)測(cè)方法。以模糊集理論為基礎(chǔ)，根據(jù)股票時(shí)間序列自身特性，將時(shí)間序列進(jìn)行化分，將屬性域劃分后構(gòu)造正規(guī)模糊集的支集及核，產(chǎn)生模糊集的隸屬函數(shù)，以聚類方法為基礎(chǔ)對(duì)模糊集屬性域進(jìn)行離散化，能獲取各個(gè)股票間在某一時(shí)間段內(nèi)彼此存在的關(guān)聯(lián)關(guān)系，并能得到不同行業(yè)股票間的漲跌關(guān)系。這為投資者把握整個(gè)證券市場(chǎng)，了解各個(gè)行業(yè)間的聯(lián)系及發(fā)展動(dòng)向提供了便利。對(duì)小額投資者來說，則能從中得到具體個(gè)股之間的關(guān)聯(lián)，為決策提供一定的技術(shù)支持。

4.多灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法。可選用合適的灰色預(yù)測(cè)模型與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型有機(jī)組合起來，形成一種多灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型，用于對(duì)證券市場(chǎng)的綜合指數(shù)進(jìn)行預(yù)測(cè)，對(duì)灰色預(yù)測(cè)方法和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法中的參數(shù)進(jìn)行重新設(shè)置，得到多灰色神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型，這樣可以得到比單獨(dú)一種灰色預(yù)測(cè)理論模型和單獨(dú)的灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型更為精確的預(yù)測(cè)精度，可作為證券市場(chǎng)大盤指數(shù)預(yù)測(cè)的有效工具。

通過以上對(duì)數(shù)據(jù)挖掘技術(shù)中方法的確定，可以構(gòu)成對(duì)中短時(shí)期內(nèi)的證券市場(chǎng)行情預(yù)測(cè)的整體框架，決策者可通過該方法得到預(yù)期值，用以進(jìn)行行情預(yù)測(cè)與決策，并能得到較好效果。