基于關(guān)聯(lián)模式的股票分析和研究

龐帥

（中南財(cái)經(jīng)政法大學(xué) 湖北省武漢市 430073）

摘 要：隨著證券市場的迅猛發(fā)展，股票數(shù)據(jù)信息爆炸式增長，如何從龐大的敷據(jù)中找到有用的信息來指導(dǎo)投資者的投資行為成為一個(gè)重要的學(xué)術(shù)研究方向.從數(shù)據(jù)挖掘技術(shù)入手，在關(guān)聯(lián)規(guī)則分析的處理算法基礎(chǔ)上，引入股票成交量數(shù)據(jù)項(xiàng)以及二雛時(shí)間模式對(duì)股票敷據(jù)進(jìn)行數(shù)據(jù)挖掘，并對(duì)比試驗(yàn)的結(jié)果.試驗(yàn)證明，該改進(jìn)時(shí)投資者提供了更為有效的決策支持. 本文介紹了在數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的基本概念和屬性 ，進(jìn)一步討論了關(guān)聯(lián)規(guī)則在股票信息數(shù)據(jù)挖掘中的應(yīng)用 .

1.關(guān)聯(lián)規(guī)則。

數(shù)據(jù)挖掘又被稱之為知識(shí)發(fā)現(xiàn)，具體是指從大量的數(shù)據(jù)中提取一些比較可信的、新穎的且有效的模式處理過程。它通過系統(tǒng)的應(yīng)用機(jī)器靴子以及統(tǒng)計(jì)分析等計(jì)算機(jī)科學(xué)技術(shù)老分析和表示存在于一個(gè)大型數(shù)據(jù)庫中的知識(shí)。

1.1關(guān)聯(lián)分析的定義。

關(guān)聯(lián)分析又稱關(guān)聯(lián)挖掘，就是在交易數(shù)據(jù)、關(guān)系數(shù)據(jù)或其他信息載體中，查找存在于項(xiàng)目集合或?qū)ο蠹现g的頻繁模式、關(guān)聯(lián)、相關(guān)性或因果結(jié)構(gòu)?；蛘哒f，關(guān)聯(lián)分析是發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品（項(xiàng)）之間的聯(lián)系。

關(guān)聯(lián)分析是一種簡單、實(shí)用的分析技術(shù)，就是發(fā)現(xiàn)存在于大量數(shù)據(jù)集中的關(guān)聯(lián)性或相關(guān)性，從而描述了一個(gè)事物中某些屬性同時(shí)出現(xiàn)的規(guī)律和模式。

關(guān)聯(lián)分析是從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間有趣的關(guān)聯(lián)和相關(guān)聯(lián)系。關(guān)聯(lián)分析的一個(gè)典型例子是購物籃分析。該過程通過發(fā)現(xiàn)顧客放人其購物籃中的不同商品之間的聯(lián)系，分析顧客的購買習(xí)慣。通過了解哪些商品頻繁地被顧客同時(shí)購買，這種關(guān)聯(lián)的發(fā)現(xiàn)可以幫助零售商制定營銷策略。其他的應(yīng)用還包括價(jià)目表設(shè)計(jì)、商品促銷、商品的排放和基于購買模式的顧客劃分。

可從數(shù)據(jù)庫中關(guān)聯(lián)分析出形如“由于某些事件的發(fā)生而引起另外一些事件的發(fā)生”之類的規(guī)則。如“67%的顧客在購買啤酒的同時(shí)也會(huì)購買尿布”，因此通過合理的啤酒和尿布的貨架擺放或捆綁銷售可提高超市的服務(wù)質(zhì)量和效益。又如“‘C語言課程優(yōu)秀的同學(xué)，在學(xué)習(xí)‘?dāng)?shù)據(jù)結(jié)構(gòu)時(shí)為優(yōu)秀的可能性達(dá)88%”，那么就可以通過強(qiáng)化“C語言”的學(xué)習(xí)來提高教學(xué)效果。

1.2關(guān)聯(lián)分析的方法。

關(guān)聯(lián)分析主要包括兩種分析方法：

第一是，Apriori算法

Apriori算法是挖掘產(chǎn)生布爾關(guān)聯(lián)規(guī)則所需頻繁項(xiàng)集的基本算法，也是最著名的關(guān)聯(lián)規(guī)則挖掘算法之一。Apriori算法就是根據(jù)有關(guān)頻繁項(xiàng)集特性的先驗(yàn)知識(shí)而命名的。它使用一種稱作逐層搜索的迭代方法，k—項(xiàng)集用于探索（k+1）—項(xiàng)集。首先，找出頻繁1—項(xiàng)集的集合.記做L1，L1用于找出頻繁2—項(xiàng)集的集合L2，再用于找出L3，如此下去，直到不能找到頻繁k—項(xiàng)集。找每個(gè)Lk需要掃描一次數(shù)據(jù)庫。

Apriori性質(zhì)：一個(gè)頻繁項(xiàng)集的任一子集也應(yīng)該是頻繁項(xiàng)集。

雖然Apriori算法仍存在著一定的缺陷，但是研究者們已經(jīng)分析和研究出了一些相關(guān)的優(yōu)化Apriori算法的方式：

1）基于劃分的方法。該算法先把數(shù)據(jù)庫從邏輯上分成幾個(gè)互不相交的塊，每次單獨(dú)考慮一個(gè)分塊并對(duì)它生成所有的頻繁項(xiàng)集，然后把產(chǎn)生的頻繁項(xiàng)集合并，用來生成所有可能的頻繁項(xiàng)集，最后計(jì)算這些項(xiàng)集的支持度。這里分塊的大小選擇要使得每個(gè)分塊可以被放入主存，每個(gè)階段只需被掃描一次。而算法的正確性是由每一個(gè)可能的頻繁項(xiàng)集至少在某一個(gè)分塊中是頻繁項(xiàng)集保證的。

2）基于Hash的方法。Park等人提出了一個(gè)高效地產(chǎn)生頻繁項(xiàng)集的基于雜湊（Hash）的算法。通過實(shí)驗(yàn)可以發(fā)現(xiàn)，尋找頻繁項(xiàng)集的主要計(jì)算是在生成頻繁2—項(xiàng)集Lk上，Park等就是利用這個(gè)性質(zhì)引入雜湊技術(shù)來改進(jìn)產(chǎn)生頻繁2—項(xiàng)集的方法。

3）基于采樣的方法?；谇耙槐閽呙璧玫降男畔?，對(duì)它詳細(xì)地做組合分析，可以得到一個(gè)改進(jìn)的算法，其基本思想是：先使用從數(shù)據(jù)庫中抽取出來的采樣得到一些在整個(gè)數(shù)據(jù)庫中可能成立的規(guī)則，然后對(duì)數(shù)據(jù)庫的剩余部分驗(yàn)證這個(gè)結(jié)果。這個(gè)算法相當(dāng)簡單并顯著地減少了FO代價(jià)，但是一個(gè)很大的缺點(diǎn)就是產(chǎn)生的結(jié)果不精確，即存在所謂的數(shù)據(jù)扭曲（Dataskew）。分布在同一頁面上的數(shù)據(jù)時(shí)常是高度相關(guān)的，不能表示整個(gè)數(shù)據(jù)庫中模式的分布，由此而導(dǎo)致的是采樣5%的交易數(shù)據(jù)所花費(fèi)的代價(jià)同掃描一遍數(shù)據(jù)庫相近。

4）減少交易個(gè)數(shù)。減少用于未來掃描事務(wù)集的大小，基本原理就是當(dāng)一個(gè)事務(wù)不包含長度為志的大項(xiàng)集時(shí)，則必然不包含長度為走k+1的大項(xiàng)集。從而可以將這些事務(wù)刪除，在下一遍掃描中就可以減少要進(jìn)行掃描的事務(wù)集的個(gè)數(shù)。這就是AprioriTid的基本思想。

第二是，F(xiàn)P-growth算法。

雖然算法已經(jīng)在不斷的研究和分析中提出了相關(guān)的優(yōu)化方法，但是其效率仍不能使人十分滿意。因此，2000年，Han Jiawei等人提出了基于頻繁模式樹（Frequent Pattern Tree，簡稱為FP-tree）的發(fā)現(xiàn)頻繁模式的算法FP-growth。在FP-growth算法中，通過兩次掃描事務(wù)數(shù)據(jù)庫，把每個(gè)事務(wù)所包含的頻繁項(xiàng)目按其支持度降序壓縮存儲(chǔ)到FP—tree中。在以后發(fā)現(xiàn)頻繁模式的過程中，不需要再掃描事務(wù)數(shù)據(jù)庫，而僅在FP-Tree中進(jìn)行查找即可，并通過遞歸調(diào)用FP-growth的方法來直接產(chǎn)生頻繁模式，因此在整個(gè)發(fā)現(xiàn)過程中也不需產(chǎn)生候選模式。該算法克服了Apriori算法中存在的問題.在執(zhí)行效率上也明顯好于Apriori算法。

2.關(guān)聯(lián)模式下的股票分析

有些數(shù)據(jù)并不能像售貨數(shù)據(jù)一個(gè)比較容易的看出一個(gè)事物是多種事物的集合，但是經(jīng)過一定的預(yù)處理后，仍然可以像售貨數(shù)據(jù)一樣進(jìn)行關(guān)聯(lián)規(guī)則的分析。比例股票交易行情。

2.1股票數(shù)據(jù)的分析

在股票價(jià)交易的事物處理中，每天有以交易為主的大量書庫匯入數(shù)據(jù)庫，由于上市公司之間存在著一定的合作和競爭關(guān)系，因此某些股票的價(jià)格在一定時(shí)間內(nèi)會(huì)出現(xiàn)一些相似或者相反的趨勢(shì)。分析這些數(shù)據(jù)和股票之前的關(guān)聯(lián)能夠有利于投資者了解和分析股票的一定時(shí)期內(nèi)的走勢(shì)以及股票走勢(shì)與股票之前的關(guān)系，從而進(jìn)一步分析上市公司的各種政策和方案，從而做出最為正確的投資。

在具體的股票數(shù)據(jù)分析中可以通過記錄股票發(fā)展過程中的多個(gè)即時(shí)行情，其中包括時(shí)間、開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)以及漲幅、成交了等一些相關(guān)內(nèi)容來進(jìn)行股票數(shù)據(jù)的分析。通過進(jìn)一步分析股票代碼、交易時(shí)間以及漲跌幅等信息可以得出類似的關(guān)聯(lián)規(guī)則，例如：在一定時(shí)間內(nèi)，當(dāng)A股票的價(jià)格上漲時(shí)，B股票的價(jià)格也會(huì)隨之上漲。

2.2挖掘關(guān)聯(lián)規(guī)則。

如果項(xiàng)集的出現(xiàn)頻率大于或則等于最小支持度與事務(wù)總數(shù)的乘積，則該項(xiàng)集滿足最小支持度，稱它為頻繁項(xiàng)集。

在挖掘關(guān)聯(lián)規(guī)則的過程中主要包括兩個(gè)步驟：

第一，通過頻繁項(xiàng)集的定義找出所有的頻繁項(xiàng)集。

第二，利用頻繁項(xiàng)集生成所需要的關(guān)聯(lián)規(guī)則。

簡單的統(tǒng)計(jì)所有含一個(gè)元素的項(xiàng)目集出現(xiàn)的頻率，并從中找到不小于最小支持度的項(xiàng)目集是分析和挖掘關(guān)聯(lián)規(guī)則過程中最為核心的問題。由于股票代碼屬于布爾型變量。即股票代碼相當(dāng)于售貨數(shù)據(jù)庫中的某個(gè)商品，這樣我們就可以直接運(yùn)用Apriori算法來進(jìn)行分析和挖掘。

此外，在分析和挖掘股票行情的過程中，可以在首次挖掘的基礎(chǔ)上進(jìn)行二次挖掘，從容進(jìn)一步分析和研究各股票之間的趨勢(shì)和變化的周期性以及多維相似性，從而得到更多有用的結(jié)果。

3.結(jié)語

本文簡單的介紹了關(guān)聯(lián)分析的定義以及關(guān)聯(lián)分析的具體方法，通過關(guān)聯(lián)分析的規(guī)則分析了其在挖掘股票市場有效信息的應(yīng)用。通過股票行情的變化分析得到相應(yīng)的大家比較感興趣的規(guī)則，從而幫助大家能夠更好、更加理智的進(jìn)行投資和選擇。但是在具體的分析過程中由于沒有充分的考慮到成交量的因素，因此在挖掘和分析的過程中存在著一定的局限性。股票的價(jià)格往往是政治、價(jià)格以及社會(huì)等因素的綜合反映，因此在分析和挖掘股票關(guān)聯(lián)規(guī)則的同時(shí)最好結(jié)合證券市場的基本信息進(jìn)行分析和研究，從而提高其有效性。

參考文獻(xiàn)：

[1]數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的改進(jìn)算法及其實(shí)現(xiàn)[J]. 楊健兵.微計(jì)算機(jī)信息. 2006（21）

[2]關(guān)聯(lián)規(guī)則挖掘Apriori算法的改進(jìn)與實(shí)現(xiàn)[J]. 陳文慶，許棠.微機(jī)發(fā)展. 2005（08）

[3]滬深股市股票價(jià)格與交易量關(guān)系的實(shí)證研究[J]. 童明，余董，景榮.重慶師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）. 2005（04）endprint