金融交易數(shù)據(jù)的圖形化技術(shù)分析研究

萬梅杰

金融交易數(shù)據(jù)的圖形化技術(shù)分析研究

萬梅杰

（深恒和投資管理（深圳）有限公司，廣東 深圳 518042）

通過對(duì)金融交易數(shù)據(jù)進(jìn)行采集和處理，計(jì)算各板塊的相對(duì)成交量，應(yīng)用Surfer 11軟件對(duì)數(shù)據(jù)進(jìn)行圖形化，生成各板塊的相對(duì)成交量的二維等值線圖、二維剖面圖、三維地形圖等圖形．通過對(duì)圖形的分析研究，判斷各板塊的成交活躍度，為金融交易提供參考．對(duì)金融數(shù)據(jù)進(jìn)行圖形化分析，可以為相關(guān)技術(shù)人員提供借鑒．

金融數(shù)據(jù)；數(shù)據(jù)處理；數(shù)據(jù)挖掘；三維圖形；圖形化

金融交易是當(dāng)代社會(huì)活動(dòng)中最具挑戰(zhàn)性的一類活動(dòng)，而其中股票證券、外匯、債券、黃金和原油、各類期貨、期權(quán)等交易最為人們所熟悉．全球金融交易市場(chǎng)每天產(chǎn)生大量數(shù)據(jù)，如何從這些海量的數(shù)據(jù)中發(fā)掘其中隱藏的信息與知識(shí)，從而指導(dǎo)我們的金融交易，一直是金融行業(yè)分析和交易人員以及決策者們的努力目標(biāo)．傳統(tǒng)方式是通過對(duì)交易數(shù)據(jù)和簡單圖形的閱讀或檢索，以及輔以一些統(tǒng)計(jì)方法來提取知識(shí)或藉此建模．近十幾年來，隨著計(jì)算機(jī)技術(shù)的發(fā)展，融合數(shù)據(jù)庫、統(tǒng)計(jì)、人工智能等技術(shù)的數(shù)據(jù)挖掘技術(shù)來分析金融交易數(shù)據(jù)的方法，得到了很大的發(fā)展．相關(guān)機(jī)構(gòu)利用各種計(jì)算機(jī)軟件對(duì)金融數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析[1-5]．

金融交易數(shù)據(jù)有三大因子，價(jià)格、時(shí)間、成交量（成交額）．本文借助計(jì)算機(jī)圖形技術(shù)，利用Software公司的三維圖形生成軟件Golden Surfer 11.0，嘗試將金融交易數(shù)據(jù)三大因子中的成交量作為研究對(duì)象，把離散的金融數(shù)據(jù)表示為二維及三維圖形，從而給金融交易數(shù)據(jù)挖掘開辟一個(gè)新的思路，希望能為金融交易人員的金融分析與交易系統(tǒng)的形成提供可視化的金融數(shù)據(jù)模型．

1 技術(shù)路線

通過對(duì)金融交易的成交量因子進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)再加工，繪制圖形（二維或三維）4個(gè)步驟，將交易數(shù)據(jù)表圖形化，把金融交易成交量數(shù)據(jù)模擬成山峰、山谷、丘陵、平原等，構(gòu)成三維地形地貌，通過地形地貌高低起伏直觀顯示成交量在橫向比對(duì)與縱向發(fā)展的變化，發(fā)掘有用的知識(shí)與信息，為金融交易的決策提供服務(wù)．技術(shù)框圖如圖1所示．

圖1 技術(shù)方案框圖

2 數(shù)據(jù)采集

本文中的數(shù)據(jù)來自上海證券交易所A股在一定時(shí)間段的交易數(shù)據(jù)．上證指數(shù)在2015年6月12日這一周達(dá)到階段性高位5178點(diǎn)后，隨后上證指數(shù)開始長時(shí)間的調(diào)整．為了使圖形化處理結(jié)果更有意義，成交量的數(shù)據(jù)選取的時(shí)間段為2015年6月12日至2019年9月30日．通過對(duì)2015-2019年長達(dá)四年多的成交量分析，可以對(duì)上證交易市場(chǎng)自5178點(diǎn)這個(gè)階段性高點(diǎn)以來的大調(diào)整過程有一個(gè)全貌性的認(rèn)識(shí)．?dāng)?shù)據(jù)采集的周期窗口為一周，即大致按5個(gè)交易日的上證A股（綜合）周成交量（特殊節(jié)假日的周成交量對(duì)應(yīng)的天數(shù)略有減少）提取成一個(gè)數(shù)據(jù)，同時(shí)還采集了各板塊的周成交量，例如：工業(yè)板塊B2、商業(yè)板塊C3、房地產(chǎn)板塊D4、公用板塊E5、能源板塊F6、材料板塊G7、消費(fèi)板塊H8、醫(yī)藥板塊I9、金融板塊J10、信息板塊K11等，數(shù)據(jù)見表1．

表1 上證A股和各板塊的每周成交量（106股）

3 數(shù)據(jù)處理與圖形生成

數(shù)據(jù)采集后，為了便于后續(xù)的圖形化處理和比較各板塊的成交趨勢(shì)，定義一個(gè)參數(shù)為相對(duì)周成交量，并建立坐標(biāo)系統(tǒng)．

3.1 計(jì)算相對(duì)成交量

因?yàn)楦髯影鍓K股票構(gòu)成數(shù)目不同，活躍度不同，成交量區(qū)間較大，為了便于比較分析，計(jì)算相對(duì)周成交量：

相對(duì)周成交量為各子板塊的第周成交量（具體為B2（）、C3（）、D4（）、E5（）、F6（）、G7（）、H8（）、I9（）、J9（）、K9（）等）與上證綜指對(duì)應(yīng)的周成交量A1()的百分比，各板塊的相對(duì)周成交量，即為B2()/A1()、C3()/A1()、D4()/A1()、E5()/A1()、F6()/A1()、G7()/A1()、H8()/A1()、I9()/A1()、J10()/A1()、K11()/A1()．為描述方便，簡稱相對(duì)成交量．各板塊的相對(duì)成交量見表2．

3.2 建立坐標(biāo)系

為圖形化需要，建立直角坐標(biāo)系，坐標(biāo)定義如下．

橫坐標(biāo)表示周數(shù)，以2015年6月12日（上證指數(shù)為5178點(diǎn)）所在的周為起始周，以2019年9月30日為統(tǒng)計(jì)終止周．周數(shù)區(qū)間為1到215．

縱坐標(biāo)表示子版塊代號(hào)，子版塊代號(hào)人為設(shè)定，如工業(yè)板塊坐標(biāo)設(shè)為2，商業(yè)板塊坐標(biāo)為3，房地產(chǎn)坐標(biāo)為4，公用板塊坐標(biāo)為5，能源坐標(biāo)為6，材料板塊坐標(biāo)為7，消費(fèi)板塊坐標(biāo)為8，醫(yī)藥板塊為9，金融板塊為10，信息板塊為11等．

坐標(biāo)，表示各子板塊的相對(duì)成交量．

以醫(yī)藥板塊I9和房地產(chǎn)板塊D4為例，定義坐標(biāo)，相對(duì)成交量見表3、表4．

表2 各板塊的相對(duì)成交量（%）

表3 醫(yī)藥板塊I9的相對(duì)成交量（%）

表4 房地產(chǎn)板塊D4的相對(duì)成交量（%）

以上處理可在電子表格軟件中完成，可選擇CSV格式，或TXT格式或DBF等格式保存，提供給Golden Surfer 11.0調(diào)用．

需要說明的是：上述數(shù)據(jù)在最終實(shí)際成圖時(shí)，為了突出所關(guān)注的板塊相對(duì)成交量，需要進(jìn)行微調(diào)．通過調(diào)整數(shù)據(jù)中縱坐標(biāo)排列順序，將相對(duì)成交量大和相對(duì)成交量小的板塊或錯(cuò)開、或集中，生成不同版本的圖形．

3.3 數(shù)據(jù)處理與圖形生成

1）打開美國GOLDEN公司的surfer 11版本軟件，在菜單網(wǎng)格（GRID）的數(shù)據(jù)菜單項(xiàng)，調(diào)入CSV格式的上證各板塊成交量帶坐標(biāo)的數(shù)據(jù)，設(shè)定合理的間距，以及選定合適的網(wǎng)絡(luò)化的方法，對(duì)于跳躍性不大的數(shù)據(jù)一般選用“與距離成反比的網(wǎng)絡(luò)化方法”，隨后軟件生成專用的網(wǎng)格文件．

2）在圖形（Graph）菜單下的“新建菜單”，可先進(jìn)行二維信息的挖掘，選擇“等值線圖”選項(xiàng)，調(diào)入上一步生成的上證板塊成交量之網(wǎng)格文件，確定后即生成板塊相對(duì)成交量二維等值線圖，如圖2所示．

圖2 上證各板塊成交量等值線圖

相對(duì)成交量二維等值線圖表達(dá)了各板塊在二維時(shí)空坐標(biāo)下的分布圖，高值（深色表示）對(duì)應(yīng)的圖形分布區(qū)表示相應(yīng)板塊在該期間成交較活躍，間接說明此期間的該板塊的獲利可能性較大，適合短期投資交易；低值（淺色表示）對(duì)應(yīng)的圖形分布區(qū)表示該板塊成交稀少，也間接說明期間的獲利空間小，不適于大資金交易，也不宜短期的投資交易．

與相對(duì)成交量的二維圖形相比，相對(duì)成交量的三維圖形可以更直觀的體現(xiàn)各板塊的活躍度．三維圖形的獲取方法和二維圖形獲取類似，在圖形菜單下的“新建菜單”，選擇“3D曲面圖”選項(xiàng)，調(diào)入前面生成的上證板塊成交量之網(wǎng)格文件，生成上證板塊三維成交量圖，如圖3所示．

圖3 各板塊相對(duì)成交量三維地形圖2

在三維地形圖中，某個(gè)板塊在某段周期的成交量在三維地形圖中形成“高山”，就表示同期成交量占比最大，最活躍，如果該板塊持續(xù)構(gòu)成高地，表示此板塊持續(xù)獲得市場(chǎng)主力的青睞，其他投資者參與其中獲利可能性增大，某個(gè)板塊在某段周期的成交量在三維圖形中形成相對(duì)的在低洼的“山谷”，或類似于“丘陵地帶”則表示同期內(nèi)相對(duì)其他板塊而言，該板塊不活躍，因此投資者參與其中的獲利機(jī)會(huì)相對(duì)也少．

在三維地形圖中，選取了第33周表現(xiàn)出高谷的醫(yī)藥板塊，和第31周表現(xiàn)出高谷的房地產(chǎn)板塊，可以見到醫(yī)藥板塊中如康龍化成（圖4）、房地產(chǎn)板塊如碧桂園（圖5）等股價(jià)均呈現(xiàn)上行趨勢(shì)，與三維圖表現(xiàn)相吻合，證明了其具有一定可靠性．

圖4 第33周醫(yī)藥板塊康龍化成股票表現(xiàn)

圖5 第31周房地產(chǎn)板塊碧桂園股價(jià)表現(xiàn)

4 結(jié) 語

本文通過采集上證綜指階段性高位（5178點(diǎn)）后4年多各板塊的交易數(shù)據(jù)，計(jì)算了各板塊相對(duì)成交量．建立適當(dāng)?shù)淖鴺?biāo)系，通過調(diào)整數(shù)據(jù)中縱坐標(biāo)排列順序，將相對(duì)成交量大和相對(duì)成交量小的板塊或錯(cuò)開、或集中等，對(duì)交易數(shù)據(jù)進(jìn)行處理，將成交量數(shù)據(jù)存入CSV文件．利用surfer軟件，調(diào)入成交量數(shù)據(jù)文件，生成二維等值線圖、二維剖面圖和三維地形圖等．根據(jù)圖形特征判斷各板塊的交易活躍度，各種圖中數(shù)值的高低表達(dá)了相應(yīng)板塊交易活躍度的高低，從而為投資者進(jìn)行投資交易提供指導(dǎo)．本文對(duì)金融數(shù)據(jù)的圖形化分析方法，可以為相關(guān)技術(shù)人員提供借鑒．

[1] 胡珉，孫瑜峰．基于狀態(tài)演化的股市變化趨勢(shì)可視化預(yù)測(cè)方法[J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2014，26（2）：302-313．

[2] 李紹榮．SURFER軟件圖形數(shù)據(jù)的進(jìn)一步處理和利用[J]．探化探計(jì)算技術(shù)，1997（2）：174-180．

[3] 劉麗峰．一種基于清洗關(guān)聯(lián)規(guī)則的金融數(shù)據(jù)挖掘算法[J]．微電子學(xué)與計(jì)算機(jī)，2012（5）：174-177．

[4] 李永福，張冬梅，周成偉．用Surfer軟件對(duì)圖形間接數(shù)字化方法[J]．微計(jì)算機(jī)應(yīng)用，2004，19（5）：635-635．

[5] 易東云，張維明．金融數(shù)據(jù)挖掘中的非線性相關(guān)跟蹤技術(shù)[J]．軟件學(xué)報(bào)，2000，11（12）：1581-1586．

Analysis and Research on Graphic Technology of Financial Transaction Data

WAN Meijie

（）

Through the collection and processing of financial transaction data, the relative trading volumes of various stock sectors are calculated, the two-dimensional isogram, sectional drawing, three-dimensional topographic and other graphics of the relative trading volume of each stock sector are generated with “surfer 11”software. Then, through the analysis and research of the graphs, the transaction activity of each stock sector is judged, and reference for financial transactions is provided. In this paper, the method of graphical analysis of financial data can provide reference for the relevant technical personnel.

financial data; processing data; data mining; 3D graphics; graphics

TP3-05

A

1672-0318（2022）03-0050-05

10.13899/j.cnki.szptxb.2022.03.008

2021-10-10

萬梅杰，男，湖北隨州人，碩士，深恒和投資管理（深圳）有限公司研究員，研究方向：金融、財(cái)務(wù)管理．

（責(zé)任編輯：王璐）