基于量价特征分析的股票分类识别 The Recognition of Stock Classification Based on the Characteristics of the Volume and Price.pdfVIP

ISSN1009-3044 E-mail:eduf@ ComputerKnowledgeandTechnology电脑知识与技术 第9卷第30期 (2013年10月) ComputerKnowledgeandTechnology电脑知识与技术 Vol.9,No.30,october2013. Tel:+86-55165690964 基于量价特征分析的股票分类识别 甘宇健，黄秋萍 （广西财经学院信息与统计学院，广西南宁530003） 摘要:该文介绍一种基于量价特征分析的股票分类识别模型，该模型可输出与输入股票走势相近的同类股票。在证券市 场，同一板块或同一概念的股票在一定时间内都会表现出相近的走势。对相近走势股票进行计算机自动分类识别，不仅 减轻了手工分类的工作，还能从同类股票中找到盈利机会。 关键词:量价分析；股票分类；模式识别 中图分类号：TP18 文献标识码：A 文章编号：1009-3044(2013)30-6874-03 TheRecognitionofStockClassificationBasedontheCharacteristicsoftheVolumeandPrice GANYu-jian,HUANGQiu-ping (GuangxiUniversityofFinanceandEconomics,SchoolofInformationandStatistics,Nanning530003,China) Abstract:Thispaperintroducesakindofrecognitionmodel,stockscanberecognizedbythemodelaccordingtothecharacteris⁃ ticofvolumeandprice.Ifyouinputastock,themodelcanbeoutputitspeers,whichhavethesimilartrendstothestock.Simi⁃ lartrendsofstockforautomaticrecognition,notonlycanreducesthemanualclassificationwork，butalsocanfindtheprofitop⁃ portunitiesfromit. Keywords:volumeandpriceanalysis;stockclassification;patternrecognition 如何准确地对股票进行分类识别一直是一个热门的证券研究话题。在国外，常用的方法如：人工神经网络（ANN）、支持向量 机等常常出现在股票识别、走势预测的论文中。在国内，有不少学者使用时间序列、人工神经网络、模糊时间序列等方法研究股 市，并取得了一些成果。 上述方法各有所长,却各有不足之处。它们在股票分类识别应用中的最大不足便是重用性差[1]，例如神经网络模型需要做预 先训练来最优化参数，因此训练的结果往往不适用于其它数据。比如我们训练一个神经网络来识别银行板块的股票，训练好的神 经网络模型却不能用来识别煤炭板块的股票。 结合上述模型的优点，通过股票技术分析与模糊逻辑的理论方法建立一个基于量价特征分析的股票分类识别模型。模型的 优点是：（1）模型重用性高，可将某一板块训练得到的模型应用于其他不同板块；（2）利用均线系统与模糊逻辑方法降低了数据噪 声影响；（3）模型分类结果直观易理解，通过对识别后的同类股票盯梢，可以在某只股票率先上涨后立刻购入与其同类的未涨股 票，以此获利。 1模型介绍 量价分析是分析价格、交易量两者之间关系的技术分析方法。模型立足于股票量价分析，目标在价格和成交量的时间序列中 找到一定的规律，并根据这些规律找到相同规律的股票。模型通过分析股票的价格距离、走势特征、成交量特征来完成对同类股 票的识别。 1.1价格距离 价格距离是指两个股票间价格的欧式距离。但由于不同股票的发行价格不同、且存在除权的影响，所以不能直接拿两个股票 进行价格距离计算，而应取经归一化处理后的复权价格数据来建模计算。同时为了降低数据噪声影响，模型采用收盘价的3日移 动平均值(下文简称：MA3值)代替日收盘价。在数据长度上，选择