r语言股票预测 基于R语言股票市场收益的预测分析_罗海玲.docVIP

r语言股票预测 基于R语言股票市场收益的预测分析_罗海玲 福建电脑 UJIANCOMPUTER 基于R语言股票市场收益的预测分析 罗海玲，郑根 （福州大学数学与计算机科学学院福建福州３５０１０８） 【摘要】当今互联网的信息社会，股票以及股票市场与人们日常经济生活不可分割，因此利用信息技术对股票市场收益的预测分析也成为研究热点。本文将基于开源Ｒ语言开发环境，根据每日交易数据，通过预测模型初步建立股票预测以及交易系统，具体包括时间序列处理、ＢＰ神经网络建模、支持向量机以及蒙特卡罗估计等数据挖掘技术在单支股票市场收益的综合分析应用。结合给定的交易策略，预测模型数据分析实验给出了股票买卖信号，为投资者提供了一些有意义的统计指标。 【关键词】Ｒ语言；时间序列；支持向量机；多元自适应回归样条；蒙特卡罗估计 0引言近来，大数据、云计算以及数据挖掘等名词已变得耳熟能详。十几年来，信息数据增长之巨大已到了令人咂舌地步，大型数据库、数据仓库被用于商业管理、政府办公、科学研究和工程开发等。然而面对海量数据，如何从中及时发现有用的信息，提高信息利用率是当今面临的又一大难题。要想使数据真正成为有用的资源，只有充分利用它为业务决策和战略发展服务才行，否则大量的数据只能成为包袱。 90年代以来，股票作为一种新型投资理财方式传入中国市场，掀起了一场“全民炒股”的热潮。买股票与银行储蓄存款及购买债券相比较，是一种高风险行为，但同时它也能给人们带来更大的收益。购买股票，每年可得到上市公司的红利和红股回报，也能够在股票市场上交易，获取买卖价差收益。并且股票投资金额具弹性，相对于房地产与期货，投资股票并不需要太多资金。由于股票价位多样化，不同层次投资人都可参与，选择自己财力足可负担的股票介入。因此即使股票投资有风险，但是股票投资在中国依然很受大众的欢迎。中国股票市场经过2005年至2007年的持续迅速上涨之后，受到2008年全球金融危机的影响开始暴跌，但是在2012年下半年底至今，结束其持续下跌阶段，开始进入稳步上升阶段。股票市场，变幻莫测，有的人“一夜暴富”，有的人“倾家荡产”，由此可见，股票市场收益的预测对广大股民而言具有一定辅助作用。 数据挖掘（DataMining，DM）指从数据中发现有用的、有效的、未知的并且可以理解的信息的一项技术。从数据本身考虑，通常数据挖掘需要有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘实施过程、模式评估和知识表示这8个步骤，数据挖掘的重点之一在于数据的预处理，只有相对正确有用的数据进行分析才能得到预期目标。对数据挖掘而言股票市场交易是个巨大潜力的应用领域。事实上，由于大量历史数据的存在，人工对这些数据进行检测是很困难的，而数据挖掘技术对大数据有先天的优势。在软件方面，R是一门用于统计计算和绘图的函数语言，利用R语言的开源优点以及R高度灵活的数据库接口，可以对大型问题进行数据有效地挖掘。 1相关技术概述1.1R语言 R语言是用于统计计算和绘图的函数，不仅有强大的命令行交互方式，还可利用R语言的开源优点增加修改R添加包的功能。在R语言中，数据都是以对象的形式存储，使数据操作变 得便捷，进行数据分析任务变得容易。而且用户无需了解函数 调度的细节，R语言能调用默认的绘图方法。即当用户创建一个新的类对象时，R语言能对该类对象提供特定的绘图方法，该绘图方法将会告诉R如何绘制这个新类对象，图像对于分析数据起关键作用[2]。 本文主要对利用R语言开源平台进行股票数据挖掘分析， 历年来的单支股票的交易日期、当日开盘价、当日最高价、当日最低价、当日收盘价、当日成交量以及当日调整后的收盘价等数据信息来预测未来K天的总体价格趋势。本文预测不是预测具体哪一天这支股票价格，而是一个时间段的总体趋势，在这个时间段中，会出现价格的高低浮动。 1.2BP（BackPropagation）神经网络 BP神经网络(BackPropagationNeuralNetwork,BPNN)可以处理高度非线性问题，因此在金融预测中得到广泛应用[4]。实际上，BP经网络的误差反向后传BP学习算法是Rumelhart，Mc－Clelland1985年提出的，是一种按误差逆传播算法训练的多层前馈网络，用输出后的误差估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，就获得所有其他各层的误差估计。BP网络能学习和存贮大量的输入-输出模式映射关系，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。此网络既可以用于分类问题，也可以用于回归问题，因此适用于预测任务。图1是BP神经网络图。 图１ＢＰ神经网络 1.3支持向量机 用于解决回归和分类问题的支持向量机(SupportVectorMachine，SVM)，在