股票相关性分析.pptxVIP

股票的关联规则挖掘 目录 Copula函数 股票相关性网络 协同微粒群 Apriori算法 Copula函数 一致性相关系数τ：度量了两个随机变量的变化一致性或协调性(同时增大或减小)程度。 τ=P[(x1-x2)(y1-y2)0]-P[(x1-x2)(y1-y2)0] τ 的取值在[ -1 ,1 ]之间 对n个二维样本(xi,yi),c表示一致变化的数量,d表示不一致变化的数量： Copula函数 尾部相关性：度量两支股票之间暴涨暴跌的指标。 引入条件概率：P{X1x1|X2x2}:当X2x2时X1x1的概率是否会发生变化，x1，x2相当大时，就是X1和X2的尾部相关性。 Copula函数 Copula函数描述的是变量间的相关性，实际上是一类将联合分布函数与它们各自的边缘分布函数连接在一起的函数。 利用Copula函数可以计算一致性相关系数。 构造股票相关性网络 将每一只股票看作一个节点，股票与股票之间的关联关系看成边； 当股票 a 的价格变化影响股票 b 的价格变化时，则它们的关联关系是从 a 指向 b 的。当股票 b 的价格变化影响股票 a 的价格变化时，则它们的关联关系是从 b 指向 a 的； 当 a 对 b 的影响大于 b对 a 的影响，则认为两只股票的关联关系是从 a 指向 b，反之则是从b 指向 a。 构造股票相关性网络 任意选取两只股票 a 和 b，则 a 股