Python金融数据分析与挖掘（微课版） 课件 11-2.周行业联动与轮动分析.pptx

第11章行业联动与轮动分析布尔值指标计算周行业联动与轮动关联规则挖掘

周行业联动与轮动分析（布尔值指标计算）第11章计算行业指数周上涨情况：当周最大交易日收盘指数?当周最小交易日收盘指数，如果大于0，则表示上涨，记为1，否则为0；本章提供的数据是日频数据，故需要找出每周的最大交易日和最小交易日，从而获得相应交易日的数据并进行计算。通过周最大交易日和最小交易日算法及程序，可获得每周的最大交易日和最小交易日列表总共得到359个交易周，第0行代表第0个交易周，该周的最小交易日为2010年1月4日，最大交易日为2010年1月8日。计算该周的涨跌情况可以用2010年1月8日的指数收盘价?2010年1月4日的指数收盘价得到，如果大于0，则表示该周指数上涨，用1表示，否则记为0

周行业联动与轮动分析（布尔值指标计算）第11章通过计算，获得周行业指数涨跌情况布尔指标值。从图中可以看出，交通运输业第0、2、3、7、8、10个交易周为下跌，第1、4、5、6、9个交易周为上涨

周行业联动与轮动分析（联动规则挖掘）第11章调用apriori关联规则挖掘算法，获得行业联动关联规则挖掘结果如下表。最小支持度、最小置信度分别在47%和90%以上的，共有20条行业联动的关联规则。IDrulesupportconfidence1化工_up—纺织服装_up—轻工制造_up0.4735376040.982658962纺织服装_up—轻工制造_up—化工_up0.4735376040.955056183纺织服装_up—轻工制造_up—综合_up0.4707520890.9494382024纺织服装_up—综合_up—轻工制造_up0.4707520890.9494382025化工_up—轻工制造_up0.5041782730.9476439796综合_up—轻工制造_up—纺织服装_up0.4707520890.9441340787化工_up—轻工制造_up—纺织服装_up0.4735376040.939226519……

周行业联动与轮动分析（轮动规则挖掘）第11章importOneRuleasORr=OR.rule(Data,0.2,0.58)同日行业轮动关联规则挖掘类似，我们调用定义的函数rule，设置最小支持度和最小置信度分别大于0.2和0.58周行业轮动关联规则置信度最大值都不超过0.6，而大于0.58的关联规则仅4条，因此，周行业轮动的关联规则可预测性也不强。IDrulesupportconfidence0银行_up—机械设备_up0.279329610.5882352941银行_up—电气设备_up0.282122910.5941176472银行_up—综合_up0.282122910.5941176473非银金融_up—综合_up0593023256