Python金融数据分析与挖掘（微课版） 课件 11-3.月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量化投资策略设计月行业联动与轮动关联规则挖掘

月行业联动与轮动分析（布尔值指标计算）第11章计算行业指数月上涨情况：当月最大交易日收盘指数?当月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，故需要找出每月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。通过月最大交易日和最小交易日算法及程序，可获得每月的最大交易日和最小交易日列表总共得到86个交易月，第0行代表第0个交易月，该月的最小交易日为2010年1月4日，最大交易日为2010年1月29日。计算该月的涨跌情况可以用2010年1月29日的指数收盘价减去2010年1月4日的指数收盘指数得到，如果大于0，则表示该月指数上涨，用1表示，否则记为0。

月行业联动与轮动分析（布尔值指标计算）第11章通过计算，获得月行业指数涨跌情况布尔指标值。从图中可以看出，以交通运输业为例，第0、2、3、4、5、7、10个交易月表示该行业下跌，第1、6、8、9个交易月为上涨。

月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16条行业联动的关联规则。IDrulesupportconfidence1采掘_up—家用电器_up0.50.9555555562综合_up—轻工制造_up0.476744190.9534883723机械设备_up—家用电器_up0.511627910.9361702134计算机_up—电子元器件_up0.50.9347826095房地产_up—家用电器_up0.488372090.9333333336房地产_up—建筑材料_up0.488372090.9333333337纺织服装_up—轻工制造_up0.488372090.9333333338化工_up—汽车_up0.476744190.9318181829化工_up—轻工制造_up0.476744190.93181818210电子元器件_up—计算机_up0.50.91489361711计算机_up—医药生物_up0.488372090.91304347812建筑材料_up—家用电器_up0.488372090.91304347813有色金属_up—家用电器_up0.488372090.91304347814建筑材料_up—房地产_up0.488372090.91304347815采掘_up—有色金属_up0.476744190.91111111116纺织服装_up—汽车_up0.476744190.911111111

月行业联动与轮动分析（轮动规则挖掘）第11章importOneRuleasORr=OR.rule(Data,0.2,0.67)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0.67。IDrulesupportconfidence0交通运输_up—家用电器_up0.2705882350.6764705881公用事业_up—家用电器_up0.3411764710.6744186052农林牧渔_up—家用电器_up0.3294117650.6829268293化工_up—家用电器_up0.3411764710.6744186054商业贸易_up—家用电器_up0.3294117650.7179487185国防军工_up—医药生物_up0.3411764710.690476196国防军工_up—家用电器_up0.3411764710.690476197家用电器_up—家用电器_up0.4117647060.686274518建筑装饰_up—医药生物_up0.3294117650.79建筑装饰_up—家用电器_up0.3294117650.710机械设备_up—家用电器_up0.3647058820.67391304311汽车_up—家用电器_up0.4117647060.712电子元器件_up—家用电器_up0.3647058820.67391304313通信_up—家用电器_up0.3529411760.71428571414通信_up—汽车_up0.3411764710.6904761915采掘_up—家用电器_up0.3647058820.70454545516非银金融_up—医药生物_up0.3294117650.68292682917非银金融_up—家用电器_up0.3529411760.73170731718餐饮旅游_up—家用电器_up0.3411764710.674418605

月行业联动与轮动分析（量化投资策略设计）第