[發明專利]一種基于局部及全局語法統計的股票推薦方法

在審

• 申請號: 201611045969.6
• 申請日: 2016-11-25
• 公開（公告）號: CN106780021A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 洪志令;吳梅紅
• 申請（專利權）人: 洪志令
• 主分類號: G06Q40/04
• 分類號: G06Q40/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及股票數據挖掘技術領域，尤其是涉及一種基于局部及全局語法統計的股票推薦方法。

背景技術

股票市場是一個風險和利益共存的市場,股票市場的建模和預測研究對我國的經濟發展和金融建設具有重要的意義。

股票技術分析的目的是預測市場價格未來的趨勢,為達到此目的所采用的手段是分析股票市場過去和現在的市場行為。市場行為包括：(1)價格的高低和價格的變化；(2)發生這些變化所伴隨的成交量；(3)完成這些變化所經過的時間。技術分析的理論基礎主要是三大假設:市場行為包含一切信息；價格沿趨勢波動并保持趨勢;歷史會重演。

在數據極為豐富的股票預測領域,數據挖掘的方法得到了越來越廣泛的研究與應用。股票數據挖掘的研究主要集中在4個方面：相似序列匹配、股票價格預測、交易規則抽取以及時間模式發現。常用的方法有神經網絡、進化算法、模糊邏輯、粗糙集、支持向量機等。

發明內容

本發明公開了一種基于局部及全局語法統計的股票推薦方法。方法把股票小段時間序列的漲跌幅量化值看作是自然語言中的符號串，對股票下一交易日漲跌幅度的預測則類似于對符號串中的下一符號的預測。

本發明方法結合股票的實際，應用n元語法的思想，對股票自身的歷史數據和全局的股票數據進行股票語法的規則統計，而后分別利用局部語法和全局語法計算股票下一交易日的漲跌幅得分。最后對兩種結果計算綜合得分，排序后進行股票的推薦。方法除了可用于股票的每日推薦外，還可用于股票每天的實時推薦。

假設股票列表為S,S=[S₁, S₂,…,S_i,…,S_m],m為股票池中股票的數量，如中國上市股票的數量或美國上市股票的數量。本發明方法的步驟如下：

（1）對股票的漲跌幅值進行量化；

（2）基于股票自身歷史數據進行局部多元語法統計；

（3）基于所有股票歷史數據進行全局多元語法統計；

（4）獲得待預測股票的近期漲跌幅數據并量化；

（5）計算待預測股票的局部語法預測得分；

（6）計算待預測股票的全局語法預測得分；

（7）計算每只股票的綜合得分并進行排序推薦。

其中，步驟(1)的對股票的漲跌幅值進行量化，具體為：對于每只股票，獲取某個時間點以來（如2005年1月1日）的漲跌幅數據，而后對漲跌幅值進行量化，即對漲跌幅值進行四舍五入的操作，變換為[-10,10]區間的整數值；最后股票池中的每只股票都變換為包含股票漲跌幅整數值的數組。

其中，步驟(2)的基于股票自身歷史數據進行局部多元語法統計，具體為：對于每只股票，假設當前股票為S_i,i=1,…,m ,對該股票自身的歷史數據進行k元語法統計，k取1到5。首先設置一個k維數組，每個維度的長度為21，即每維有21個槽。然后遍歷S_i股票漲跌幅整數值數組，每次取相鄰的兩個值，對這兩個值的共同出現的次數進行累加統計，并放入k維數組對應的槽中。k元語法統計完后，結合k-1元語法的結果，計算條件概率，對于k維數組中的每一行，計算最后一個維的數值出現的條件概率，其中一元語法不計算條件概率。條件概率的分子為k維數組每行的整數值組合的統計數，分母為k維數組每行整數值去掉最后一位的組合在k-1元語法中所對應的統計數。計算分母時如果k-1元語法沒有相應的整數值組合則跳過該條件概率的計算。最后每只股票都有自己的k元語法統計結果。

其中，步驟(3)的基于所有股票歷史數據進行全局多元語法統計，具體為：對于所有股票的歷史數據進行k元語法統計。統計過程類似步驟（2），不同的是針對所有股票歷史數據進行統計，并且最后所有股票只有一組k元語法的統計結果。

其中，步驟(4)的獲得待預測股票的近期漲跌幅數據并量化，具體為獲取待預測股票近4個交易日的漲跌幅數據，然后對這4日的漲跌幅數據進行量化，即對漲跌幅值進行四舍五入操作，形成整數值，記為D4,D3,D2,D1，分別代表股票近四個交易日的近似整數漲跌幅。而即將預測的下一交易日近似漲跌幅記為D0。