[發明專利]一種股票模式自動識別與預測方法

在審

• 申請號: 201811564630.6
• 申請日: 2018-12-20
• 公開（公告）號: CN109670966A
• 公開（公告）日: 2019-04-23
• 發明（設計）人: 李春光;黃生帥
• 申請（專利權）人: 浙江大學
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q40/04;G06Q10/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

1.一種股票模式自動識別與預測方法，其特征在于,包括以下幾個步驟：

(1)獲取股票數據并進行預處理，得到待識別圖表模式的候選序列；

(2)設計圖表模式的識別方法；

(3)設計基于支持向量機的股票預測模型并進行訓練；

(4)使用步驟(3)中的預測模型，確定檢測股票的是否買入及持有時間。

2.根據權利要求1所述的一種股票模式自動識別與預測方法，其特征在于步驟(1)中所述的獲取股票數據并進行預處理，得到待識別圖表模式的候選序列，具體過程如下：

在各大財經網站獲取得到所有股票的歷史數據，包括收盤價、成交量，得到數據后，以一段時間內股票的收盤價的極大值點以及極小值點作為序列候選分割點，根據不同圖表模式的極大(小)值點排列方式進行確認最終分割點進行分割，得到不同圖表模式的候選序列。

3.根據權利要求1所述的一種股票模式自動識別與預測方法，其特征在于步驟(2)中所述的圖表模式的識別方法設計，具體過程如下：

為了識別圖表模式，為每一個圖表模式定義一個體現圖表模式收盤價價格走勢的模板序列，通過候選序列與待識別圖表模式的模板序列進行對比匹配，對匹配程度根據經驗設定一個閾值，高于閾值則認為匹配成功，匹配方法使用動態時間規整法(Dynamic TimeWraping)。

4.根據權利要求1所述的一種股票模式自動識別與預測方法，其特征在于步驟(3)所述的基于支持向量機的預測模型設計如下：

采用1990-12-19至2012-12-31的A股股票數據識別出來的圖表模式p作為圖表模式p預測模型的訓練集，設為S_p＝{x_p,i,y_p,i}ⁿ，其中x_p,i為圖表模式p的n個樣本的第i個樣本,由檢測出的時間序列收盤價格以及交易量信息組成，收盤價格信息為使用降采樣的收盤價時間序列，交易量信息為第i個樣本買入前5-10天的交易量，并進行歸一化處理，y_p,i為樣本的標簽,標簽信息使用未來一段時間的每一天收盤價進行判定，當第r天的收盤價格大于買入價格，則y_p,i^r＝1否則y_p,i^r＝-1，那么，預測第r天的支持向量機判別函數f_p^r(x)的計算公式為：

其中，α_i^r為Lagrange乘子，b為位移項，為高斯核函數，σ為高斯核函數的帶寬。根據待檢測圖表模式的個數不同,預測的天數不同,可以訓練得到不同數量的支持向量機。

5.根據權利要求1所述的一種股票模式自動識別與預測方法，其特征在于步驟(4)中根據步驟(3)中訓練得到的預測模型進行確定持有股票時長，具體過程如下：

得到預測模型后,使用圖表模式識別模型對候選股票池過去四年的表現進行圖表模式識別，得到識別結果后，使用支持向量機預測模型對識別得到的圖表模式進行驗證,對買入股票后的30天內進行預測,并對預測為買入的股票的買對正確率,平均日化收益率進行評估,選用效果最好的一天作為賣出點。