[發明專利]一種基于關聯分析的行業輪動規則挖掘模型算法

在審

• 申請號: 201910083176.0
• 申請日: 2019-01-29
• 公開（公告）號: CN109784753A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 洪志令;林雨田;李競;陳洪生
• 申請（專利權）人: 廈門多快好省網絡科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/04;G06F16/2458
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于關聯分析的行業輪動規則挖掘模型算法，其特征在于所述方法包括如下步驟：

（1）對不同行業進行基礎數據統計，準備相關數據間的映射；

（2）對不同行業的漲跌數據進行預先的加載，形成行業大漲周期表和行業大跌周期表；

（3）對漲跌數據進行行業時態輪動規則挖掘；

（4）基于支持度和置信度提取輪動規則元組組合，輸出行業輪動圖。

2.根據權利要求1所述的一種基于關聯分析的行業輪動規則挖掘模型算法，其特征在于，對漲跌數據進行的行業時態輪動規則挖掘過程；

對上漲（或下跌）周期表進行技巧性行業輪動統計挖掘，以上漲周期表為例，首先設置跟蹤數組UpStat[n],對Up[n,m]中的每一行，逐位進行掃描，如果位值為1，則獲取該1位置所對應的列編號，對該列位置減1進行豎的掃描，如果位值為1，則將該值累計到跟蹤數組UpStat[n]中；跟蹤數組的每一行是與每一個行業一一對應的；

對跟蹤數組的每一行，通過Hash(ID: industry)獲取行業，通過Hash(Industry:UpCount)獲取上漲（下跌）次數，分別計算支持度與置信度；其中支持度=100×上漲次數/交易次數，即Supp；置信度=100×跟蹤數組的統計次數/上漲次數，即Conf；對下跌周期表的統計規則挖掘的計算過程類似可得；最后不同行業上漲輪動關聯規則的支持度與置信度計算公式如下：

；

；

不同行業下跌輪動關聯規則的支持度與置信度計算公式如下：

其中， 代表次數統計。

3.根據權利要求1所述的一種基于關聯分析的行業輪動規則挖掘模型算法，其特征在于，基于支持度和置信度提取輪動規則元組組合輸出行業輪動圖的過程，以及基于輪動圖對基金選擇的指導應用；

對于上漲輪動規則，設置最小支持度minSup、最小置信度minConf、最小交易次數minTra參數，基于上漲聯動統計和計算結果，獲取支持度大于minSup，置信度大于minConf，交易次數大于minTra的元組, 構成上漲輪動規則元組組合：

行業上漲關聯規則={行業A，行業B，Supp，Conf};

對于下跌輪動規則，設置最小支持度minSup、最小置信度minConf、最小交易次數minTra參數，基于下跌聯動統計和計算結果，獲取支持度大于minSup，置信度大于minConf，交易次數大于minTra的元組，、構成下跌輪動規則元組組合：

行業下跌關聯規則={行業A，行業B，Supp，Conf};

之后，根據行業1的上漲（或下跌）可以關聯出行業2上漲（或下跌）的概率，得出一個箭頭指向；由行業2的上漲（或下跌）可以關聯出行業3上漲（或下跌）的概率,得出另一個箭頭指向；以此類推，最終形成全景的行業上漲輪動圖和全景的行業下跌輪動圖；

依據行業輪動圖，投資者可以根據這一時間段上漲（下跌）的行業，關注下一時間段可能上漲（下跌）的行業，從而關注在該行業持倉較多的基金，以此指導操作并獲取超額收益或者規避風險。