论文部分内容阅读
摘 要：股市作为一个特殊的交易市场，具有变化多端的特点，在整体上很难进行把控。所以，股市上的盈利人员毕竟是少数的。为了可以在股市技术上进行深入的分析和了解，可应用数据挖掘算法来完成相关的操作，同时在多方面来观察股市的具体走向以及客观上的动态情况，避免错误的操作所引起的不必要的损失。文章针对数据挖掘算法及其在股市技术分析中的应用展开讨论，并提出合理化建议。
关键词：数据挖掘算法；股市；分析；技术
随着经济的发展和社会生活水平的提升，股市表现为一定的繁荣状态。但从股票的角度来分析，其作为一种虚拟的有价证券，本身并不是特别的稳定，很容易受到外界因素的影响，同时受到操控者的影响较大，波动性较强。有相当数量的股民，由于在股市技术分析上没有从客观情况出发，单纯凭借主观上的经验来完成，致使最终的损失较为严重。
一、概述
近年来，计算机网络发展较快，相关的内容及研究领域也在不断的拓宽。从客观的角度来分析，数据挖掘算法在目前是非常高度关注的算法技术，同时在很多方面都与股市技术具有密切的关系。数据挖掘算法在应用过程中，主要是根据数据所创建数据挖掘模型的一组试探法和计算。为了能够更好的创建模型，该算法可以首先分析固有的数据内容，同时查找特定的类型模式、相关趋势等等。由此可见，我们在股市技术分析过程中，有效的应用数据挖掘算法后，能够实现以下目的：第一，股市技术分析所提供的数据较多，涵盖了各个方面的数据，为算法的应用提供了较强的基础。第二，经过数据挖掘算法分析后，股市技术的趋向以及可能出现的情况，都会被人一目了然，避免了操作失误的现象，保护了股民的权益，减少了外部的影响和内部的操作水平。
二、数据挖掘算法在股市技术分析中的应用
针对股市技术的分析工作，必须要从客观实际出发，理论上给出的数据和信息，与现实其概况存在一定的差异，因此即便获得了正确的分析结果，依然不能将其应用到实践的股市操作当中。
1.实验数据
在本次实验分析当中，选择的股市技术数据，主要是从2000年1月--3月的某股市指数。在选择的时间段方面，选定周期为60分钟的股市指数走势图进行分析。在每一个交易日当中，选择了开市时间（9：30）、10：30、13：30、14：00以及收市时间（15：00）作为具体的指标进行分析。实验过程中，倘若具体的交易日数量设定为M，那么数据的总数则为5*M。分析认为，针对每一个型态的模版而言，可以应用一个一维的数据组进行相应的表示，这样就避免了数据的杂乱和信息的错误。建议在分析工作中，为了进一步发挥出数据挖掘算法的优势和功能，首先要将模版进行有效的划分，可以尝试将其划分为时间差异相等的10段，每段提取出1个具体的数字，也就是数轴上的具体高度。通过上述的操作方法，可以使用10个数字来表示每一个模版，得到的效果比较突出，操作简便。
2.算法的应用
数据挖掘算法在股市分析中的应用时，必须要做出一些假设，由此来配合股市的多变特点。在算法的处理、应用过程中，想要更加简单的处理数据的拟合问题，可通过“对称形式”的方法来进行解决，同时不建议做倾斜约束的限制。在本文当中，初始化的条件设定为：g（1，1）=2d（1，1）。通过分析和归纳，得到的动态规划方程如下：
经过相关的分析和处理后，窗口的调整条件确定为：j-r≤i≤j+r。时间规范化的距离设计和分析中，对整体的算法应用具有很大的影响。为此，将具体的距离控制为：D（A，B）=g（I，J）/N，在距离的条件当中，N=I+J。
实验中，给定的型态模板作为模式A，同时一段给定的走势曲线作为模式B。由于股市走势是市场各方力量的综合体现，股票在单个或连续若干个交易日的某个时间段更富规律性（如在1999年的519行情中，和1999年末2000年初网络股带动股市进入牛市中的行情中，某个交易日中指数下滑并不体现指数整体在攀升的情况）。故认为形态模板与走势的拟合应以形态模板缩放到N个交易日为准（N为正整数），才符合现实世界的规律（当然，N也不能很大）。把模板分成10段，同时用10个指数为一段的走势曲线与模板比较，与股市中一、两天就形成一种形态走势的客观事实相符。
3.实验结果及分析
数据挖掘算法在股市技术分析当中应用时，通过对固有的数据进行搜集和分析，从而能在很大程度上充分的掌握好股市发展趋势及具体的表现。在本次实验当中，选择了多个类型的模版进行系统的分析，包括潜伏顶、箱形整理等等。在最终的结果方面，每一个阶段的时间规范化距离，经过大量的比较发现，阴跌形态当中，其时间规范化的距离对比当中，基本上是最大的。除此之外，潜伏顶排列在第二位，证明阴跌、潜伏顶的时间规范化距离表现为较大的状态。分析原因为，该股市指数在1月份--3月份，主要表现出了牛市的状态，而阴跌和潜伏顶隶属于熊市的两种模块。综上所述，数据挖掘算法本身的优异性比较突出，能够在很多方面对股市技术进行分析，从而获得正确的走向及趋势。另外，将数据挖掘算法充分的应用后，减少了股民的损失，对于国家的宏观调控而言，也可以提供较多的数据与参考，实现了经济上的平稳运行。日后，可以深入分析数据挖掘算法的相关内容，加强对股市技术分析的掌控，在客观上和主观上，稳定国内的股市情况。
三、结语
本文对数据挖掘算法及其在股市技术分析中的应用展开讨论，从得到的结果来看，数据挖掘算法的分析结果及可行性，都比较符合客观上的需求，整体上获得了较高的保障，未出现恶性循环。另一方面，由于股市技术分析受到的影响较多，因此在应用数据挖掘算法时，还必须融入到其他的因素及相关的算法内容，避免造成分析技术的单一性。
参考文献：
[1]杨琬琪，高阳，周新民，杨育彬，商琳. 多模态张量数据挖掘算法及应用[J]. 计算机科学，2012，01：9-13.
[2]王权，王军，史子新. 数据挖掘技术与关联规则挖掘算法及其应用[J]. 计算机光盘软件与应用，2014，19：126-127.
[3]付海辰. 基于数据挖掘技术的聚类分析算法在异常入侵检测中的应用[J]. 软件导刊，2011，05：73-74.
[4]张铭. 数据挖掘技术及其在中药分析中的应用[J]. 中医杂志，2011，13：1105-1107.
[5]杨秀萍. 数据挖掘技术及其在收视行为分析中的应用[J]. 福建电脑，2013，04：124-126+59.
作者简介：陈格（1992-），男，广东省吴川市人，民族：汉，广东金融学院应用数学系，学生， 学历：本科，研究方向：数学与应用数学（金融数学与金融工程）。
关键词：数据挖掘算法；股市；分析；技术
随着经济的发展和社会生活水平的提升，股市表现为一定的繁荣状态。但从股票的角度来分析，其作为一种虚拟的有价证券，本身并不是特别的稳定，很容易受到外界因素的影响，同时受到操控者的影响较大，波动性较强。有相当数量的股民，由于在股市技术分析上没有从客观情况出发，单纯凭借主观上的经验来完成，致使最终的损失较为严重。
一、概述
近年来，计算机网络发展较快，相关的内容及研究领域也在不断的拓宽。从客观的角度来分析，数据挖掘算法在目前是非常高度关注的算法技术，同时在很多方面都与股市技术具有密切的关系。数据挖掘算法在应用过程中，主要是根据数据所创建数据挖掘模型的一组试探法和计算。为了能够更好的创建模型，该算法可以首先分析固有的数据内容，同时查找特定的类型模式、相关趋势等等。由此可见，我们在股市技术分析过程中，有效的应用数据挖掘算法后，能够实现以下目的：第一，股市技术分析所提供的数据较多，涵盖了各个方面的数据，为算法的应用提供了较强的基础。第二，经过数据挖掘算法分析后，股市技术的趋向以及可能出现的情况，都会被人一目了然，避免了操作失误的现象，保护了股民的权益，减少了外部的影响和内部的操作水平。
二、数据挖掘算法在股市技术分析中的应用
针对股市技术的分析工作，必须要从客观实际出发，理论上给出的数据和信息，与现实其概况存在一定的差异，因此即便获得了正确的分析结果，依然不能将其应用到实践的股市操作当中。
1.实验数据
在本次实验分析当中，选择的股市技术数据，主要是从2000年1月--3月的某股市指数。在选择的时间段方面，选定周期为60分钟的股市指数走势图进行分析。在每一个交易日当中，选择了开市时间（9：30）、10：30、13：30、14：00以及收市时间（15：00）作为具体的指标进行分析。实验过程中，倘若具体的交易日数量设定为M，那么数据的总数则为5*M。分析认为，针对每一个型态的模版而言，可以应用一个一维的数据组进行相应的表示，这样就避免了数据的杂乱和信息的错误。建议在分析工作中，为了进一步发挥出数据挖掘算法的优势和功能，首先要将模版进行有效的划分，可以尝试将其划分为时间差异相等的10段，每段提取出1个具体的数字，也就是数轴上的具体高度。通过上述的操作方法，可以使用10个数字来表示每一个模版，得到的效果比较突出，操作简便。
2.算法的应用
数据挖掘算法在股市分析中的应用时，必须要做出一些假设，由此来配合股市的多变特点。在算法的处理、应用过程中，想要更加简单的处理数据的拟合问题，可通过“对称形式”的方法来进行解决，同时不建议做倾斜约束的限制。在本文当中，初始化的条件设定为：g（1，1）=2d（1，1）。通过分析和归纳，得到的动态规划方程如下：
经过相关的分析和处理后，窗口的调整条件确定为：j-r≤i≤j+r。时间规范化的距离设计和分析中，对整体的算法应用具有很大的影响。为此，将具体的距离控制为：D（A，B）=g（I，J）/N，在距离的条件当中，N=I+J。
实验中，给定的型态模板作为模式A，同时一段给定的走势曲线作为模式B。由于股市走势是市场各方力量的综合体现，股票在单个或连续若干个交易日的某个时间段更富规律性（如在1999年的519行情中，和1999年末2000年初网络股带动股市进入牛市中的行情中，某个交易日中指数下滑并不体现指数整体在攀升的情况）。故认为形态模板与走势的拟合应以形态模板缩放到N个交易日为准（N为正整数），才符合现实世界的规律（当然，N也不能很大）。把模板分成10段，同时用10个指数为一段的走势曲线与模板比较，与股市中一、两天就形成一种形态走势的客观事实相符。
3.实验结果及分析
数据挖掘算法在股市技术分析当中应用时，通过对固有的数据进行搜集和分析，从而能在很大程度上充分的掌握好股市发展趋势及具体的表现。在本次实验当中，选择了多个类型的模版进行系统的分析，包括潜伏顶、箱形整理等等。在最终的结果方面，每一个阶段的时间规范化距离，经过大量的比较发现，阴跌形态当中，其时间规范化的距离对比当中，基本上是最大的。除此之外，潜伏顶排列在第二位，证明阴跌、潜伏顶的时间规范化距离表现为较大的状态。分析原因为，该股市指数在1月份--3月份，主要表现出了牛市的状态，而阴跌和潜伏顶隶属于熊市的两种模块。综上所述，数据挖掘算法本身的优异性比较突出，能够在很多方面对股市技术进行分析，从而获得正确的走向及趋势。另外，将数据挖掘算法充分的应用后，减少了股民的损失，对于国家的宏观调控而言，也可以提供较多的数据与参考，实现了经济上的平稳运行。日后，可以深入分析数据挖掘算法的相关内容，加强对股市技术分析的掌控，在客观上和主观上，稳定国内的股市情况。
三、结语
本文对数据挖掘算法及其在股市技术分析中的应用展开讨论，从得到的结果来看，数据挖掘算法的分析结果及可行性，都比较符合客观上的需求，整体上获得了较高的保障，未出现恶性循环。另一方面，由于股市技术分析受到的影响较多，因此在应用数据挖掘算法时，还必须融入到其他的因素及相关的算法内容，避免造成分析技术的单一性。
参考文献：
[1]杨琬琪，高阳，周新民，杨育彬，商琳. 多模态张量数据挖掘算法及应用[J]. 计算机科学，2012，01：9-13.
[2]王权，王军，史子新. 数据挖掘技术与关联规则挖掘算法及其应用[J]. 计算机光盘软件与应用，2014，19：126-127.
[3]付海辰. 基于数据挖掘技术的聚类分析算法在异常入侵检测中的应用[J]. 软件导刊，2011，05：73-74.
[4]张铭. 数据挖掘技术及其在中药分析中的应用[J]. 中医杂志，2011，13：1105-1107.
[5]杨秀萍. 数据挖掘技术及其在收视行为分析中的应用[J]. 福建电脑，2013，04：124-126+59.
作者简介：陈格（1992-），男，广东省吴川市人，民族：汉，广东金融学院应用数学系，学生， 学历：本科，研究方向：数学与应用数学（金融数学与金融工程）。