基于事件的證券市場狀態變化規則挖掘

姜麗

摘 要：文章在前期市場狀態研究的基礎上，重點研究了三類影響市場狀態的事件，建立了事件模型，并采用改進的ID3數據挖掘算法，得到了一組市場狀態在事件刺激下的轉化規則。最后，文章對得到的規則進行了分析。

關鍵詞：事件；證券市場；數據挖掘；ID3算法

1 概述

證券市場在國家金融體系中占有舉足輕重的地位。對證券市場的運行狀態的研究，能夠為市場監管部門進行有效的市場監管提供依據。在前期的研究中，我們通過聚類分析的方法，將證券市場劃分成五個狀態：

低迷態：市場波動不大，流動性很差，收益率很低。低健康態：市場波動不大，流動性較差，收益率較低，但是換手率、波動率較高，中小盤股交易較為活躍。健康態：市場波動平穩，流動性高，收益率較高。亢奮態：市場有一定的波動，流動性很高，收益率非常高，大量資金流入市場。災難態：表現為市場波動非常大，常常伴有千股跌停或者千股漲停的現象，流動性喪失，收益率低，市場極為不穩定。

但是證券市場的狀態顯然是動態演化的，尤其當發生了某種敏感的事件刺激時，市場的狀態就可能發生變化，演進到下一個狀態。文章著眼于影響證券市場的事件，挖掘事件導致的市場狀態變化的規則。

2 影響證券市場的事件模型

影響證券市場的因素很多，比如國家的政策調整，上市公司的季報、年報，各類交易規則，散布的各類消息、公告，也包括內幕信息等等。把這些影響證券市場狀態的因素統稱為“事件”。有些事件來源于正常渠道，比如上市公司季報、年報，按照交易規則對上市公司采取的各種措施等。而另外一些事件的來源就不那么明確，比如散布的各種消息，內幕信息，甚至某些人為的預測、評價等。文章的目的在于研究事件對市場狀態的影響，因此選取了影響力最大的三類事件：利率變動，匯率變動，通貨膨脹率變動。

3 證券市場事件影響規則挖掘

對事件建立模型后，進一步利用數據挖掘方法研究事件對市場狀態的影響，建立市場狀態在事件刺激下的轉化規則。

3.1 數據準備

收集歷年來利率、匯率、通貨膨脹率的變化情況，以及事件發生前后，市場狀態的差異情況，制成類似表1的形式。其中市場狀態以月為周期。

3.2 改進的ID3規則挖掘算法

Gain（A）是指由于知道屬性A的值而導致的熵的期望。熵是一個衡量系統混亂程度的統計量。熵越大，表示系統越混亂。對于決策樹而言，最佳的分裂方案是使熵減少量最大的分裂方案。所以，最佳分裂就是使Gain（A）最大的分裂方案。

將ID3算法應用于事件影響規則挖掘的過程中，由于該算法標記葉結點的條件過于嚴格得到的規則過于細化，支持這一規則的樣本數目很少。這樣的規則沒有實用價值。

文章對ID3算法進行了改進，使其能夠適用于事件影響規則的挖掘。改進主要體現在兩點：（1）柔性的葉結點標記規則。當子集中樣本數過少時，合并相鄰子集，生成唯一的葉節點，以優勢屬性值來標記該葉節點。（2）增加剪枝規則。當葉節點中的樣本數過少，或者葉節點中的樣本的決策屬性發生矛盾時，刪除該葉節點。

3.3 規則挖掘結果及分析

文章采用改進的ID3挖掘算法對采集到的數據樣本進行規則挖掘，得到一組規則，選摘如下：（1）市場處于低迷狀態時，若發生利率變動事件（利率下降），市場仍然處于低迷狀態。（2）市場處于低健康狀態時，若發生利率變動事件（利率下降），市場進入健康狀態。（3）市場處于亢奮狀態時，若發生利率變動事件（利率上升），市場進入健康狀態。（4）市場處于健康狀態時，若發生匯率變動事件（匯率下調），市場進入低健康狀態。（5）市場處于亢奮狀態時，若發生通貨膨脹變動事件（通貨膨脹率上升），市場進入健康狀態。

……

對規則進行分析后，發現這些規則在一定程度上與現有的認知相吻合。比如一般利率下降時，股市上漲；利率上升時，股市下降。再比如國家的貨幣是實行升值的基本方針，股價就會上漲，一旦貨幣貶值，股價隨之下跌。

但是，規則中也存在一些與現有的認知或者預期不吻合的情況。比如：市場處于低迷狀態時，若發生利率變動事件（利率下降），預期市場應該好轉，但規則顯示市場大概率仍然處于低迷狀態。可能有下面幾種原因導致了這種情況：（1）影響市場的因素太多，其他為研究的因素干擾了事件規則的挖掘。（2）事件的影響要在一段時間后才顯現出來，規則挖掘中狀態周期應該針對不同的事件進行不同的調整。（3）周期事件的疊加影響要大于單一事件影響，而現有的規則挖掘算法中沒有討論事件疊加的情況。（4）市場狀態的劃分粒度不夠細，導致規則的結果單一，缺乏多樣性。

4 結束語

文章在前期市場狀態研究的基礎上，重點研究了三類事件模型，以及它們對市場狀態的影響。文章為利率變動、匯率變動和通貨膨脹率變動建立了事件模型，據此對采集到的數據進行了規則挖掘，得到了一組事件影響市場狀態的規則。

文章最后對規則進行了分析，認為規則在一定程度上能夠反映市場的狀態變化，也對其中的誤差進行了分析。今后，針對導致規則誤差的原因，應該在調整市場狀態周期的長短、細化市場狀態的類別，考慮事件的疊加效應等方面深入研究。

參考文獻

[1]胡美春，田大鋼.基于修正參數簡化標準的ID3改進算法[J].計算機與數字工程，2015（7）：1182-1186.

[2]喻金平，黃細妹，李康順.基于一種新的屬性選擇標準的ID3改進算法[J].計算機應用研究，2012，29（8）：2895-2898.

[3]黎子良，邢海鵬.金融市場中的統計模型和方法[M].北京：高等教育出版社，2009.