個性化金融分析工具的設計與開發

姜黎黎 王智鋼 嚴琳 王蓉

摘 要：傳統的金融分析軟件提供的主要是常規的技術分析，由于博弈行為，往往普遍使用的分析工具經常會失效，而個性化的金融分析工具可以幫助用戶以獨特的方法對金融數據進行有效的分析。本文設計并開發重心線、價格帶和扭曲線等個性化分析工具。重心線是通過將相鄰交易日的價格重心連起來而得到；價格帶能直觀反映價格的軌跡區間，能在一定程度上反映行情波動的加劇或者收斂等；扭曲線可以反映漲跌趨勢的變化。它們可用于金融分析實踐，有一定實用價值，同時也為設計和開發更加復雜的個性化金融分析工具系統奠定了基礎。

關鍵詞：金融分析；數據挖掘；設計與開發；重心線；價格帶

中圖分類號：TP311 文獻標識碼：A

Abstract：Traditional financial analysis softwares mainly offer the conventional technical analysis.Because of the game behavior，widely used analysis tools often lose efficacy.On the contrary personalized financial analysis tool can help users analysis of financial data with a unique method effectively.This paper introduces the design and development of personalized financial analysis tools like gravity line.Price Zone and line of torsion.The gravity line is acquired through connecting the price gravity of the adjacent trading days.Price zone can directly show the intensification or convergence of market volatility.Line of torsion can reflect the trend changes of rise or fall.They can be used in financial analysis practice，and have certain practical value.At the same time they lay a foundation for the design and development of more complicated personalized financial analysis tools system.

Keywords：financial analysis；data mining；design and development；gravity line；price zone

1 引言（Introduction）

個性化金融分析工具是基于數據分析和挖掘技術，對特定的金融數據進行高效分析的工具。當下，銀行、證券公司每天的業務都會產生大量數據，利用目前的數據庫系統可以高效地實現數據的錄入、查詢、統計等功能，但無法發現數據中存在的關系和規則，無法根據現有的數據預測未來的發展趨勢。人們提出了各種不同的方法來預測數據未來的發展趨勢，主要包括基于統計分析（時間序列和回歸模型）的預測方法，基于人工智能（神經網絡、遺傳算法和模糊邏輯）的預測方法。金融時間序列的預測是一個周期性的過程，每個周期包括模型訓練和對下一交易日的回報價值預測兩個階段[1]。而神經網絡作為一種高效的數據挖掘方法，已被應用于許多不同的復雜的模式識別問題，包括股市預測[2]。本文主要討論利用數據挖掘技術開發個性化金融分析工具，分析股市交易數據[3]。

目前國內關于金融數據挖掘領域的研究和應用都還處于起步階段，國內對金融數據和金融數據挖掘的研究理論、金融數據挖掘算法和技術掌握的不多，而且也不夠成熟，對金融數據挖掘的應用也處于試探階段[4]。此外，傳統的金融數據服務軟件提供的服務主要集中于普通的行情推送、行情展示、簡易的行情數據描述、普通無序的資訊等，并不能做到全面、準確、高效的幫助用戶掌握市場情況；然而如大智慧DTS這樣的高級服務平臺，需要專業的人士了解金融、計算機、數學等專業知識，才能合理應用。高級服務平臺專業過高，而且服務價格不菲，讓大多數非專業投資者望而卻步。基于這樣的現狀，我們致力于研發出個性化金融分析工具，提供相關服務，滿足企業和個人的需求[5]。

金融市場正在不斷產生數據，而這些數據一般類型多、關系復雜、規律時效性較強、數據量非常龐大。面對海量金融數據，基于傳統統計技術建立的模型假設條件多，實際應用難以奏效。從客觀的角度來分析，數據挖掘技術在目前是非常高度關注的技術，同時在很多方面都與股市技術具有密切的關系[6]。因此利用數據挖掘技術，進行個性化金融工具的開發就顯得十分必要了。本文通過相關技術對個性化金融工具進行開發，從而對海量金融數據進行有效分析[7]。個性化金融分析工具可以使我們獲取個性化金融數據，用戶可以通過個性化金融分析工具，根據自己的實際需求，方便快捷地獲取所需數據，降低了用戶信息的搜尋成本。還可以挖掘與分析金融數據，通過使用個性化金融分析工具，用戶可以用多樣化的方法對金融數據進行高效的分析。

2 個性化金融分析工具的設計（The design of

personalized financial analysis tools）

2.1 重心線

（1）含義和計算方法

金融交易數據分析中最常用的工具之一就是K線[8]，但有時因為人為的做盤，K線會失真，不能客觀反映行情的真實情況和后續趨向。可以按如下公式來定義某一交易品種在交易日i的價格重心Gi

Gi=w1*開盤價+w2*收盤價+w3*最高價+w4*最低價

其中，w1、w2、w3、w4為系數。把相鄰交易日的價格重心Gi連起來，就得到了重心線G。

（2）流程圖

繪制重心線的流程如圖1所示。

2.2 價格帶

可以按如下公式來定義某一交易品種在交易日期t等于i和j之間的價格帶

S=

用圖來表示就是把相鄰交易日的最高價連起來，得到曲線H，再把相鄰交易日的最高低價連起來，得到曲線L，兩條曲線中間的區間就是價格帶。

價格帶能直觀反映價格的軌跡區間，并能在一定程度上反映行情波動的加劇或者收斂，最高價的后續趨向，最低價的后續趨向等。

2.3 扭曲線

把相鄰交易日的開盤價連起來，得到曲線O，把相鄰交易日的收盤價連起來，得到曲線C，兩條曲線及其交叉關系，就是扭曲線。扭曲線可以反映漲跌趨勢的變化，當開盤價曲線O向下而收盤價曲線C向上形成扭曲交叉時，表示上漲趨勢，當開盤價曲線O向上而收盤價曲線C向下形成扭曲交叉時，表示下跌趨勢，當然在震蕩市中，這種變化會很頻繁。

3 個性化金融分析工具的開發（The development of

personalized financial analysis tools）

本文所述個性化金融分析工具在Visual FoxPro中開發。VFP是一個比較有特色的數據庫管理系統，它將數據庫操作和高級語言編程融為一體，并且提供了大量的可視化系統開發工具和向導工具，支持面向對象程序設計方法。因此，不需要其他高級語言和開發工具，就可以直接使用Visual FoxPro進行數據庫應用系統開發。

3.1 重心線

（1）關鍵代碼

（2）執行界面

執行時首先獲取每個交易日的最高價、最低價、開盤價和收盤價，然后根據收盤與開盤價的大小關系判斷該交易日的顯示顏色并畫出K線，再根據公式計算得出重心點，最終通過不斷迭代連接相鄰重心點畫出重心線。執行界面顯示如圖2所示。

（2）執行界面

執行程序首先獲取每個交易日的最高價和最低價，通過迭代將相鄰交易日的最高價點、最低價點分別連接得到H線、L線，兩線之間的區間就形成價格帶，執行界面顯示如圖3所示。

（2）執行界面

執行程序首先獲取每日的開盤價和收盤價，通過不斷迭代分別將相鄰交易日的開盤價點連接起來得到曲線O、收盤價點連接起來得到曲線C。扭曲線即兩條曲線及其交叉關系，執行界面顯示如圖4所示。

4 結論（Conclusion）

本文及相關學習研究工作，受江蘇省大學生創新創業計劃等項目資助。本項目課題主要是設計和開發個性化金融分析工具，并在實踐中應用和改進。我們團隊通過本項目得到了很好的鍛煉，不僅學習和掌握了數據分析、數據挖掘的基本知識、技術和方法，更培養了自己設計和開發應用軟件的能力和獨立解決問題的思維能力，為將來的就業和創業奠定了一定基礎，并且該項目將軟件與金融兩大學科知識相結合，為實現培養復合型人才的目標貢獻了一點力量。數據分析與挖掘是時下研究領域的新鮮血液，后續我們將會繼續以數據挖掘為基礎，設計開發更多更好的個性化金融分析工具。

參考文獻（References）

[1] Rosas-Romero R，Diaz-Torres A，Etcheverry G.Forecasting of Stock Return Prices with Sparse Representation of Financial Time Series over Redundant Dictionaries[J].Expert Systems with Applications，2016，57：37-48.

[2] Ravichandra T，Thingom C.Stock Price Forecasting Using ANN Method[J].Advances in Intelligent Systems and Computing，2016，435：599-605.

[3] Barak S，Modarres M.Developing an Approach to Evaluate Stocks by Forecasting Effective Features with Data Mining Methods[J].Expert Systems With Applications，2015，42：1325-1339.

[4] 余春.基于數據挖掘技術的金融數據分析系統設計與實現[D].成都：電子科技大學，2014（6）：69-78.

[5] 蔡俊杰.基于大數據與人工智能下的金融分析決策系統的設計與實現[J].現代工業經濟和信息化，2016，6（11）：87-88.

[6] 陳格.數據挖掘算法及其在股市技術分析中的應用解析[Z].第二屆今口財富論壇，2016：21.

[7] 戴鵬.基于ABS算法的可視化金融數據挖掘平臺開發[J].電腦知識與技術，2011，7（13）：2977-2978.

[8] 王智鋼，等.基于SVC的證券行情周K線漲跌預測[J].金陵科技學院學報，2013，29（1）：15-19.