數據挖掘算法及其在股市技術分析中的應用解析

摘 要：股市作為一個特殊的交易市場，具有變化多端的特點，在整體上很難進行把控。所以，股市上的盈利人員畢竟是少數的。為了可以在股市技術上進行深入的分析和了解，可應用數據挖掘算法來完成相關的操作，同時在多方面來觀察股市的具體走向以及客觀上的動態情況，避免錯誤的操作所引起的不必要的損失。文章針對數據挖掘算法及其在股市技術分析中的應用展開討論，并提出合理化建議。

關鍵詞：數據挖掘算法；股市；分析；技術

隨著經濟的發展和社會生活水平的提升，股市表現為一定的繁榮狀態。但從股票的角度來分析，其作為一種虛擬的有價證券，本身并不是特別的穩定，很容易受到外界因素的影響，同時受到操控者的影響較大，波動性較強。有相當數量的股民，由于在股市技術分析上沒有從客觀情況出發，單純憑借主觀上的經驗來完成，致使最終的損失較為嚴重。

一、概述

近年來，計算機網絡發展較快，相關的內容及研究領域也在不斷的拓寬。從客觀的角度來分析，數據挖掘算法在目前是非常高度關注的算法技術，同時在很多方面都與股市技術具有密切的關系。數據挖掘算法在應用過程中，主要是根據數據所創建數據挖掘模型的一組試探法和計算。為了能夠更好的創建模型，該算法可以首先分析固有的數據內容，同時查找特定的類型模式、相關趨勢等等。由此可見，我們在股市技術分析過程中，有效的應用數據挖掘算法后，能夠實現以下目的：第一，股市技術分析所提供的數據較多，涵蓋了各個方面的數據，為算法的應用提供了較強的基礎。第二，經過數據挖掘算法分析后，股市技術的趨向以及可能出現的情況，都會被人一目了然，避免了操作失誤的現象，保護了股民的權益，減少了外部的影響和內部的操作水平。

二、數據挖掘算法在股市技術分析中的應用

針對股市技術的分析工作，必須要從客觀實際出發，理論上給出的數據和信息，與現實其概況存在一定的差異，因此即便獲得了正確的分析結果，依然不能將其應用到實踐的股市操作當中。

1.實驗數據

在本次實驗分析當中，選擇的股市技術數據，主要是從2000年1月--3月的某股市指數。在選擇的時間段方面，選定周期為60分鐘的股市指數走勢圖進行分析。在每一個交易日當中，選擇了開市時間（9：30）、10：30、13：30、14：00以及收市時間（15：00）作為具體的指標進行分析。實驗過程中，倘若具體的交易日數量設定為M，那么數據的總數則為5*M。分析認為，針對每一個型態的模版而言，可以應用一個一維的數據組進行相應的表示，這樣就避免了數據的雜亂和信息的錯誤。建議在分析工作中，為了進一步發揮出數據挖掘算法的優勢和功能，首先要將模版進行有效的劃分，可以嘗試將其劃分為時間差異相等的10段，每段提取出1個具體的數字，也就是數軸上的具體高度。通過上述的操作方法，可以使用10個數字來表示每一個模版，得到的效果比較突出，操作簡便。

2.算法的應用

數據挖掘算法在股市分析中的應用時，必須要做出一些假設，由此來配合股市的多變特點。在算法的處理、應用過程中，想要更加簡單的處理數據的擬合問題，可通過“對稱形式”的方法來進行解決，同時不建議做傾斜約束的限制。在本文當中，初始化的條件設定為：g（1，1）=2d（1，1）。通過分析和歸納，得到的動態規劃方程如下：

經過相關的分析和處理后，窗口的調整條件確定為：j-r≤i≤j+r。時間規范化的距離設計和分析中，對整體的算法應用具有很大的影響。為此，將具體的距離控制為：D（A，B）=g（I，J）/N，在距離的條件當中，N=I+J。

實驗中，給定的型態模板作為模式A，同時一段給定的走勢曲線作為模式B。由于股市走勢是市場各方力量的綜合體現，股票在單個或連續若干個交易日的某個時間段更富規律性（如在1999年的519行情中，和1999年末2000年初網絡股帶動股市進入牛市中的行情中，某個交易日中指數下滑并不體現指數整體在攀升的情況）。故認為形態模板與走勢的擬合應以形態模板縮放到N個交易日為準（N為正整數），才符合現實世界的規律（當然，N也不能很大）。把模板分成10段，同時用10個指數為一段的走勢曲線與模板比較，與股市中一、兩天就形成一種形態走勢的客觀事實相符。

3.實驗結果及分析

數據挖掘算法在股市技術分析當中應用時，通過對固有的數據進行搜集和分析，從而能在很大程度上充分的掌握好股市發展趨勢及具體的表現。在本次實驗當中，選擇了多個類型的模版進行系統的分析，包括潛伏頂、箱形整理等等。在最終的結果方面，每一個階段的時間規范化距離，經過大量的比較發現，陰跌形態當中，其時間規范化的距離對比當中，基本上是最大的。除此之外，潛伏頂排列在第二位，證明陰跌、潛伏頂的時間規范化距離表現為較大的狀態。分析原因為，該股市指數在1月份--3月份，主要表現出了牛市的狀態，而陰跌和潛伏頂隸屬于熊市的兩種模塊。綜上所述，數據挖掘算法本身的優異性比較突出，能夠在很多方面對股市技術進行分析，從而獲得正確的走向及趨勢。另外，將數據挖掘算法充分的應用后，減少了股民的損失，對于國家的宏觀調控而言，也可以提供較多的數據與參考，實現了經濟上的平穩運行。日后，可以深入分析數據挖掘算法的相關內容，加強對股市技術分析的掌控，在客觀上和主觀上，穩定國內的股市情況。

三、結語

本文對數據挖掘算法及其在股市技術分析中的應用展開討論，從得到的結果來看，數據挖掘算法的分析結果及可行性，都比較符合客觀上的需求，整體上獲得了較高的保障，未出現惡性循環。另一方面，由于股市技術分析受到的影響較多，因此在應用數據挖掘算法時，還必須融入到其他的因素及相關的算法內容，避免造成分析技術的單一性。

參考文獻：

[1]楊琬琪，高陽，周新民，楊育彬，商琳. 多模態張量數據挖掘算法及應用[J]. 計算機科學，2012，01：9-13.

[2]王權，王軍，史子新. 數據挖掘技術與關聯規則挖掘算法及其應用[J]. 計算機光盤軟件與應用，2014，19：126-127.

[3]付海辰. 基于數據挖掘技術的聚類分析算法在異常入侵檢測中的應用[J]. 軟件導刊，2011，05：73-74.

[4]張銘. 數據挖掘技術及其在中藥分析中的應用[J]. 中醫雜志，2011，13：1105-1107.

[5]楊秀萍. 數據挖掘技術及其在收視行為分析中的應用[J]. 福建電腦，2013，04：124-126+59.

作者簡介：陳格（1992-），男，廣東省吳川市人，民族：漢，廣東金融學院應用數學系，學生， 學歷：本科，研究方向：數學與應用數學（金融數學與金融工程）。