天龙变态服.无任何外挂复古私服.1.76天之圣战-股票技术指标相似

传奇合击网

时间:2012-01-24 13:23 作者:原创人气:次

　　利用型聚类分析和5．决策树模型对沪深300指数的11项技术指标进行分析，考察其预测特性和研判模式，发现不同的指标具有相似性，并且技术指标确实对预测股票交易涨跌有一定的指导作用。对技术分析指标特性的研究，有利于投资者更好地使用技术分析，简化分析步骤并增加获利。关键词：技术分析；相似性；有效性中图分类号：222．3文献标志码：文章编号：1007?3116(2009)09?0026?05一、引言市场有效性问题是金融市场研究的热点之一。
　　一般认为，市场有效性可分为弱有效性、半强有效性和强有效性三种类型，其中研究最多、争议最大的是市场的弱有效性。弱有效性是指交易者无法利用股票的历史价格预测未来价格，也就是说，如果现行价格充分反映了股票历史价格序列中包含的全部信息，投资者就无法通过技术分析获得长期稳定的超额利润，这时就认为市场具有弱态有效性1。国内外关于市场有效性的研究文献很多。、和及以后的大多数研究都验证了美国股市呈弱态有效性2，3。近年来，不少学者关于中国股市有效性进行了研究，但对中国股市是否呈现弱态有效性并没有达成一致的看法。
　　例如：俞乔通过检验认为中国证券市场还没有达到弱态有效性；周四军与宋颂兴、金伟根的研究认为中国股票市场弱态有效性成立；陈灯塔、洪永淼利用广义谱导数检验方法对中国沪深两市进行检验，结论表明其并没有达到弱有效性[47。
　　技术分析是股票交易买卖中经常使用的分析方法之一，它是建立在市场有效、股价由供求决定、并且历史会重演的假设之上，通过观察市场过去的行为来预测它的未来走势，帮助投资者正确地预测“盘势”的发生、变化和反转。
　　早期对技术分析的研究多数认为技术分析不具备获利能力，但近期大量的实证研究证明，一些简单的技术规则具有可观的获利能力(如等、和和[8-)和及分别用方差比检验和频谱检验，发现股票周收益率序列在某些信息集下是可预测的[11,12。这些结论对有效市场假说提出了极大地挑战，引起了金融研究者的广泛兴趣。在股票市场中确实存在着大量与市场有效理论相反的现象，比如新股发行第一天价格通常会上涨，小盘股的收益率高于大盘股等等。～些技术指标从投资者的心理、成交量和价格的配合等方面出发，确有一定的道理。因此，技术分析在选择股票交易的时机方面具有重要的作用。
　　技术分析分为图像形态分析和技术指标分析，本文拟从数据挖掘的角度着重研究技术指标。技术分析的研究具有较长的历史，提出了很多指标和方法，并且形成了若干流派，同时技术指标的设计和研判也日趋复杂化，例如有的指标主要考虑股价和均值的偏离，有的指标考虑交易量的放大和缩小，而有的指标则模拟抛物线的运动，这增加了投资者掌握技术分析的难度，需要投资者了解各种指标的特性和效果。利用数据挖掘的方法对技术指标性质进行分析、归类，并对技术指标指导买卖有效性进行研究，有助于投资者更好地理解和使用这些技术指标。收稿日期：2009?05?10作者简介：方匡南(1983一)，男，浙江台州人，博士生，研究方向：数理统计、数据挖掘。26方匡南，纪宏，路逊：股票技术指标相似性与有效性研究二、样本选取及数据预处理(一)股票价格数据预处理本文选取沪深300指数进行研究，因为该指数是选取了300只股作为样本编制而成的成份股指数，覆盖了沪深市场六成左右的市值，具有良好的市场代表性。
　　样本期间为2005年2月24日至2008年8月18日。为了预测下一个交易日股票价格指数的涨跌，首先将沪深300的收盘价格作如下处理：挑=垒三号，为第日的沪深300指数，挑为第日的沪深300指数的简单收益率。因为本文研究的是股票价格指数的涨跌方向，所以进一步将挑转换为涨跌方向五：乙：1挑01，挑≥0也就是如果下一个交易日的收盘价大于本次交易日的收盘价，记收益类型为1，即表示下一个交易日股票价格上涨；如果下一个交易日的收盘价小于本次交易日的收盘价，记收益类型为一1，即表示下一个交易日股票价格下跌。(二)技术指标数据预处理为便于研究，先对技术指标数据进行离散化。第一步，根据各个指标的记算方法和研判标准，将其转化为指示买人或卖出的信号，其中买入信号记为一1，卖出信号记为1，没有发出信号用0表示。
　　数据预处理的原则是尽量精确和适当简化，排除基础指标的研判中比较模糊的法则，保持信号的客观性。
　　各项技术指标的参数均按中国股市场中常用的参数设定。
　　各技术指标预处理规则如表1。第二步，根据第一步的结果进行整理，将买卖信号转化为上涨和下跌信号。如果某一日的指标信号表1技术指标数据预处理表技术指标指标数据预处理随机指标能量潮指标心理线指标心理线指标(坨)融讯人气指标容量比率乖离率抛物转向布林线线从下向上突破线时为买进，记为1；线从上向下跌破线时是卖出，记为一1；其他情况记为0。线从正的累积数转为负数时，为下跌趋势，卖出股票，记为一1；线从负的累积数转为正数时，买进股票，记为1；其余情况不做处理，记为0。参数为12，即以12日内上涨天数计算。超过75为卖出，记为一1；低于25为买入，记为；其余情况不做处理，记为0。2参数为24，即以24日内上涨天数计算。超过75为卖出，记为一1；低于25为买入。计为1；其余情况不做处理，记为0。
　　150为卖出，记为一1；70为买入，记为1；其余情况不作处理，记为0。
　　值小于70，记为一1；值大于160，记为1；其余记为0。将5日和10日交易信号进行综合，当5日大于8％为卖出信号，记为一1，低于8％为买入信号，记为1，其余记为0；10日大于10％记为一1，低于10％记为1，其余记为0。当5151和10日都出现买人记为1，都出现卖出记为一1；一种为买入，另一种无信号，记为一1；一种为买人。另一种为卖出信号时，记为0；两者均无信号时，记为0。本期值大于收盘价，前三期值小于收盘价，认为形成向上突破转折点，记为一1；本期值小于收盘价，前三期值大于收盘价，认为形成向下突破转折点，记为1；其他情况视为没有发出信号。记为0。当中轨线处于当前最高价与最低价之间、且前一天的最高价低于前一天的中轨线时为买人点，记为一1；当中轨线处于当前最高价与最低价之间、且前一天的最低价高于前一天的中轨线时为卖出点，记为；其他情况视为没有发出信号，记为。当指标大于80时为买入信号，记为一1。小于20时为卖出信号，记为。
　　对于1与2威廉指数(区别为计算天数不同)，处理时取1与2同时发出的信号，例如两个指标同时发出买入信号，则取一，若一个指标发出信号而另一个无信号，则取0。顺势指标蠹篙器器誉芰舞竺，葛笺赫垄二试簇支著苫％器重值大于蕊焉冀茎弱餮澄燃畿黎霎燃燕注：技术指标数据来自大智慧日行情软件。
　　统计与信息论坛为1，表示买进股票，应持有到该指标发出卖出信号，即为一1时卖出，买人和卖出之间信号为0的交易日表明持有期问股票在上涨，则把买入和卖出之间为0的信号改为1，例如按照时间顺序的原始信号为1，0，0，0，一1，转换之后应该为1，1，1，，一1。以此类推，第一个原始信号为一1的情况可以类似处理，如一1，0，0，0，一1，0，0，1，转换之后为一1，一1，一1，一1，一1，一1，一1，1。对于第一个初始信号为的指标，则人工对样本日期之前的情况进行研判，赋初值。对上述所有指标进行处理后，可以得到含有下一个交易上涨或者下跌信息的离散化数据。三、技术指标相似性分析由于本研究是针对变量(指标)的聚类，对于原数据集来说11种技术指标是变量，每一天的信号是样本点，因此该聚类属于型聚类，即对变量进行的聚类。对于型聚类分析，首先需要定义相似度。对于数值型变量，我们可以从它们的方向趋同性或“相关性”进行考察，从而得到“夹角余弦法”和“相关系数”度量方法。由于本文的技术指标都是离散化后的名义数据，因此，变量相似度的定义如下：(2宁其中表示，歹两个变量匹配的数目，即对和取值相同的样品的数目；而是全部样品的数目。
　　我们可以通过赋权重来增加"的影响，或者赋给有较多状态的变量匹配更大的权重。通过为每个状态创建一个二元变量，可以用二元变量来表示名义变量。
　　对一个有特定状态值的对象，对应该状态值的二元变量值置为1，而其余的二元变量值置为0。定义好变量的相似度，选用距离法进行系统聚类，聚类的系谱见图1。聚为2类时的结果见表2。图1刚系统聚类系谱图表2技术指标系统聚类结果表第一类指标，，，，2，，第二类指标，，，从上述结果可知，同一个大类中，，，，，2，，的指标预测结果相似度较高，，，，的相似度较高，它们在预测的特性上一致性较高，例如都具有提前预报或者滞后确认的性质。具体的特性还需要根据每一大类中指标的具体含义和特性进行研究，但是同一类中的相似性，可以使投资者分别从两个大类中选择重要的一两个指标进行研判，这样即使使用了较少的技术指标，也涵盖了2种特性类型的指标，使研判结果不片面。四、技术指标预测有效性研究利用指标研判进行技术分析是比较复杂的。
　　通常情况下，多个指标反映出买入或者卖出机会会更有效，但事实上，由于市场处于不同的阶段和指标特性的不同，常常导致不同的指标提示不同，甚至相互矛盾的信息，这要求技术分析的投资者对于技术指标有着深刻的理解和丰富的经验来判断未来股票价格走势。随着指标种类的越来越多，利用指标研判变得日趋复杂，需要我们探索出能够提高研判准确率的模式。决策树技术提供了一种展示类似在什么条件下会得到什么值这类规则的方法，可以帮助我们寻找指标研判模式。将数据按1：1分成训练集和测试集后，使用5．0决策树对目标变量为收益类型、输入变量为上文所有离散化指标的数据进行建模，并设定如表3损失矩阵：表3损失矩阵表02．53利用5．0决策树分析，可以得到一个深度为8含有41个节点的决策树模型，进而得到相关的研判规则。
　　以其中部分节点为例：如果为1，即指标提示的天龙变态服.无任何外挂复古私服.1.76天之圣战的信息为下一个交易日会上涨，再继续考虑；若为一1，即指标提示的信息为下一个交易日会下哏脚心从嗽叭蚤嗽一讯一一一瞅一聊一刚一方匡南，纪宏，路逊：股票技术指标相似性与有效性研究跌，再继续考虑；若为1，表明下一个交易日可能会上涨，并且符合以上条件的下一个交易日将有69．44％的概率上涨；若为一1，则继续考虑①；若①为1，则下一个交易日将有77．78％的概率下跌；若为一1，则下一个交易日将有73．33％的概率上涨。同理，可以得到其它的规则。这些规则可以帮助投资者进行研判。并且，可以注意到，并不是某一个节点表明下一个交易日以较高的概率上涨，就意味着所有的指标都显示出上涨的信号(即指标值等于1)，这是因为指标的特性不一样，有些指标可能有一定的预先提示性，而另一些指标具有滞后反应的特性，决策树模型就是通过历史数据得到了利用这些不同特性指标组合的方式进行预测的方法。另外，从该模型中可以看出对预测较为重要的指标依次为、、、、、趴陀、、、、、。它们的重要性依次递减，投资者在投资时，可以主要参考前几种指标。
　　模型的准确率如表4所示：表4决策树模型预测结果表分类矩阵如表5：表5决策树模型分类矩阵表＼预测训练集测试集实际值＼＼一11准确率一11准确率一11137161．41％948353．11％15717775．64％8716565．48％从表4可以看出，该模型的整体准确率不是很高，接近70％。
　　但是由于股票市场存在一定的有效性，技术分析并不保证一定获利，而是伴随着一定的概率，我们的模型能够保证接近70％的正确率对于股票市场来说是相当可观的。从分类矩阵可以看出，这个决策树模型对于预测上涨趋势的正确率较高，训练集和测试集分别达到了75．64％和65．48％的准确率，而对预测下跌趋势的正确率则相对较低，训练集和测试集分别为61．41％和53．11％，可见该模型预测出上涨趋势的可靠性更高一些，而对于下跌趋势的预测可靠性偏低，需要结合基本面等进行分析。五、结论与展望从聚类模型可以看出，根据股市常用的11种技术指标预测结果的相似性，可以将其分为2个大类．同一类中的指标预测结果具有一致的特性。
　　这提示着投资者，进行简易地研判时，不能只考虑同一类中的个别指标，应该从两类中分别选取指标进行研判。结合分类模型的结果，投资者进行简易研判，可以选择和进行研判，因为这两个指标比较重要，并且涵盖了2个类别的特性。
　　从决策树分析结果来看，指标是在进行投资决策时的最重要和有参考价值的指标，它通过当前价格和平均价格之间的偏离来预测价格走势，是均线研判理论的经典指标，不但具有理论上的合理性，在决策树模型中也位于第一层的重要位置。其次是、等，这些指标从超买超卖、量价配合以及投资者心理等方面对未来趋势进行预测。另一方面，决策树模型也提供了具体的决策建议模式，可以按照决策树模型提供的分析模式对价格走势进行预测，这样按照一定的流程进行分析为投资者决策提供了极大的方便性。但是同时注意到，模型的准确性并不是很高，虽然接近70％。可以提供一定的依据，在决策时仍应谨慎使用，配合基本面分析等。另外，还要注意在股票市场中，公开的规律和模式不可能长期保持，所以需要定期利用最近数据对模型进行修改和更新。技术分析是一种重要的证券分析方法，分类模型为投资者提供了一种利用多种指标进行预测的分析模式，聚类分析旨在为投资者找出了不同重要级别的组合指标；在实际的操作中，两个模型综合起来，可以帮助投资者更加有效地利用证券指标信息。
　　本文存在一些不足，也是我们以后研究的方向：1．分类和聚类模型对股票指数的预测具有一定的效果，对于个股，由于分红、送股以及资金等集中导致的特殊趋势，本文探讨的模型是否适用，以及需要做出哪些改进尚待研究。2．在实际中，投资者根据自己的经验，通常可以设定更加适合的参数，或者已经形成～定的分析模式，如果将这些信息以一定的方式纳入模型中来考虑，应该会增加模型的准确率。3．对于技术分析，技术指标只是其体系的天龙变态服.无任何外挂复古私服.1.76天之圣战的一部分，技术分析的其他方法如形态分析等，如果能够将其转换进而量化，纳入模型，也是可以考虑的改进模型的方法之一。29统计与信息论坛。

上一篇：武易神鸟复活.1.85幻神版本无元素.我本沉默多个版本
下一篇：龙血网络.赤壁合击版传奇私服.古惑内挂版传奇-产权、市场与技术