[发明专利]一种基于关键股票集识别的股票市场大盘数据分析方法

权利要求书

1.一种基于关键股票集识别的股票市场大盘数据分析方法，其特征在于包含以下步骤：

1）收集股票交易数据，计算股票成交量之间的关联关系，以股票为节点、关联关系为边构建股票关联网络；

2）在股票关联网络中，以迭代的方式应用搜索算法识别关键股票集合；

3）根据关键股票近期的价格走势，以成交量为权重，计算大盘走势期望，估计大盘上涨或下跌的趋势。

2.根据权利要求1所述的基于关键股票集识别的股票市场大盘数据分析方法，其特征在于，步骤1）中具体过程为：首先获取股票市场近期内所有股票的交易数据；然后对每一支股票，以天为单位，按时间顺序记录每个交易日的成交量，组成交易向量；接下来设定时间差，根据股票前一时段和后一时段的交易向量，计算任意两支股票成交量之间的关联关系权重；为关联关系权重设定阈值，保留权重不低于阈值的关联关系；最后以股票为节点、关联关系为有向边构建股票关联网络，形成一个有向图。

3.根据权利要求2所述的基于关键股票集识别的股票市场大盘数据分析方法，其特征在于，计算两支股票的关联关系权重的方法是：以天为单位，获取连续l个交易日内某一股票si每天的成交量，组成si的交易向量ξ_i=<x_i,1,x_i,2,...,x_i,l>；向量中的元素为采样日的股票成交量，l为向量长度；然后设定时间差t，同样以天为单位，参数l和t根据股票市场的大盘波动情况调整，当股票市场大盘波动剧烈，股票投资时间周期短时，l和t值相应减少，反之则相应增加；接下来对任意两支股票si和sj，根据两者不同时段的交易向量，计算从si到sj的关联关系权重w_<i,j>，公式如下：

w<i,j>=Σk=1l(xi,k-x‾i)(xj,k-x‾j)(l-1)·σi·σj;]]>

其中si的交易向量ξ_i=<x_i,1,x_i,2,...,x_i,l>和sj的交易向量ξ_j=<x_j,1,x_j,2,...,x_j,l>取自不同的时段，sj的第一个向量元素xj,1的采样日期比si的第一个向量元素xi,1晚t个交易日，反映股票si的成交量变化对股票sj产生影响的程度；和分别表示交易向量ξ_i和ξ_j的均值，σi和σj则分别表示向量的标准差；以股票si的交易向量为例，和σi的计算公式如下：

x‾i=1lΣk=1lxi,k]]>

σi=1l-1Σk=1l(xi,k-x‾i)2;]]>

根据计算公式，关联关系权重的取值范围是-1≤w_<i,j>≤1；据此设定关联关系权重的阈值w，保留权重不低于阈值w的关联关系。