[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

说明书

技术领域

本发明涉及一种预测方法，特别是在股票市场中准确预测大盘走势的方法；该方法基于股票成交量之间的关联关系，识别当前处于活跃状态且具有影响力的关键股票，据以完成大盘走势预测。

背景技术

股票市场的大盘走势通常反映为股票价格指数的变化。为计算股票价格指数，通行的方法是选取有代表性的一组股票，根据成交量或股价总值等对这些股票的交易价格进行加权平均或简单算术平均，在选定的历史价格基线的基础上，通过计算当前市价总值相对于基线总值的百分数而获得。常见的股票价格指数包括道琼斯指数、标准普尔指数、恒生指数、上证180指数、沪深300指数等。

股票投资需要对股票未来走势的方向和可能性做出合理估计。一种可行的策略是顺势而为，即在大盘的上涨阶段买入，在大盘即将下跌的阶段卖出，该策略可显著提高股票投资的成功几率。另外，随着近年来股指期货的引入，对大盘走势预测的准确性和量化要求明显提高。现有的大盘数据分析方法主要依托股票价格指数，通过分析股票价格指数的历史数据和趋势曲线，估计股票价格指数未来的变化。常用的手段包括用于分析股票指数波动的GARCH和OHLC技术，用于挖掘股票指数变动规律的神经网络、马尔科夫链和支持向量机技术，以及基于股票指数趋势曲线形状特性的分形理论、各种阳线和阴线预测技术等。

单纯从股票价格指数本身来预测大盘走势存在一定的风险。首先各种股票指数的计算所采用的都是标准股票，不会根据股票市场当前的交易状态做调整，因此不具有时效性；采用标准股票计算股票指数，往往对大盘上涨或下跌的趋势反映迟钝，等到股票价格指数出现明显变动，已经即成事实，错过股票投资的最佳时机。另外，股票市场的大盘走势风云变幻，受多种因素影响，随着买卖双方信息对称性的提高，股票价格指数本身趋向于一个公平博弈（定义为鞅），其特征是股票指数在下一时段的取值期望等于最近一次的观测值。这一点类似于硬币投掷，即使历史上投掷99次都是正面朝上，第100次投掷时正面朝上的期望概率仍然等于第99次投掷的概率。如果存在公平博弈，则仅仅根据股票价格指数的历史数据和趋势曲线，不能准确估计股票指数的未来变化。

发明内容

本发明所要解决的技术问题是提供一种基于关键股票集识别的股票市场大盘数据分析方法，该方法充分挖掘股票成交量之间的关联关系，能够高效、实时地识别处于活跃状态且具有影响力的股票；同时计算简单，具有时效性和扩展性，能够提高股票市场大盘走势预测的准确性，并且适应股票市场数据量大且股票交易变动频繁的特点。

为实现上述目的，本发明采用如下的步骤：

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。

上述步骤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。

其中，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：