[发明专利]基于双聚类挖掘及模糊推理的股票交易规则预测方法

摘要

本发明公开了一种基于双聚类挖掘及模糊推理的股票交易规则预测方法，首先选取一段时间的股票数据作为挖掘双聚类的数据集，根据不同技术指标公式计算出每一天股票原始数据相对应的技术指标值，然后构造指标矩阵A＝(aij)m×n,通过双聚类算法挖掘数据集中的双聚类，每个双聚类对应着股票数据集中的交易规则的模式，利用挖据出的双聚类，构造具有针对性的模糊规则，最后根据所有得到的模糊规则构建模糊预测模型并进行交易规则的预测。该方法提出的预测模型能够对股票价格曲线中的交易规则进行预测，为投资者提供股票最好的买入或者卖出参考时机，解决了传统方法中根据专家经验构建模糊规则存在的规则不够客观，专家经验难以获取的问题。

主权项

一种基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，所述预测方法包括下列步骤：S1、计算历史股票数据中第i个交易日的未来收益率FRi；S2、将所述未来收益率FRi进行量级划分，若第i个交易日的平均收盘价比当天收盘价要高，则未来收益率FRi≥0，若第i个交易日的平均价比当天收盘价低，则未来收益率FRi≤0；S3、构造指标矩阵A＝(aij)m×n,选取m个交易日的历史股票数据，计算每个交易日的n个指标特征值aij，其中i＝1,2,…,m；j＝1,2,…,n，aij表示第i交易日对应的第j列指标上的特征值；S4、对指标矩阵A使用双聚类算法，通过双聚类的挖掘，将所有得到的双聚类放入一个双聚类集合，集合中的每个双聚类都对应一种交易规则模式的信息；S5、提取交易规则模式，从双聚类集合中取出一个双聚类，计算双聚类中每一列的总和的平均值，并且计算双聚类中每一行对应的FRi的总和的平均值，得到一个行向量D＝[Y1,Y2,…,Yc,FRav]，Y1,Y2,…,Yc是双聚类中包含的指标列的平均值，FRav是双聚类中包含的未来收益率的平均值，行向量D是双聚类中对应的交易规则模式信息的量化表示；S6、划分模糊规则中前提条件和结论的量级，将所述行向量D中Y1,Y2,…,Yc对应的指标列用来构建模糊规则的前提条件，将所述行向量D中平均未来收益率FRav用来构建模糊规则的结论；S7、构建模糊规则，通过对行向量D包含的指标列和平均未来回报率在量级上的划分则可得到构建模糊规则如下：假如Y1∈O1并且Y2∈O2并且…Yc∈Oc,则FRav∈Ox,其中O1,…,Oc表示指标列的平均值的所属量级，Ox表示平均未来收益率FRav的值所属量级，然后对双聚类集合中的所有双聚类进行计算，依次得到每个双聚类对应的模糊规则；S8、将所有的模糊规则进行整合，得到模糊规则库R，通过所得的模糊规则库R构造模糊预测模型；S9、对于需要预测的某一个交易日Dayi，计算Dayi的n个股票技术指标的值，然后输入到该方法构建的模糊预测模型中，可得到交易日Dayi的交易规则的预测，其中所述交易规则包括买入、卖出和持有。