股票相關(guān)性分析

1、股票的關(guān)聯(lián)規(guī)則挖掘目錄nCopula函數(shù)n股票相關(guān)性網(wǎng)絡(luò)n協(xié)同微粒群nApriori算法Copula函數(shù)n一致性相關(guān)系數(shù)：度量了兩個隨機變量的變化一致性或協(xié)調(diào)性(同時增大或減小)程度。n=P(x1-x2)(y1-y2)0-P(x1-x2)(y1-y2)x1|X2x2:當(dāng)X2x2時X1x1的概率是否會發(fā)生變化，x1，x2相當(dāng)大時，就是X1和X2的尾部相關(guān)性。Copula函數(shù)nCopula函數(shù)描述的是變量間的相關(guān)性，實際上是一類將聯(lián)合分布函數(shù)與它們各自的邊緣分布函數(shù)連接在一起的函數(shù)。n利用Copula函數(shù)可以計算一致性相關(guān)系數(shù)。構(gòu)造股票相關(guān)性網(wǎng)絡(luò)n將每一只股票看作一個節(jié)點，股票與股票之間的關(guān)聯(lián)關(guān)系

2、看成邊；n當(dāng)股票 a 的價格變化影響股票 b 的價格變化時，則它們的關(guān)聯(lián)關(guān)系是從 a 指向 b 的。當(dāng)股票 b 的價格變化影響股票 a 的價格變化時，則它們的關(guān)聯(lián)關(guān)系是從 b 指向 a 的；n當(dāng) a 對 b 的影響大于 b對 a 的影響，則認為兩只股票的關(guān)聯(lián)關(guān)系是從 a 指向 b，反之則是從b 指向 a。構(gòu)造股票相關(guān)性網(wǎng)絡(luò)n任意選取兩只股票 a 和 b，則 a 股票和 b 股票的相關(guān)性系數(shù)為：其中構(gòu)造股票相關(guān)性網(wǎng)絡(luò)根據(jù)關(guān)鍵點可以對股票網(wǎng)絡(luò)進行板塊劃分協(xié)同微粒群n將粒子編碼為影響股票走勢的各個相關(guān)因素，粒子通過適應(yīng)度函數(shù)來進行更新，并且在更新的過程中保留原來的較優(yōu)成分進行遺傳。協(xié)同微粒群n假設(shè)微

3、粒群的節(jié)點搜索位置空間的維度為 D 維 ，粒子的編碼使用某種屬性下的關(guān)聯(lián)股票的屬性值。初始化選取m個粒子構(gòu)成的粒子群，粒子的空間優(yōu)化問題就是選取屬性關(guān)聯(lián)下的符合目標函數(shù)的粒子。n空問中第 i個粒子的編碼就是選取的分析股票下某種屬性的屬性值，表示為以下的形式Xi = (Xi1 ,Xi2 ,Xin ) ，n代表分析股票的總數(shù)。協(xié)同微粒群第第i個粒子空間更新的速度為個粒子空間更新的速度為第第i個粒子歷史最優(yōu)位置為個粒子歷史最優(yōu)位置為整個粒子群歷史最優(yōu)位置整個粒子群歷史最優(yōu)位置粒子可以根據(jù)如下的公式進行速度與位置的更新粒子可以根據(jù)如下的公式進行速度與位置的更新K 為微粒群中優(yōu)化的迭代次數(shù)，為微粒群中優(yōu)

4、化的迭代次數(shù)，r 1和和 r2是在區(qū)間是在區(qū)間 0 ，1上的隨機數(shù)，這兩個隨機數(shù)能夠有效保持上的隨機數(shù)，這兩個隨機數(shù)能夠有效保持微粒群優(yōu)化的多樣性。微粒群優(yōu)化的多樣性。 C1和和 C2是兩個學(xué)習(xí)因子，這兩個系數(shù)可以保證粒子對全局位置的學(xué)習(xí)能力。是兩個學(xué)習(xí)因子，這兩個系數(shù)可以保證粒子對全局位置的學(xué)習(xí)能力。 協(xié)同微粒群支持度挖掘粒子群S(i),S(R)分別表示微粒的支持度與用戶預(yù)先設(shè)置的支持度。分別表示微粒的支持度與用戶預(yù)先設(shè)置的支持度。cov（A+B）是指兩種事件在數(shù)據(jù)庫中的比例。）是指兩種事件在數(shù)據(jù)庫中的比例。置信度挖掘粒子群協(xié)同微粒群初始化m個粒子支持度微粒群規(guī)則度微粒群規(guī)則提取更新進入規(guī)則

5、微粒群更新符合適應(yīng)度粒子補充不符合適應(yīng)度粒子更新能力保持Apriori算法n依據(jù)支持度找出所有頻繁項集n依據(jù)置信度產(chǎn)生關(guān)聯(lián)規(guī)則項集（項集（Itemset）：同時出現(xiàn)的項的集合。定義為：）：同時出現(xiàn)的項的集合。定義為：k-itemset（k項集）。項集）。Apriori算法n首先，找出頻繁“1項集”的集合，該集合記作L1。L1用于找頻繁“2項集”的集合L2，而L2用于找L3。如此下去，直到不能找到“K項集”。找每個Lk都需要一次數(shù)據(jù)庫掃描。n置信度大于給定最小置信度minConf的關(guān)聯(lián)規(guī)則稱為頻繁關(guān)聯(lián)規(guī)則（Frequent Association Rule）。數(shù)據(jù)預(yù)處理n插值：由于連續(xù)交易的時間

6、間隔不同，因此在一個時間段內(nèi)，甚至可能沒有任何的記錄。按照給定的時間單元間隔對高頻交易數(shù)據(jù)采樣，選擇最近的一個價格點填充。n小波分析：股票的價格變動可以看作一個一維離散信號，對于一維離散信號來說，其高頻部分影響的是小波分解的第一層細節(jié)，其低頻部分影響的是小波分解的最深層和低頻層。小波降噪的過程，就是把信號分解為多個子信號，通過對小波分解系數(shù)的處理去掉其中的噪音部分，然后把余下部分進行合并重構(gòu)的過程。n使用SYM8小波，對價格信號進行兩層分解，對分解得到的分解系數(shù)進行Heursure閾值處理。數(shù)據(jù)預(yù)處理n漲幅z定義如下：若第I時刻成交價為Pi ,第I-1時刻成交價為Pi-1 ,則漲幅z=（ Pi - Pi-1 ）/Pi-1 。同時約定：z 1%時為漲，記為1；z -1%時為跌，記為0。n考慮時滯性：以時間窗口的個數(shù)作為事務(wù)項。數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理構(gòu)造股票相關(guān)性網(wǎng)絡(luò)n利用股票的相關(guān)性網(wǎng)絡(luò)找出關(guān)鍵點并進行板塊劃分。投資