基于事件的證券市場狀態(tài)變化規(guī)則挖掘

姜麗

摘 要：文章在前期市場狀態(tài)研究的基礎(chǔ)上，重點(diǎn)研究了三類影響市場狀態(tài)的事件，建立了事件模型，并采用改進(jìn)的ID3數(shù)據(jù)挖掘算法，得到了一組市場狀態(tài)在事件刺激下的轉(zhuǎn)化規(guī)則。最后，文章對(duì)得到的規(guī)則進(jìn)行了分析。

關(guān)鍵詞：事件；證券市場；數(shù)據(jù)挖掘；ID3算法

1 概述

證券市場在國家金融體系中占有舉足輕重的地位。對(duì)證券市場的運(yùn)行狀態(tài)的研究，能夠?yàn)槭袌霰O(jiān)管部門進(jìn)行有效的市場監(jiān)管提供依據(jù)。在前期的研究中，我們通過聚類分析的方法，將證券市場劃分成五個(gè)狀態(tài)：

低迷態(tài)：市場波動(dòng)不大，流動(dòng)性很差，收益率很低。低健康態(tài)：市場波動(dòng)不大，流動(dòng)性較差，收益率較低，但是換手率、波動(dòng)率較高，中小盤股交易較為活躍。健康態(tài)：市場波動(dòng)平穩(wěn)，流動(dòng)性高，收益率較高?？簥^態(tài)：市場有一定的波動(dòng)，流動(dòng)性很高，收益率非常高，大量資金流入市場。災(zāi)難態(tài)：表現(xiàn)為市場波動(dòng)非常大，常常伴有千股跌?；蛘咔Ч蓾q停的現(xiàn)象，流動(dòng)性喪失，收益率低，市場極為不穩(wěn)定。

但是證券市場的狀態(tài)顯然是動(dòng)態(tài)演化的，尤其當(dāng)發(fā)生了某種敏感的事件刺激時(shí)，市場的狀態(tài)就可能發(fā)生變化，演進(jìn)到下一個(gè)狀態(tài)。文章著眼于影響證券市場的事件，挖掘事件導(dǎo)致的市場狀態(tài)變化的規(guī)則。

2 影響證券市場的事件模型

影響證券市場的因素很多，比如國家的政策調(diào)整，上市公司的季報(bào)、年報(bào)，各類交易規(guī)則，散布的各類消息、公告，也包括內(nèi)幕信息等等。把這些影響證券市場狀態(tài)的因素統(tǒng)稱為“事件”。有些事件來源于正常渠道，比如上市公司季報(bào)、年報(bào)，按照交易規(guī)則對(duì)上市公司采取的各種措施等。而另外一些事件的來源就不那么明確，比如散布的各種消息，內(nèi)幕信息，甚至某些人為的預(yù)測(cè)、評(píng)價(jià)等。文章的目的在于研究事件對(duì)市場狀態(tài)的影響，因此選取了影響力最大的三類事件：利率變動(dòng)，匯率變動(dòng)，通貨膨脹率變動(dòng)。

3 證券市場事件影響規(guī)則挖掘

對(duì)事件建立模型后，進(jìn)一步利用數(shù)據(jù)挖掘方法研究事件對(duì)市場狀態(tài)的影響，建立市場狀態(tài)在事件刺激下的轉(zhuǎn)化規(guī)則。

3.1 數(shù)據(jù)準(zhǔn)備

收集歷年來利率、匯率、通貨膨脹率的變化情況，以及事件發(fā)生前后，市場狀態(tài)的差異情況，制成類似表1的形式。其中市場狀態(tài)以月為周期。

3.2 改進(jìn)的ID3規(guī)則挖掘算法

Gain（A）是指由于知道屬性A的值而導(dǎo)致的熵的期望。熵是一個(gè)衡量系統(tǒng)混亂程度的統(tǒng)計(jì)量。熵越大，表示系統(tǒng)越混亂。對(duì)于決策樹而言，最佳的分裂方案是使熵減少量最大的分裂方案。所以，最佳分裂就是使Gain（A）最大的分裂方案。

將ID3算法應(yīng)用于事件影響規(guī)則挖掘的過程中，由于該算法標(biāo)記葉結(jié)點(diǎn)的條件過于嚴(yán)格得到的規(guī)則過于細(xì)化，支持這一規(guī)則的樣本數(shù)目很少。這樣的規(guī)則沒有實(shí)用價(jià)值。

文章對(duì)ID3算法進(jìn)行了改進(jìn)，使其能夠適用于事件影響規(guī)則的挖掘。改進(jìn)主要體現(xiàn)在兩點(diǎn)：（1）柔性的葉結(jié)點(diǎn)標(biāo)記規(guī)則。當(dāng)子集中樣本數(shù)過少時(shí)，合并相鄰子集，生成唯一的葉節(jié)點(diǎn)，以優(yōu)勢(shì)屬性值來標(biāo)記該葉節(jié)點(diǎn)。（2）增加剪枝規(guī)則。當(dāng)葉節(jié)點(diǎn)中的樣本數(shù)過少，或者葉節(jié)點(diǎn)中的樣本的決策屬性發(fā)生矛盾時(shí)，刪除該葉節(jié)點(diǎn)。

3.3 規(guī)則挖掘結(jié)果及分析

文章采用改進(jìn)的ID3挖掘算法對(duì)采集到的數(shù)據(jù)樣本進(jìn)行規(guī)則挖掘，得到一組規(guī)則，選摘如下：（1）市場處于低迷狀態(tài)時(shí)，若發(fā)生利率變動(dòng)事件（利率下降），市場仍然處于低迷狀態(tài)。（2）市場處于低健康狀態(tài)時(shí)，若發(fā)生利率變動(dòng)事件（利率下降），市場進(jìn)入健康狀態(tài)。（3）市場處于亢奮狀態(tài)時(shí)，若發(fā)生利率變動(dòng)事件（利率上升），市場進(jìn)入健康狀態(tài)。（4）市場處于健康狀態(tài)時(shí)，若發(fā)生匯率變動(dòng)事件（匯率下調(diào)），市場進(jìn)入低健康狀態(tài)。（5）市場處于亢奮狀態(tài)時(shí)，若發(fā)生通貨膨脹變動(dòng)事件（通貨膨脹率上升），市場進(jìn)入健康狀態(tài)。

……

對(duì)規(guī)則進(jìn)行分析后，發(fā)現(xiàn)這些規(guī)則在一定程度上與現(xiàn)有的認(rèn)知相吻合。比如一般利率下降時(shí)，股市上漲；利率上升時(shí)，股市下降。再比如國家的貨幣是實(shí)行升值的基本方針，股價(jià)就會(huì)上漲，一旦貨幣貶值，股價(jià)隨之下跌。

但是，規(guī)則中也存在一些與現(xiàn)有的認(rèn)知或者預(yù)期不吻合的情況。比如：市場處于低迷狀態(tài)時(shí)，若發(fā)生利率變動(dòng)事件（利率下降），預(yù)期市場應(yīng)該好轉(zhuǎn)，但規(guī)則顯示市場大概率仍然處于低迷狀態(tài)?？赡苡邢旅鎺追N原因?qū)е铝诉@種情況：（1）影響市場的因素太多，其他為研究的因素干擾了事件規(guī)則的挖掘。（2）事件的影響要在一段時(shí)間后才顯現(xiàn)出來，規(guī)則挖掘中狀態(tài)周期應(yīng)該針對(duì)不同的事件進(jìn)行不同的調(diào)整。（3）周期事件的疊加影響要大于單一事件影響，而現(xiàn)有的規(guī)則挖掘算法中沒有討論事件疊加的情況。（4）市場狀態(tài)的劃分粒度不夠細(xì)，導(dǎo)致規(guī)則的結(jié)果單一，缺乏多樣性。

4 結(jié)束語

文章在前期市場狀態(tài)研究的基礎(chǔ)上，重點(diǎn)研究了三類事件模型，以及它們對(duì)市場狀態(tài)的影響。文章為利率變動(dòng)、匯率變動(dòng)和通貨膨脹率變動(dòng)建立了事件模型，據(jù)此對(duì)采集到的數(shù)據(jù)進(jìn)行了規(guī)則挖掘，得到了一組事件影響市場狀態(tài)的規(guī)則。

文章最后對(duì)規(guī)則進(jìn)行了分析，認(rèn)為規(guī)則在一定程度上能夠反映市場的狀態(tài)變化，也對(duì)其中的誤差進(jìn)行了分析。今后，針對(duì)導(dǎo)致規(guī)則誤差的原因，應(yīng)該在調(diào)整市場狀態(tài)周期的長短、細(xì)化市場狀態(tài)的類別，考慮事件的疊加效應(yīng)等方面深入研究。

參考文獻(xiàn)

[1]胡美春，田大鋼.基于修正參數(shù)簡化標(biāo)準(zhǔn)的ID3改進(jìn)算法[J].計(jì)算機(jī)與數(shù)字工程，2015（7）：1182-1186.

[2]喻金平，黃細(xì)妹，李康順.基于一種新的屬性選擇標(biāo)準(zhǔn)的ID3改進(jìn)算法[J].計(jì)算機(jī)應(yīng)用研究，2012，29（8）：2895-2898.

[3]黎子良，邢海鵬.金融市場中的統(tǒng)計(jì)模型和方法[M].北京：高等教育出版社，2009.