以時間為單位的證券數(shù)據(jù)相似度研究

姜麗

摘 要：證券數(shù)據(jù)是高維數(shù)據(jù)，具有明顯的以時間為單位的特點。驗證證券數(shù)據(jù)的相似性，可以為證券行業(yè)的監(jiān)管或者決策提供依據(jù)。文章設(shè)計了輕量級的證券數(shù)據(jù)格式，使用改進(jìn)的高維數(shù)據(jù)相似性度量函數(shù)HDsim（X，Y），對證券數(shù)據(jù)的相似性進(jìn)行了研究和計算，并對研究結(jié)果進(jìn)行了驗證。

關(guān)鍵詞：高維數(shù)據(jù)；證券數(shù)據(jù)；相似度；XML

1 概述

證券交易行為充滿了復(fù)雜性，證券數(shù)據(jù)也看似隨機(jī)。客觀分析和研究證券數(shù)據(jù)，找出隱藏在其中的規(guī)律，有助于我們對證據(jù)市場進(jìn)行監(jiān)管和決策。

證券數(shù)據(jù)具有明顯的時間特性，幾乎所有能夠公開查閱的證券數(shù)據(jù)都有一定的時間有效周期。另外，證券數(shù)據(jù)具有高緯度的特征，即某一時間內(nèi)的證券數(shù)據(jù)具有眾多屬性，每個屬性體現(xiàn)了這一時間內(nèi)數(shù)據(jù)的不同特點。針對這兩點，對紛繁的證券數(shù)據(jù)進(jìn)行有效組織，設(shè)計合理的相似度計算方法，可以事半功倍。

2 證券數(shù)據(jù)

基于證券數(shù)據(jù)的特點，在計算相似度之前，對證券數(shù)據(jù)進(jìn)行了必要的預(yù)處理。

2.1 數(shù)據(jù)格式設(shè)計

由于證券數(shù)據(jù)具有較多影響其走勢發(fā)展的因素，文章首先選取了其中可能對相似度結(jié)果影響較大的幾維，包括：開盤價，收盤價，漲跌額，漲跌幅，最低價，最高價，成交量（手），成交金額（萬）。其中漲跌額，漲跌幅是開盤價、收盤價的冗余，故而舍棄。最終選取確定參與運算的數(shù)據(jù)包括：開盤價，收盤價，最低價，最高價，成交量，成交金額。同時，證券數(shù)據(jù)具有明顯的時間特性，因此所有數(shù)據(jù)以時間為主線關(guān)聯(lián)。由于個股數(shù)據(jù)容易被操作，發(fā)現(xiàn)其內(nèi)在規(guī)律較為困難，文章選取了上證指數(shù)作為研究對象。

最后，為了計算機(jī)程序能夠快速地讀取數(shù)據(jù)，保證數(shù)據(jù)的輕量化，文章最終將證券數(shù)據(jù)格式設(shè)計成XML形式。XML格式的數(shù)據(jù)可以很好地保留初始數(shù)據(jù)清晰的組織結(jié)構(gòu)，同時XML是一種輕量的數(shù)據(jù)文件，相對于數(shù)據(jù)庫形式的數(shù)據(jù)存儲方式，處理速度更快，很適合用來存儲海量的證券數(shù)據(jù)。

2.2 數(shù)據(jù)預(yù)處理

公式（1）將數(shù)據(jù)轉(zhuǎn)換到共同標(biāo)度的區(qū)間[0.0，1.0]，消除量綱的影響。同時，對非數(shù)值形的數(shù)據(jù)進(jìn)行數(shù)字化。

3 相似度結(jié)果檢驗

研究中，選取了上證指數(shù)從2012年的4月到2013年4這一年的日線數(shù)據(jù)，進(jìn)行了相似度計算。為了驗證相似度的結(jié)果，選取4個特殊的時間節(jié)點，加以分析說明。四組數(shù)據(jù)分別是2012-05-04，2012-09-06，2012-10-08和2012-12-05的上證數(shù)據(jù)，這幾日數(shù)據(jù)的具體走勢圖，如圖1所示。

對這四組數(shù)據(jù)進(jìn)行相似度計算，結(jié)果如表1所示。

將相似度計算結(jié)果和K線數(shù)據(jù)進(jìn)行對比，進(jìn)行分析。從圖1可以看出，2012-05-04和2012-12-05的上證指數(shù)分別位于短期內(nèi)的峰值和谷值，經(jīng)過計算，兩日數(shù)據(jù)的相似度僅為0.5942446，是表1中最小的值，與K線相符。圖1中，2012-09-06和2012-10-08兩日的走勢非常相似，均為下降通道中的一個小拐點，相似度計算結(jié)果顯示，兩日數(shù)據(jù)的相似度高達(dá)0.9441344，與K線相符。另外，圖1中還可以看出，2012-09-06，2012-10-08和2012-12-05三日數(shù)據(jù)都處于谷值，具有一定的相似性。但是，與2012-09-06和2012-10-08這兩日不同的是，2012-12-05的數(shù)據(jù)是一波大幅拉升的起點。相似度計算結(jié)果顯示，2012-09-06和2012-10-08兩日的數(shù)據(jù)與2012-12-05的數(shù)據(jù)相似度都接近0.77，符合K線圖走勢。

4 結(jié)束語

文章對證券數(shù)據(jù)的特點進(jìn)行了分析研究，設(shè)計了輕量級的證券數(shù)據(jù)樣本格式，選取了合適的相似度計算方法，對以時間為單位的高維證券數(shù)據(jù)進(jìn)行了相似度計算。通過與上證數(shù)據(jù)K線圖的比較，驗證了該相似度計算結(jié)果與實際情況較為符合。

目前，文章的檢驗測試，僅僅用于上證指數(shù)數(shù)據(jù)，對更為復(fù)雜的個股數(shù)據(jù)或者其他分類數(shù)據(jù)的相似度計算，是今后需要深入研究的方向。另外，文章的相似度計算結(jié)果，在具有明顯特征的樣本點上取得了較好的結(jié)果，對于特點不明顯的一般數(shù)據(jù)，計算結(jié)果如何檢驗，還需要進(jìn)一步研究。

參考文獻(xiàn)

[1]楊風(fēng)召，朱揚勇.一種有效的量化交易數(shù)據(jù)相似性搜索方法[J].計算機(jī)研究與發(fā)展，2004，41（2）：361-368.

[2]謝明霞，郭建忠，張海波，等.高維數(shù)據(jù)相似性度量方法研究[J].計算機(jī)工程與科學(xué)，2010，32（5）：92-96.