基于圖案檢測和成交量的股票趨勢分析

余任+車文剛+周志元+權(quán)鵬宇

引言

時間序列是按照時間順序排列的一組數(shù)據(jù)，它反映了某一事物或現(xiàn)象的狀態(tài)隨時間變化的規(guī)律，其廣泛存在于生物、醫(yī)學(xué)、工程和經(jīng)濟等各個領(lǐng)域。股票時間序列是一種與數(shù)據(jù)點有關(guān)的序列，其中包括股票的價格（開盤價、收盤價、最高價、最低價）以及成交量等信息。眾所周知，在股票時間序列序列中包含了大量的數(shù)據(jù)信息以及股價的走勢規(guī)律，怎樣在時間序列中挖掘出有用的信息引起了國內(nèi)外專家學(xué)者的廣泛關(guān)注。

早在上世紀八十年代，異常數(shù)據(jù)的檢測在統(tǒng)計學(xué)中得到了廣泛的研究，并取得了顯著成果，在此背景下，研究者將其應(yīng)用到股票時間序列中。在對時間序列進行分析時，往往會發(fā)現(xiàn)一些偏離常規(guī)的數(shù)值或者片段，一般將其稱之為奇異點或者異常點，這些非常規(guī)的數(shù)值或片段，通常蘊含著更為重要的價值和信息，因此，奇異點的檢測成為股票時間序列研究中的重要組成部分。在時間序列的異常點檢測中，常用的方法有基于排列熵、距離、d-近鄰聚類以及密度等方法，在之前，我們也提出了一些方法來確定奇異點，文獻中提出了一種基于小波變換的時間序列奇異點檢測方法，文獻中利用局部異常因子來檢測時間序列奇異點。在實際的股票市場中，投資者一般是通過蠟燭圖對股票的趨勢進行分析的，它的一個優(yōu)勢在于能夠在形式多樣的證券市場上顯示出巨大的威力，在2003年，引入了時間序列模體概念，異常檢測吸引了研究人員和金融市場越來越多的關(guān)注。所以，如果能夠檢測到那些具有奇異形態(tài)的蠟燭圖片段，則在一定程度上能夠預(yù)測股票價格的當(dāng)前趨勢。

在股票交易中，成交量可以說是股價的動量，是股票時間序列分析中不可或缺的一部分，具有重要的輔助性參考價值?！摆厔荨痹谝欢ǔ潭壬洗砹恕皟r”，趨勢的向上顯示著價格的不斷攀升，價量配合也是技術(shù)分析里常用詞。成交量形態(tài)的改變將是趨勢反轉(zhuǎn)的前兆。

本文定義了躍空形態(tài)的奇異圖案片段以及對該形態(tài)的檢測方法，結(jié)合該形態(tài)下股票的連續(xù)成交量，將對股票價格的趨勢的分析變得更加準確和更具實用性。

1相關(guān)定義

在股票市場中，通過對反映市場狀況的基本數(shù)據(jù)（開盤價、收盤價、最高價、最低價、成交量等）進行分析，判斷整個股市或個別股價未來的變化趨勢，以探討股市里投資行為的可能軌跡，就叫做技術(shù)分析。技術(shù)分析里面最重要的就是圖形分析，它通過繪制股市基本數(shù)據(jù)的某種演化圖，能夠直觀的反映出股市的變化趨勢，日本的蠟燭圖分析是其中最有效的方法之一。為了研究股票時間序列，在某個時間段的交易中，人們總是能發(fā)現(xiàn)一些非同尋常的形態(tài)，我們將它定義為奇異形態(tài)。

定義1：股票時間序列：給定股票時間序集合x通過x（ti，of，ci，hi，li）來表示與股票時間序列有關(guān)的價格，其中Oi，Ci，hi，li分別被用來表示在ti交易日與股票時間序列有關(guān)的開盤價，收盤價，最高價以及最低價。

定義2：在股票時間序列集合x（ti，oi，ci，hi，li）中，當(dāng)0f>cf并且oi-1>ci-1時，如果在[ti-1，ti]區(qū)間內(nèi)滿足oi>hi-1，則時間序列x在[ti-1，ti]區(qū)間內(nèi)為向上躍空形態(tài)；如果lt>hi-1則時間序列x在[ti-1，靠1區(qū)間內(nèi)為絕對向上躍空形態(tài)。當(dāng)ot

定義3：給定股票時間序集合x，通過x來表示與股票時間序列有關(guān)的成交量，其中vi表示在交易日ti的成交量。

2躍空形態(tài)的算法與檢測

股票市場的數(shù)據(jù)是海量的，如何在其中挖掘出有意義的數(shù)據(jù)是研究者需要考慮的問題，本文提出了一種算法結(jié)合編程軟件能夠有效的檢測到具有躍空形態(tài)的片段，通過定義2可得如下方法。

算法1：向上躍空形態(tài)片段檢測算法

選取某一個交易日得到的股票時間序列x（ti，Oi，ci，hi，ti），把第i天的開盤價與第i-1天最高價hi-1進行比較，如果ot>hu-1則找到向上躍空片段。

算法2：絕對向上躍空形態(tài)片段檢測算法

選取某一個交易日得到的股票時間序列把第i天的最低ti與第i-1天最高價ht-1進行比較，如果ti>hu-1則檢測到絕對向上躍空片段。

算法3：向下躍空形態(tài)片段檢測算法

選取某一個交易日得到的股票時間序列把第i天的開盤價Df與第i.1天最低價h-1進行比較，如果ot

算法4：絕對向下躍空形態(tài)片段檢測算法

選取某一個交易日得到的股票時間序列把第i天的最高價hu與第i-1天最低價lt-1進行比較，如果hu

成交量是反應(yīng)股票趨勢的一個重要因素，在本文所提出的算法檢測出躍空形態(tài)的前提下，為了更好的判斷成交量是否增加或者減少，我們設(shè)定如下公式作為判斷成交量趨勢變化的依據(jù)，其表達形式為：

其中w表示第ti天的成交量；如果01，則成交量顯著增加。

以深證股票為例，我們隨機選取了幾只股票，通過對股票歷史數(shù)據(jù)的處理，結(jié)合Matlab及仿真軟件，利用上述算法，找到了相應(yīng)的躍空形態(tài)的片段，如圖1，圖2所示。

3實證分析

本文選取上證A股50支股票在2014年1月至2015年12月連續(xù)兩年的數(shù)據(jù)作為實驗數(shù)據(jù)，檢測得到了1152個躍空形態(tài)片段，其中向上躍空形態(tài)603個，向下躍空形態(tài)549個。以每個季度為時間段對其進行分類，總共分為8個時間段，其數(shù)據(jù)表如表1所示。

由數(shù)據(jù)表分析可知：在2014年4月到9月之間，躍空出現(xiàn)的頻率相對較少，且向上和向下躍空次數(shù)相差不大，股價處于一個平穩(wěn)的時期；在2014年和2015年的10月到12月期間，向上躍空次數(shù)明多于向下躍空次數(shù)，股價呈現(xiàn)出上揚的趨勢。

為了進一步證實該方法的有效性，本實驗提取并了躍空形態(tài)片段下所對應(yīng)的成交量，由公式（1）的計算結(jié)果表明：向上躍空形態(tài)所對應(yīng)的成交量中，成交量上升的次數(shù)遠大于下降的次數(shù)；而在向下躍空形態(tài)所對應(yīng)的成交量中，成交量上升的次數(shù)則相對較少。數(shù)據(jù)統(tǒng)計表如表2，表3，表4所示（其中表2和表3分別為向上躍空形態(tài)和向下躍空形態(tài)每個季度成交量的變化趨勢，表4為成交量總體趨勢的比率）。

通過對表4數(shù)據(jù)進行分析可得：在向上躍空形態(tài)中，成交量上升比率達到了86.9%，其中近30%比前一日的成交量高出一倍以上；在向下躍空形態(tài)中，成交量減少的比率為59.6%，且發(fā)生顯著變化的僅為5.6%。股票價格變動有一種“勢頭”，股價一旦沿著一定方向移動時，股價運動的這種勢頭往往就沿著同一方向繼續(xù)運動。當(dāng)躍空形態(tài)出現(xiàn)后，股票的價格趨勢一般會朝著該方向延續(xù)，成交量保持在一定的水平之上。所以，在某種程度上，成交量隨著股票價格的波動而變化，而成交量的變化，也影響著股價的走勢。

4結(jié)論

本文提出了一種檢測股票市場奇異形態(tài)片段的方法，通過對上證A股歷史數(shù)據(jù)的檢測和分析，結(jié)果表明，該方法對當(dāng)前股票價格的運動趨勢的分析能夠取得較好的效果。最后對奇異形態(tài)片段所對應(yīng)的成交量的分析，進一步證實了本文所提出方法的有效性。當(dāng)然，股票市場是一個復(fù)雜的系統(tǒng)，其中還包含了一些人為操作以及政策因素的影響，這就使得對股票趨勢的分析變得更加艱難。