基于Apriori關聯(lián)規(guī)則算法的遼寧省上市公司行業(yè)聯(lián)動與輪動分析

李艷玲 鄧淋凈

(大連財經學院 遼寧大連 116622)

1 緒論

1.1 選題背景

“共和國之子”遼寧省，其工業(yè)為我國經濟建設的發(fā)展做出了杰出貢獻。近年來，遼寧省經濟增長率較低，產量嚴重下降，缺乏經濟增長動力，消費和貿易需要進一步擴大規(guī)模。中國股市受政治、財政、金融、產業(yè)等經濟政策調整的影響，行業(yè)聯(lián)動與輪動現(xiàn)象已成為我國股市運行的基本規(guī)律。對于投資者、政府和企業(yè)來說，如果掌握了行業(yè)這一規(guī)律，就能夠優(yōu)化資源配置，實現(xiàn)資源的合理配置，提供決策或投資建議。

1.2 國內外研究現(xiàn)狀

1.2.1 國內研究現(xiàn)狀

國內的研究大多是從行為金融學的角度出發(fā)，燕吉吉(2018)從市場中不同證券之間的價格關系出發(fā)，研究股票價格之間的沖擊傳遞機制[1]。賈添慧(2020)將Copula模型與關聯(lián)規(guī)則組合使用，從宏觀和微觀的角度來分析股指間的特征和變化[2]；周彩節(jié)(2020)利用關聯(lián)規(guī)則通過行業(yè)間的輪動現(xiàn)象，論證高績效行業(yè)的未來預測可行性[3]；賴宣(2021)認為基于經濟周期視角制定行業(yè)輪動投資策略的思路是可行的[4]；尚煌和許文浩(2020)發(fā)現(xiàn)在不同經濟周期階段均有不同行業(yè)有超過市場平均收益的表現(xiàn)，而且不同行業(yè)對經濟周期波動的敏感度不同[5]；周亮(2019)認為采用行業(yè)輪動策略能夠獲得更高的風險收益比[6]；茍玉弘(2020)把基本面分析和行業(yè)輪動相結合來研究投資策略，發(fā)現(xiàn)找到行之有效的投資方式可以減小投資風險[7]。

1.2.2 國外研究現(xiàn)狀

Mcmillan D G(2021)的資產定價理論將股價變動與預期未來現(xiàn)金流和風險的變化相關聯(lián)，這可能會對各個行業(yè)產生不同影響[8]。周期性行業(yè)能夠在常規(guī)寬松政策期間表現(xiàn)得比非周期性行業(yè)更好，而非周期性行業(yè)在貨幣緊縮政策期間表現(xiàn)得更好。Chong J, Phillips G M (2015)使用Eta定價模型對部門輪換戰(zhàn)略的數(shù)據(jù)進行了分析，主要討論了各種部門輪換投資組合的構造[9]。Constantinos Alexiou &Anshul Tyagi (2020)研究表明，在經濟周期中期板塊的成功轉換是個極佳對策。想要投資者盈利，正確的市場時機至關重要[10]。

2 行業(yè)聯(lián)動基本理論與聯(lián)動實證分析

2.1 行業(yè)聯(lián)動

由于國家產業(yè)政策的變化、經濟環(huán)境的影響，在股票上漲、下跌和調整的過程中，不同產業(yè)板塊會出現(xiàn)一起上升和下降的現(xiàn)象，這一現(xiàn)象叫行業(yè)聯(lián)動現(xiàn)象。行業(yè)聯(lián)動的原因很多，如政策因素、基本面變化、心理因素等。

2.2 行業(yè)聯(lián)動實證分析

2.2.1 相關數(shù)據(jù)及參數(shù)說明

遼寧省擁有上市公司在東北地區(qū)是最多的，其中A股上市的企業(yè)就涵蓋了39個行業(yè)，龍頭企業(yè)中大多數(shù)主要從事電力設備行業(yè)，在39個行業(yè)中石油加工貿易行業(yè)總值最高。

本次數(shù)據(jù)采集的目標主要針對申萬一級行業(yè)指數(shù)，具體涵蓋了交易日期、收盤價、成交量(以億股為單位)、市盈率、市凈率、漲跌幅、換手率、均價、成交額占比、流通市值、平均流通市值和股息率等多個指數(shù)，在確定采集目標后，本文使用Tushare接口下載2012—2022年申萬一級行業(yè)指數(shù)股票數(shù)據(jù)。

數(shù)據(jù)清洗和處理方面，本文選取了2012年11月14日至2022年11月14日共2409個交易日的數(shù)據(jù)，剔除了交易日不足2409天的數(shù)據(jù)，最終篩選出了16個行業(yè)指數(shù)。這些行業(yè)包括房地產、交通運輸、農林牧漁、公用事業(yè)、家用電器、輕工制造、食品飲料、醫(yī)藥生物、有色金屬、綜合、電子、商貿零售、黑色金屬、化工、餐飲旅游及紡織服飾等。

2012年11月14日至2022年11月14日共503個交易周，為了方便后續(xù)數(shù)據(jù)規(guī)則的挖掘，將交易周期不便于計算的行業(yè)指數(shù)數(shù)據(jù)剔除，2012年11月14日至2022年11月14日共121個交易月，將不便于計算的行業(yè)指數(shù)數(shù)據(jù)剔除。

Support：表示同時包含A和B的事務占所有事務的比例。

Confidence：表示包含A的事務中同時包含B事務的比例。2.2.2 日維度行業(yè)聯(lián)動規(guī)則挖掘

在進行行業(yè)聯(lián)動和輪動規(guī)則的挖掘時，首先需要計算行業(yè)指數(shù)各周期的上漲情況，上漲即為1，其他為0。緊接著調動Apriori關聯(lián)規(guī)則挖掘算法進行行業(yè)聯(lián)動關聯(lián)規(guī)則挖掘，函數(shù)返回的規(guī)則共12條關聯(lián)規(guī)則，如表1所示。

表1 日行業(yè)聯(lián)動規(guī)則圖

以日行業(yè)聯(lián)動規(guī)則1為例：紡織服飾行業(yè)和輕工制造行業(yè)關聯(lián)規(guī)則的support(支持度)為47.01%，confidence(置信度)為86.61%；紡織服飾行業(yè)輕工制造行業(yè)上漲，輕工制造行業(yè)上漲的概率為86.61%(置信度)；紡織服飾、輕工制造行業(yè)同時上漲占總記錄數(shù)的47.01%(支持度)。

2.2.3 周維度行業(yè)聯(lián)動規(guī)則挖掘

計算行業(yè)指數(shù)各周期的上漲情況，上漲即為1，其他為0，在對周行業(yè)上漲情況進行統(tǒng)計時用當周最大交易日行情數(shù)據(jù)減去當周最小交易日行情數(shù)據(jù)來獲得。調動Apriori關聯(lián)規(guī)則挖掘算法進行行業(yè)聯(lián)動關聯(lián)規(guī)則挖掘，函數(shù)返回的規(guī)則共19條關聯(lián)規(guī)則，如表2所示。

表2 周行業(yè)聯(lián)動規(guī)則

以周行業(yè)聯(lián)動規(guī)則1為例：交通運輸、電子及公用事業(yè)行業(yè)關聯(lián)規(guī)則的support(支持度)為69.32%，confidence(置信度)為95.34%；交通運輸行業(yè)上漲，電子、公用事業(yè)行業(yè)也上漲的概率為95.34%(置信度)；紡織服飾、輕工制造行業(yè)同時上漲占總記錄數(shù)的69.32%(支持度)。

2.2.4 月維度行業(yè)聯(lián)動規(guī)則挖掘

計算行業(yè)指數(shù)各周期的上漲情況，上漲即為1，其他為0，在對周行業(yè)上漲情況進行統(tǒng)計時用當月最大交易日行情數(shù)據(jù)減去當月最小交易日行情數(shù)據(jù)來獲得。調動Apriori關聯(lián)規(guī)則挖掘算法進行行業(yè)聯(lián)動關聯(lián)規(guī)則挖掘，函數(shù)返回的規(guī)則共12條關聯(lián)規(guī)則如表3所示。

表3 月行業(yè)聯(lián)動規(guī)則圖

以月行業(yè)聯(lián)動規(guī)則1為例：輕工制造行業(yè)和紡織服飾行業(yè)關聯(lián)規(guī)則的support(支持度)為91.66%，置信度為99.09%；輕工制造行業(yè)上漲，紡織服飾行業(yè)也上漲的概率為99.09%(置信度)；輕工制造、紡織服飾行業(yè)同時上漲占總記錄數(shù)的91.66%(支持度)。

3 行業(yè)輪動基本理論與實證分析

3.1 行業(yè)輪動

行業(yè)輪動是利用市場趨勢獲利的一種主動交易策略，其本質是利用不同投資品種強勢時間的錯位對行業(yè)品種進行切換以達到投資收益最大化的目的。行業(yè)輪動的原因有很多，需結合宏觀經濟環(huán)境、政策法規(guī)變動需求、供給和行為金融等多種因素來分析判斷。

3.2 行業(yè)輪動實證分析

3.2.1 日維度行業(yè)輪動規(guī)則挖掘

由于選擇的行業(yè)指數(shù)交易數(shù)據(jù)為日度數(shù)據(jù)，故直接利用關聯(lián)規(guī)則的支持度和置信度定義公式來挖掘單個行業(yè)之間的行業(yè)輪動規(guī)則。本次設置行業(yè)關聯(lián)規(guī)則的最小支持度和置信度分別大于0.4和0.83，具體如表4所示。

表4 日行業(yè)輪動規(guī)則圖

從表4可以看出置信度大于0.83的有19條關聯(lián)規(guī)則，置信度最高的不超過0.86有且僅有一條紡織服飾—輕工制造。

以日行業(yè)輪動規(guī)則17為例：紡織服飾和輕工制造行業(yè)關聯(lián)規(guī)則的support(支持度)為47.01%，confidence(置信度)為86.61%。紡織服飾行業(yè)上漲，輕工制造行業(yè)也上漲的概率為86.61%(置信度)。紡織服飾、輕工制造行業(yè)同時上漲占總記錄數(shù)的47.01%(支持度)。

3.2.2 周維度行業(yè)輪動規(guī)則挖掘

和行業(yè)輪動關聯(lián)規(guī)則挖掘一樣，本文在利用公司來進行挖掘單個行業(yè)之間的行業(yè)輪動規(guī)則，相關行業(yè)關聯(lián)規(guī)則的最小支持度為0.73，最小置信度為0.9，如表5所示。

表5 周行業(yè)輪動規(guī)則

從表5可以看出，挖掘出置信度大于0.9的一共有8條關聯(lián)規(guī)則，置信度最高的不超過0.92且僅有兩條，分別是：交通運輸－公共事業(yè)、有色金屬－黑色金屬。也就是說，相較于其他行業(yè)，交通運輸行業(yè)和公共事業(yè)行業(yè)，有色金屬行業(yè)與黑色金屬行業(yè)發(fā)生行業(yè)輪動的概率更高，與日周期行業(yè)輪動規(guī)則對比，周周期行業(yè)輪動的關聯(lián)規(guī)則要稍強于日周期行業(yè)輪動規(guī)則。

以周行業(yè)輪動規(guī)則2為例：公用事業(yè)和交通運輸行業(yè)關聯(lián)規(guī)則的support(支持度)為73.90%，confidence(置信度)為92.28%。公用事業(yè)行業(yè)上漲，交通運輸行業(yè)也上漲的概率為92.28%(置信度)。紡織服飾、輕工制造行業(yè)同時上漲占總記錄數(shù)的73.90%(支持度)。

3.2.3 月維度行業(yè)輪動規(guī)則挖掘

和行業(yè)輪動關聯(lián)規(guī)則挖掘方法一致，本文利用關聯(lián)規(guī)則定義公式來挖掘不同行業(yè)之間的行業(yè)輪動規(guī)則，設置行業(yè)關聯(lián)規(guī)則的最小支持度為0.91，最小置信度為0.96，如表6所示。

表6 月行業(yè)輪動規(guī)則圖

由表6可以看出置信度大于0.96的有13條關聯(lián)規(guī)則，置信度在0.97以上的有7條，分別是輕工制造－紡織服飾、食品飲料－交通運輸、食品飲料－商業(yè)貿易、商業(yè)貿易－食品飲料、商業(yè)貿易－黑色金屬、商業(yè)貿易－紡織服飾、紡織服飾－商業(yè)貿易。從挖掘結果來看，對比日行業(yè)輪動和周行業(yè)輪動的關聯(lián)規(guī)則，月行業(yè)輪動的關聯(lián)規(guī)則預測性最強。

以月行業(yè)輪動規(guī)則1為例：交通運輸和食品飲料行業(yè)關聯(lián)規(guī)則的support(支持度)為91.66%，confidence(置信度)為96.49%。紡織服飾行業(yè)上漲，輕工制造行業(yè)也上漲的概率為96.49%(置信度)。紡織服飾、輕工制造行業(yè)同時上漲占總記錄數(shù)的91.66%(支持度)。

4 結語

本文分別從日、周、月三個時間維度挖掘行業(yè)聯(lián)動與輪動的關聯(lián)規(guī)則，發(fā)現(xiàn)行業(yè)聯(lián)動的關聯(lián)規(guī)則其置信度普遍偏高，行業(yè)輪動的關聯(lián)規(guī)則置信度相對較低，但行業(yè)輪動關聯(lián)規(guī)則具有預測性，其投資意義更大，對于投資策略的制定更具指導意義。通過挖掘的關聯(lián)規(guī)則，發(fā)現(xiàn)遼寧公共事業(yè)發(fā)展前景非常好，公共事業(yè)的發(fā)展可能會帶動電子行業(yè)以及交通運輸行業(yè)的發(fā)展。政府可根據(jù)這一行業(yè)輪動關聯(lián)規(guī)則調整相關政策，把握好市場經濟的大致走向，做好宏觀調控，從而更好地推動遼寧省各行業(yè)的發(fā)展。