金融观察
◎
基于机器学习的股票分析与预测模型研究
①
姚雨琪
摘
要
:
近年来
ꎬ
随着全球经济与股市的快速发展
ꎬ
股票投资成为人们最常用的理财方式之一
ꎮ
本文研究的主要目标是利用
机器学习技术
ꎬ
应用
Ｐｙｔｈｏｎ
编程语言构建股票预测模型
ꎬ
对我国股票市场进行分析与预测
ꎮ
采用
ＳＶＭ
与
ＤＴＷ
构建股票市场的
分析和预测模型
ꎬ
并通过
Ｐｙｔｈｏｎ
编程进行算法实现
ꎮ
本文对获取到的股票数据进行简单策略分析
ꎬ
选取盘中策略作为之后模型评估的基准线
ꎮ
分别选取上证指数
、
鸿达兴业股
票
、
鼎汉股票数据利用已构建的支持向量机和时间动态扭曲模型在
Ｐｙｔｈｏｎ
平台上进行预测分析
ꎬ
结果表明
ꎬ
对于上证指数而言
ꎬ
支持向量机预测下逆向策略更优
ꎬ
对于鸿达兴业股票和鼎汉股票而言
ꎬ
支持向量机预测下正向策略更优
ꎻ
基于时间动态扭曲算法
的预测方法对于特定的股票有较高的精度和可信度
ꎮ
研究结论表明将机器学习运用于股票分析与预测可以提高股票价格信息
预测的效率
ꎬ
保证对海量数据的处理效率
ꎬ
机器学习过程可以不断进行优化模型
ꎬ
使得预测的可信度和精度不断提高
ꎬ
机器学习
技术在股票分析方面有很高的研究价值
ꎮ
关键词
:
机器学习
ꎻ
股票预测
ꎻＰｙｔｈｏｎꎻＳＶＭꎻＤＴＷ
中图分类号
:Ｆ８３０.９１
文献标识码
:Ａ
文章编号
:１００８
－
４４２８(２０１９)０２
－
０１２３
－
０２
一
、
引言
国外股票市场的股票分析预测开始得很早
ꎬ
研究者们将
各种数学理论
、
数据挖掘技术等应用到股票分析软件中
ꎬ
并
通过对历史交易数据的研究
ꎬ
从而得到股票的走势规律
ꎮ
近年来
ꎬ
由于现实中工作与研究的需要
ꎬ
机器学习的研
究与应用在国内外越来越重视
ꎮ
机器学习可以在运用过程
中依据新的数据不断学习优化
ꎬ
完善预测模型
ꎮ
将机器学习
应用于股票市场的预测
ꎬ
从股票的历史数据中挖掘出隐藏在
数据中的重要信息
ꎮ
这样既能够为股民们对股价预测研究
提供理论支撑
ꎬ
又能够为公司的领导层提供决策支持
ꎮ
基于此
ꎬ
本文选择机器学习在股票分析中的应用作为研
究方向
ꎮ
在
机
器
学
习
及
股
票
分
析
相
关
理
论
基
础
上
ꎬ
使
用
Ｐｙｔｈｏｎ
开发工具
ꎬ
并分别运用支持向量回归及时间动态扭曲
进行预测
ꎮ
二
、
相关技术与理论
(
一
)
机器学习
机器学习是融合多领域技术的交叉学科
ꎬ
主要包括概率
论与数理统计
、
微积分
、
线性代数
、
算法设计等多门学科
ꎮ
通
过计算机相关技术自动
“
学习
”
实现人工智能
ꎮ
(
二
)
股票分析方法
１.
基本面分析
基本面分析指的是在分析股票市场供应和需求关系的
相关因素
(
如宏观经济
、
政策导向
、
财务状况以及经营环境
等
)
基础上确定股票的实际价格
ꎬ
从而预测股票价格的趋势
ꎮ
２.
技术面分析
技术面分析指的是对股票图样趋势来分析和研究
ꎬ
来判
断价格的走势
ꎮ
(
三
)
基于
Ｐｙｔｈｏｎ
的经典机器学习模型
１.
支持向量机
(ＳＶＭ)
该模型最初用于分类
ꎬ
其最终目标是引入回归估计
ꎮ
建
立回归估计函数
Ｇ
(
ｘ
)ꎬ
其中回归值与目标值之间的差值小
于
μ
ꎬ
同时保证该函数的
ＶＣ
维度最小
ꎮ
线性或非线性函数
Ｇ
(
ｘ
)
的回归问题可以转化为二次规划问题
ꎬ
并且获得的最优
解是唯一的
ꎮ
２.
动态时间扭曲
(ＤＴＷ)
这是衡量时间序列之间的相似性的方法
ꎬ
并可以用在语
音识别领域以判断两段声音是否表达了同一个意思
ꎮ
三
、
股票预测模型的构建
(
一
)
确定初始指标
１.
基于支持向量机确定指标
施燕杰
(２００５)
利用支持向量机进行股票分析与预测
ꎬ
在
多次反复尝试基础上提出了一系列的指标作为预测模型的
输入向量
ꎬ
该指标能够有效地预测未来股价波动情况
ꎬ
本文
在结合自身研究的基础上
ꎬ
对以上施燕杰提出的指标进行改
进
ꎮ
在原有的指标基础上添加
７
日平均开盘价和
７
日平均
收盘价
ꎬ
去除了成交额保留了成交量
ꎮ
最终建立如表
１
所示
的
２０
个初选指标
ꎮ
