基于模式识别技术的股票市场技术分析研究

计 算 机 仿 真 第 21 卷 第 7 期 2004 年 7 月
文章编号 :1006 - 9348 (2004) 07 - 0142 - 04
基于模式识别技术的股票市场技术分析研究

宋恒
1
,张杨
2

(1 . 空军工程大学工程学院 ,陕西 西安 710038 ;2 . 复旦大学经济学院 ,上海 200433)
摘要 :研究从统计模式识别的角度出发 ,智能的利用技术指标作股市技术分析 。利用处理后的一些技术指标形成特征空间 ,
在特征空间上用聚类技术寻找股市规律 。所用聚类算法是根据股市特点设计的一种较适宜的模糊主轴核聚类算法 。通过
大盘和个股实例分析 ,该方法能降低传统技术分析的难度和潜在主观性 ,并能较充分利用历史数据包含的信息 ,对市场趋势
作出客观分析 。
关键词 : 股票 ;技术分析 ;模式识别 ;聚类
中图分类号 : TP391 文献标识码 :B
Technical Analysis Ba sed on Pattern Recognition
SONG Heng
1
,ZHANG Yang
2

(1. School of Engineering , The Air Force University of Engineering , Xi’an Shanxi 710038 , China ;
2. School of Economics , fu dan University , Shanghai 200433 , China)
ABSTRACT :This paper presents a new method for intelligently using technical indexes to analyse stock market by pattern
recognition. The method is based on the character space of some technical indexes disposed , uses clustering technique to
find the order of stocks. And the clustering arithmetic , designed by the characters of stocks , is a rather feasible arithmetic of
fuzzy principal axis clustering. We had analysed Shanghai Stock Exchange ( SSE) and the stock“Wu Niang Ye”. The re2
sults show the method can not only reduce the difficulty and potential subjectivity in the traditional technical analysis , but a2l
so efficiently utilize the annal data to predict the tendency of the stock objectively.
KEYWO RDS :Stock ; Technical analysis ; Pattern recognition ; Clustering
1 概述
股票市场是由投资者群体行为构成的 ,领先了众多投资
者也就领先了市场 。在信息技术充分发达的今天 ,投资者所
能获得的咨询信息在时间和内容上几乎没有差别 。谁能首
先对信息进行正确分析和判断 ,谁就能抢占一步先机 。技术
分析是股票市场中广泛运用的一种经典分析方法 ,主要特点
是具有较强的理性和客观性 。但传统技术分析方法众多 ,其
技术指标数目繁多 ,研判法则也是仁者见仁 、智者见智 ,更不
用说个别指标偶尔还会发出骗信号 ,这些都潜在地增加了技
术分析的主观性和困难性 。
近年来 ,基于数据的机器学习理论
1
在股市分析中得到
广泛应用 ,主要是从函数拟合的角度作时间序列预测 。神经
网络作为一种具有自学习能力的高度非线性系统 ,理论上能
在任意精度上逼近任一定义在致密集上的非线性函数 ,因此
在时间序列预测问题上表现出非凡的优越性 。但由于神经
网络缺乏统计意义 ,在对股市这样一个样本数据 ( 历史数据)
有限且存在大量噪声的系统进行分析时 ,必然陷入难以解决
的过学习和欠学习问题 。有文献
2 ,3 ,4
利用小波变换在拟合
前对数据进行过滤 ,取得了一定效果 ,但因为噪声源的未知 ,
也不 易 掌 握 过 滤 分 寸 。1989 年 美 国 学 者 Schinkman 和
LeBaron 发现了股票日收益序列与周收益序列中存在混沌现
象
5
。股市中混沌现象的发现 ,从动力学的角度证明了对股
市数据进行时间序列预测的科学性 ,但同时也说明了时间序
列预测在股市中只能具有短期效应 。
在本文中 ,我们研究从统计模式识别的角度出发 ,智能
地利用技术指标作技术分析 ,以期在有效解决欠学习和过学
习问题的基础上 ,降低传统技术分析的主观性和困难性 。本
文采用的模式识别核心技术是针对股市特点设计的一种模
糊主轴核聚类算法 。该算法能在分类数目未知的情况下 ,对
类的自然分布为球状 、近球状 、甚至非球状的样本均作出较
有效的聚类 。我们选取上证指数和五粮液分别作为大盘和
个股实例 ,用一定的技术处理方法分别建立特征空间 ( 表面
特征空间 、深层特征空间) ,在特征空间上进行聚类分析 ,并
作寻找最佳建仓区和平仓区的预测试验 。结果表明 ,该方法
收稿日期 :2003 - 07 - 03