股票数据分析与预测——中期报告
成员
- 姚明宇
- 于畅泳
- 于文楠
一、项目进展
1 数据获取
从国内流行的财经网站上下载得到我们的股票指标，在网上采集了上海证券交易所招商银行股票最新的交易数据。 这些指标有收盘价、最高价、最低价、开盘价等。
| 日期 | 股票代码 | 名称 | 收盘价 | 最高价 | 最低价 | 开盘价 | 前收盘 | 涨跌额 | 涨跌幅 | 换手率 | 成交量 | 成交金额 | 总市值 | 流通市值 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2016/6/14 | 600036 | 招商银行CMB | 17.38 | 17.5 | 17.29 | 17.33 | 17.32 | 0.06 | 0.3464 | 0.0531 | 10953458 | 190753279 | 4.38E+11 | 3.59E+11 |
| 2016/6/13 | 600036 | 招商银行 | 17.32 | 17.79 | 17.29 | 17.58 | 17.77 | -0.45 | -2.5324 | 0.0786 | 16220713 | 284764728 | 4.37E+11 | 3.57E+11 |
| 2016/6/08 | 600036 | 招商银行 | 17.77 | 17.84 | 17.65 | 17.75 | 17.8 | -0.03 | -0.1685 | 0.0461 | 9514926 | 168924714 | 4.48E+11 | 3.67E+11 |
| 2016/6/07 | 600036 | 招商银行 | 17.8 | 17.87 | 17.59 | 17.76 | 17.64 | 0.16 | 0.907 | 0.0545 | 11250355 | 199544447 | 4.49E+11 | 3.67E+11 |
| 2016/6/06 | 600036 | 招商银行 | 17.64 | 17.83 | 17.56 | 17.73 | 17.78 | -0.14 | -0.7874 | 0.0619 | 12770352 | 225235543 | 4.45E+11 | 3.64E+11 |
- 将获取的原始数据转换成时间序列数据 (xts)，方便之后的计算和建模。
2 实验环境
实验环境：Rstudio，使用数据挖掘中流行的R语言来处理我们的数据，R语言中有一些有用的程序包可以满足不同的需求， 借助现有的程序包可以方便我们处理，完成实验。
本实验中用到的程序包：DMwR、quantmod、xts、TTR、randomForest、e1071、kernlab、nnet
3 建立模型
3.1 T指标变量
引入指标变量T，假设在未来k天内我们的目标是获得b%的利润,一天的平均价格可以用当天的收盘价、最高价和最低价的均值来表示。 指标T用来找出在k天内，日平均价格明显高于目标变化的那些日期的变化之和。 若T值为正，并且值较大则表明有几天的日平均报价高于今天收盘价的b%，这种情况说明对于未持该股票的股民可以进行买入； 相反，若T值为负，表明价格可能下降，这种情况对应着持有该股票的股民可以进行卖出； T值趋于0则表示价格相对平稳，可以进行买入或卖出。在实验中，我们设计的b值为2.0。
导入股票数据之后，我们首先计算数据的T指标，并画出K线图和指标线图，如下图所示：
K线图中柱条：表示当天的最高、最低价格；框：表示开盘价和收盘价，橙色：一天中呈下降趋势，绿色：一天中呈上升趋势。 本实验中计算的是未来 10 天内的T值，如 Figure1中下方的图线所示 根据未来 10 天内股价的变化来得到T值，在股价大跌时取得较大的负值，大涨时取得较大的正值。
3.2 股票评价指标
TTR程序包中给出了许多种评价股票的指标：
ATR(Average True Range,平均真实波幅)
SMI(Stochastic Momentum Index,随机动量指数)
ADX(Average Directional Index,平均趋向指标)
MACD(Moving Average Convergence/Divergence, 指数平滑异同移动平均线)等。
面对诸多指标，我们引入随机森林算法，用它来检测指标的重要程度，选择几个重要的指标，计算结果如下图：
我们筛选出重要性大于5%的指标，用这些大于5%的指标的线性组合来表示股票最终的评价。
二、待完成的工作
通过实验，我们选出了6种评价股票的指标，下一步打算对这些指标用SVM和人工神经网络建模，最后设计几种交易策略，进行模拟交易。