项目进展报告

数据获取及预处理

数据可以从网易财经频道直接下载，选取了深市编号从1到1000的的股票数据，日期是从2017年1月1日到2017年12月31日，其中并不是每一个编号都对应一支真实的股票，实际股票数量略少于1000，但已经能满足数据挖掘的需要。 数据的预处理首先需要对从网易财经获得的深证综值进行清洗，具体包括： （1)填补日期，并对非交易日的数据进行剔除； （2)除去股票中不需要的属性；保留日期、开盘价、最高价、最低价、收盘价、成交量这六个基本变量

数据分析与可视化

首先进行计算指标的确立，为了能够较准确地刻画每支股票，我们需要一些指标去描述这些股票的特征。对股票来说，历史上很多技术分析大师已经发明或设计了无数的股票技术指标，所以可以直接从中筛选一些指标，选取的指标如下所示。 指标标记 指标名称 计算方法 s_xl 当日涨幅 (当日收盘价一前第ii日收盘价）/前第n日收盘价x 100% s_x2 2曰涨幅 s_x3 5日涨幅 s_x4 10日涨幅 s_x5 30日涨幅 s_x6 10日涨跌比率ADR 10日内股票上涨天数之和/N日内股票下跌天数之和 s_x7 10日相对强弱指标RSI RSI= ]00xRS/(l+RS). RS = n日的平均上涨点数/n日的平均下跌点数 s_x8 当日K线值 (收盘价-开盘价）/(最高价-最低价） s_x9 3日K线值 (收盘价一3日前开盘价）/ (3日内最高价-3日内最低价） s_xl0 6日K线值 (收盘价一6日前开盘价）/( 6日内最高价-6日内最低价） s_xl1 6日乖离率（BIAS) 乖离率=[(当日收盘价一6日平均价)/6日平均价]x 100% s_xl2 10日乖离率（BIAS) 乖离率=[(当日收盘价-10日平均价)/1〇日平均价]x 100% s_xl3 9 曰 RSV (n日收盘价-n日最低价)/(n日最高价一n日最低价)x 100% s_xl4 30 日 RSV s_xl5 90 日 RSV s_xl6 当日OBV量比 n 曰 OBV / 5 曰 OBV s_xl7 5日OBV量比 s_xl8 10日OBV量比 s_xl9 30日OBV量比 s_x20 60日OBV量比 s_y 分类指标 根据未来1日与3日涨幅来确定sj为1或一 1

接下来利用ahp权重法计算matlab程序，收集训练数据和预测数据，最终得到两个数据文件： （1）历史上好、坏及一般股票的样本数据文件为train orginal sample.xlsx,该文件数据的主要是用于训练模型。 （2）当日所有股票的指标文件，该文件的数据主要用于预测未来股票的涨跌潜力。 下一步进行数据标准化，数据标准化的目的是消除变量间的量纲（单位）影响和变异大小因子的影响，使变量具有可比性。这里将用均值方差归一化法来对数据进行标准化，所得数据在[0，1]之间。

模型选取

股票的预测方法有多种，我们利用分类的思想对股票进行预测。分类是在已有数据的基础上，根据各个对象的共同特性，构造或通过学习生成一个分类函数或一个分类模型，利用这个分类模型把其他数据映射到给定类别中的某一个的过程。数据挖掘中相关的分类方法有很多，比如较常用的有决策树、逻辑回归、支持向量机、神经网络等。我们最终选择使用神经网络来训练分类，最后利用神经网络训练该组数据，使其数据达到最大的区分度，此时得到的模型就可以用来预测。比如计算了某股票当日所有指标变量后代人该模型中，就可以预测该股票未来的走势分别属于这两类的可能性。

挖掘实验的结果

利用分类算法对训练样本进行训练并实现预测的效果。这里我们运用MATLAB自带的神经网络工具箱中的函数进行训练，模型的执行结果是得到一个所有股票的排序表格（Forecastjesult.xlsx )，排序的依据是最后1列模型预测出的数据，这个数据可以理解为股票未来增长的概率，也可以对这个概率按四舍五入取整，得到的则是分类数据。这个结果的作用是，在实际股票买卖过程中，我们可以选择排名靠前的股票买入，反之卖出，这就提供了量化选股中买人和卖出的条件。 最后对模型进行了评估，评估用的是历史数据，且所用的验证方法是全集验证，最终准确率接近56%，正确率还不够高，不足够指导股票交易。

存在的问题

最终结果的准确率偏低，变量的选取存在一定的问题，并不确定这些变量是否都有效，如果有效性差，不仅使程序需要处理的数据量增多，且还会影响模型的准确程度，因为相关性差或数据质量差的变量有可能稀释模型的作用。解决方法是在进行模型的训练前，增加一步变量的筛选

下一步工作

利用数据相关性分析方法来确定变量之间的相关性，并定义一个相关系数阈值，来最终筛选出效果显著的变量，并通过这些变量重新训练模型。