数据挖掘案例利用数据挖掘发掘金融市场交易规则.pdf

数据挖掘案例：利用数据挖掘发掘金融市场交易规则

许多投资者在金融市场交易中大量采用技术分析，用于

技术分析的道氏理论早在1884年就已经出现，1997年

Edwards写了本新的技术分析方面的专著。技术分析包括k

线、技术图形识别等，利用数据挖掘技术可以给技术分析赋

予全新的生命。

技术图形识别是技术分析中经常采用的一种技术。无论

是国内还是国外股市，无论是何种股票（或者是其他的金融

交易资产），只要交易时间一长，就会在由其市场价格和交

易量的历史数据所构成的走势图上形成各种不同的图形，人

们开始对这些图形并不在意，后来发现一旦形成这些图形，

价格往后的走势往往如出一辙，比如股价形成某种图形后就

一路下跌，10只股票有9只如此，所以投资者只要看到这

种图形就纷纷卖出，这是技术图形识别的一个运用，有些机

构用此建立股票的自动交易系统。

比如，利用技术图形识别技术可以建立这样的交易规

则：

*如果前N个交易日的数据构成了X图形，则买进，

并在m日后卖出；

*如果前N个交易日的数据构成了z图形，则卖出。

我们考虑的是如何利用数据挖掘方法来建立这样的交

1

易规则，使得投资者可以利用这些交易规则获利？显然问题

的难点在于什么样的图形是有预测价值的、如何判断最近n

日的交易数据正在形成这样的图形。

以往的学术文献对此的研究很少，如果根据有效市场假

设，是不可能利用技术分析方法来资本市场中获取超额收益

的。如在1966年，PaulSamuelson在提到：在股票市场

上是不可能通过对过去的交易数据的推断分析技术，如图形

识别技术、或其他数学的、或魔术般的技术来对未来价格变

化进行预测，获得超额收益的，因为市场价格中已经包含了

所有的公开信息。但是从业者往往认为可以利用图形识别技

术来取得交易的成功。实际上现在结合数据挖掘的技术分析

文献在学术刊物上已经可以经常遇到，采用的数据方法有：

从过去的数据中进行学习的人工神经网络、模糊专家系统、

决策支持系统、粗糙集方法挖掘交易规则、采用信号过程技

术的数据挖掘方法，等等。

这样实际上为我们检验资本市场是否为有效的提供了

一种检验方法：原假设：股票市场是有效的，因此通过技术

分析方法，特别是图形识别技术方法不可能获得超额收益，

如果我们用数据挖掘的方法可以设计出一种交易规则，采用

这种交易规则可以获得显著的超额收益，则原假设就应该被

拒绝，从而说明股票市场并不是有效的（如对美国的股票市

场进行实证分析）。

2

图形识别技术首先是图形的确定、即确定哪些技术图形

是具有预测价值的，如第一册中介绍了23种图形，认为这

些图形是否预测价值的，图形是依据过去的价格变化、或者

还有成交量的变化而形成的。实际上，这些技术图形可以不

断地去挖掘。确定这些有意义的技术图形后，就可以通过技

术图形识别的来建立股票交易规则，而技术图形不识别是通

过数据挖掘方法来实现。

以下为利用数据挖掘发掘金融市场交易规则的一个具

体案例。这种技术图形称为bullflag，现在还没有专门的中

文名称。

Flag：股票价格在一段时间内窄幅调整，形成一个类似

于平行四边行的图形，两头或者急剧上升、或者急剧下降，

表示一种较强的向上或者向下的趋势，如果两头都是急剧向

上，这样的Flag就称为bullflag。

下面为两个图形,这两个均为bullflag图形的一种，图

形由10*10的表格所形成，每个格子中给出的是“权重”数，

每列的“权重”数之和为零。如果某段时期的交易数据可以

和这个图形相拟合，则就显示了某种预测功能。

那么如何来判断这段时间的股票走势（实际上是股指走

势）正在构成一个bullflag，怎样利用数据挖掘方法建立一

个可以获得超额收益的自动交易规则？有机构采用了这样

的方法。