数据挖掘在证券投资分析中的应用

中图分类号：F8325 文献标识码：A

摘要：证券市场是国民经济的重要组成部分，证券市场的稳定不但关系到国家经济的繁荣发展，而且更关系到证券市场中广大投资者的利益。因此，有效的对证券进行分析与进一步的研究有重要的理论意义和实践价值。本文主要研究采用部分数据挖掘方法对证券投资进行分析，本文具体讲述的是运用MATLAB来进行分析。探讨数据挖掘在证券投资分析中的应用。并进一步展望数据挖掘在证券行业的发展前景。

关键词：数据挖掘；MATLAB；证券投资分析

证券投资分析是指人们通过各种专业性分析方法，对影响证券价值或价格的各种信息进行综合分析以判断证券价值或价格及其变动的行为，是证券投资过程中不可或缺的一个重要环节。

所谓数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际交易数据和相关应用数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。数据挖掘与传统的数据分析的本质区别是数据挖掘在没有明确假设的前提下去挖掘信息，发现知识。数据挖掘使数据库技术进入了一个更高的层次，它不仅能对过去的数据进行查询和遍历，而且能够找出过去数据之间的潜在联系，从而促进信息的传递。也就是根据预定义的目标，对大量的企业数据进行筛选和分析，找出其中的有用数据，并进一步找出规律，为信息需求者提供决策依据。数据挖掘已经成为当今理论研究和实际应用的热点研究领域。

一、研究现状

90年代以来，计算机技术开始逐步应用于证券市场，开始只是运用于证券交易。随着证券市场吸引了越来越多的投资者，证券交易数据开始大量增加，传统的证券预测使用的KDJ、RSI、平均线等技术需要处理越来越多的巨量数据。

数据库和数据挖掘等也开始运用于证券建模，其中有MATLAB模型，就是运用到了数据挖掘的知识。但是数据挖掘并未广泛运用于证券分析建模中。相比国内，欧美市场的证券市场的历史要悠久的多，证券分析预测也在很早就开始了。数据挖掘的出现，为证券分析提供了新的思路。众多学者专家开始用数据挖掘分析众多的证券数据，挖掘数据背后的规律，以实现对证券的预测分析，更加理性的投资证券市场。香港科技大学开发了基于数据挖掘的证券预测系统，通过数据挖掘的规则，预测恒生指数的走势。同时国外利用數据挖掘技术，建立起人工智能系统预测分析证券。国外证券公司利用MATLAB强大的仿真模拟功能建立了一个有价证券管理系统，专门用来分析大量的证券数据。研究证券和经济指标的关系，取得的研究成果在证券行业得到了认可。随着这方面技术的发展，越来越复杂的分析系统开始出现。

总体而言，国内的证券分析信息化程度不高，数据挖掘在证券预测分析中的应用也比较少。国外的研究比较成熟，时间序列法、神经网络法等技术衍生出了很多的证券分析系统。研究经济指数、大盘走势、财务指标等属性对证券走势的影响，分析证券涨跌原因，并将结果用来预测分析未来证券的价格走势。目前美国三大评级结构、十五大资产管理公司、十大商业银行都在使用MATLAB。目前，全球有超过2000家金融机构运用MATLAB来管理公司资产。国际货币基金组织、摩根斯坦利等顶级金融机构都在使用MATLAB，利用MATLAB强大的运算平台实现与其他软件之间的数据交换，显示出了非常优良的互融性。由此可见，MATLAB现已成为金融工程人员不可或缺的分析软件工具。

二、数据挖掘应用框架 步骤语言描述

（一）MATLAB

MATLAB这一名称是由Matrix和Laboratory两个词的前三个字母组合，MATLAB诞生于20世纪70年代，由美国新墨西哥州大学前计算机系主任CleverMoler创建。自从1984年推出第一个版本来，至今已相继推出7个版本。

到90年代，MATLAB已经成为国际上公认的标准计算软件，而且在数值计算方面有着卓越的贡献。

MATLAB擅长于数值计算，能处理大量的数据，而且运算效率很高，而且在数值计算的基础上拓展了符号计算、文字处理、可视化建模和实时控制能力。MATLAB语言是一种交互性的数学脚本语言，语法和C/C++类似。它支持包括逻辑、数值、文本和函数柄在内的15中数据类型，每一种类型都定义为矩阵或阵列的形式。执行MATLAB代码的最简单方式就是在MATLAB程序的命令窗口（commandwindow）的提示符（>>）输入代码。MATLAB就会返回操作结果。目前，MATLAB在世界各大金融机构，例如美国联邦储备委员会、摩根斯坦利、高盛集团，都得到了广泛的应用。MATLAB在数值计算和编程方面的众多优点使其在金融领域处于领先地位。

（二）MATLAB应用流程

一般语言编写程序、调试程序需要经过五个步骤：编辑、编译、连接、执行、调试，各个步骤之间是顺序关系，编程过程就是在它们之间进行循环。MATLAB语言与其他语言相比，较好地解决了上述问题。MATLAB软件是解释性语言，调试程序的手段非常丰富，速度也快，把编辑、编译、连接和执行融为一体，在同一个界面操作，可以快速查出输入程序中的书写错误、语法错误，提高了用户编写程序的效率。MATLAB在运行时，可以直接输入命令语句，包括调用M文件语句，每输入一条命令，程序就会立即对其进行处理，完成编译、连接、执行全过程。再如，将MATLAB源程序编译为M文件，编辑后源程序就可以立即执行，如果有错，则用户界面上也会给出详细的出错信息。MATLAB软件易懂易学，允许数学形式编写代码，比VB、C/C++语言更加如何书写习惯，它的操作符和功能函数就是数学上简单的英文表达式，MATLAB还拥有强大的帮助系统，可以查询到各种命令的使用说明和详细案例，为方便初学者快速了解MATLAB功能，还提供了演示窗口。

三、结论与展望

数据挖掘诞生以来，其处理海量数据的功能，使其在各大领域得到广泛应用。数据挖掘的成功，也为金融分析和提供了一个新的方法。并且根据今年国外的研究成果发现，数据挖掘在金融行业的应用取得了良好的效果。本文就是通过在MATLAB软件上的建模在证券分析中的应用。本文研究的主要是数据挖掘在证券长期投资中的应用，

证券市场研究和数据挖掘涉及的知识都很广，由于学识水平和精力有限，本文知识只分析了Matlab 在证券投资分析中的应用。证券市场是一个无时无刻不在变化的市场，数据挖掘技术也在不断发展，要实现数据挖掘在证券分析中的应用应该是一个漫长的过程，通过不间断的跟踪分析，不断完善模型。本文虽然挖掘了较实用的模型，但是证券市场受宏观经济环境和投资者心理等因素影响很大，而这些因素都无法通过建立模型的方式加以控制分析，所以在具体运用本文的模型时，仍要根据具体情况进行改进。所有的不足和缺陷都会在以后的研究中进行完善。

近几年随着融资融券、股票期货等越来越多的证券业务的开展，越多的投资者会加入这个市场，证券市场的数据量会急速增长，这为数据挖掘在证券分析中的应用提供了更加广大的空间，数据挖掘擅长处理巨量数据的优势会更加明显。所以可以预见，在不久的将来，数据挖掘在证券分析中将会得到更加广泛的应用。

参考文献：

[1]王红亮.数据挖掘在证券交易系统分析中的应用[J].内蒙古电大学刊 2002

[2]肖艺萍.证券市场中强力股的挖掘应用研究[D].北京工商大学，2010

[3]郑文.数据挖掘在股票分析中的应用[D].复旦大学，2012

[4]张金良 李光良 杨忠直 熊益民 张士英 吴建伟.数据额挖掘在证券交易系统分析中的应用[J].地质技术经济管理，2002

作者简介：杨荟（1992-），女，彝族，重庆南岸，本科，重庆工商大学。