机器学习算法在股票走势预测中的应用

2017-11-02傅航聪张伟

软件导刊 2017年10期

傅航聪++张伟

摘要：结合K近邻算法、支持向量机算法和时间序列算法的优点，整合其结果提出一种综合预测算法，并将其应用到沪深300指数的涨跌预测中。首先通过时间序列预测出股票未来一段时间内的走势图，然后结合K近邻算法判断该走势图的总体涨跌趋势，最后将涨跌趋势量化作为一变量引入到支持向量机算法中，通过支持向量机算法预测最终的股票涨跌。该方法能够弥补3种算法的不足，能够更加准确地预测股市的涨跌趋势。

关键词：股票预测；K近邻算法；支持向量机；时间序列

DOIDOI：10.11907/rjdk.171549

中图分类号：TP312文献标识码：A文章编号：16727800（2017）010003104

0引言

随着经济的快速发展，股票市场受到了投资者的普遍关注，掌握股市变化规律并预测其走势，一直是投资者和投资公司关注的热点，对于预测股市未来收益方法的探索也从来没有中断过。由于涉及到金融领域，因此最开始仅从金融工程、数理统计方面进行挖掘，探索相关方法，在文献[1][3]中提到了其中的部分金融模型与方法。然而，由于发现金融模型一定程度上无法满足人们对于预测准确性的要求，因此对于金融模型而言，更多地是建立在假设上。之后人们提出了机器算法模型，其实践性更强，适用范围更广，模型准确率更高[46]。至21世纪初期，金融市场发展迅速，同时也衍生出了更多金融产品。因此，单一的金融模型算法和机器学习算法已经满足不了市场需求，人们便将金融模型算法与机器学习算法结合起来，以达到更好的效果[78]。对于金融工程方面的股市量化预测分析，机器学习算法的优点[9]是能够最大程度地模拟对象的具体特征，另外在处理数据量及复杂度方面也有更大优势。另外一种预测手段是结合多种算法，能够一定程度上弥补单独算法存在的缺陷。

本文采用的即是机器学习和金融模型算法相结合的综合算法，其中包括K近邻算法、支持向量机算法（SVM）、时间序列算法。K近邻算法主要应用于分类方面，通过近邻算法将相似的样本归为一类；SVM支持向量机算法可以有效解决神经网络无法避免的局部最小化问题，而且对于小样本容量、非线性及高维数模式，以及在克服维数过大和过度拟合学习方面具有优势[9]；时间序列算法能够很好地展示一定时间内事物的发展变化趋势与规律，从而对未来的变化进行有效预测。

本文将通过沪深300数据，结合K近邻算法、支持向量机算法（SVM）、时间序列算法的优点，以达到最好的股指预测效果。本文首先结合近邻算法和时间序列算法，得到一个未来趋势的涨跌变量，通过图像处理将图片转换成二维码数字，用近邻算法分析识别时间序列预测的曲线图是涨还是跌；然后将该变量输入到支持向量机算法中，得到最终的综合算法；最后与单一的SVM算法、时间序列算法进行比较，得到最终的准确率。

1.3时间序列

由于股票价格随着时间不断发生变换，而且有着非常明显的时间先后顺序。这种按照时间序列排列起来的一系列观测值称为时间序列，因此可以认为时间序列包含了某一个或某几个统计指标特征。一个时间序列里一般包含4种信息：长期趋势、循环、季节变换、不规则变换。常用的时间序列模型主要有自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）、齐次非平稳模型（ARIMA）等。时间序列模型又分为传统时间序列模型和现代时间序列模型。传统时间序列模型把时间序列看成是长期趋势、季节变动、循环变换、不规则变换的复合体。现代时间序列模型则将时间序列看作一个随机概率过程，ARIMA模型算法即是这类模型的代表[15]。

下面将结合3种单独的算法得到最终的综合算法。

2综合算法预测模型

2.1算法模型概括

综合算法预测模型主要分为3部分，首先在相同的数据条件下分别计算出支持向量机算法、时间序列算法与综合算法的准确率，然后对其进行比较。具体步骤为：①首先对数据进行标准化处理；②经过归一化处理，分别计算出在支持向量机算法、时间序列算法下的准确率；③按照相同像素大小的图片，随机截取20个间隔为30天的沪深300历史涨跌图作为样本集。将20个曲线图分为两类，即涨和跌，每一类的样本数量为10；④按照支持向量机选取的变量日期，画出时间序列未来30天的预测曲线图，按照相同的像素大小截取预测曲线；⑤通过近邻算法进行比对，识别出时间序列未来30天的曲线图是涨还是跌，并将涨定义为1，跌定义为-1；⑥将通过近邻算法得到的结果作为其中一个支持向量机变量输入其中，最后计算出综合算法的预测准确率；⑦比较支持向量机算法、时间序列算法和综合算法的准确率，得到最后的结论。

2.2综合算法原理

本文中的综合算法用到了图像处理技术以及时间序列算法、近邻算法、支持向量机算法。

对于图像处理技术而言，因为在股票市场某一阶段并不能通过肉眼准确地判断涨跌，因此将图像处理技术和机器学习算法相结合能够避免肉眼带来的局限性，同时还避免了重复工作带来的错误率。通过MATLAB软件对彩色图片进行二值化处理，使图片只显示黑白两色。通过使用MATLAB里的imread（）函数读取需要操作的图片，然后调用MATLAB中的二值化处理函数使图片转换为二值化图片，并且输出二值化图片的二进制数据。二值图像也称为黑白图像，因为其中的每个像素都只有黑白兩色，并且没有中间的过渡颜色，其中输出的二进制矩阵中的0和1也代表了二值图像的黑白值，其中黑色像素块代表0，白色像素块代表1。

按照相同的像素大小截取涨跌图片，得到沪深300涨跌图如图1所示。图中随机从样本集中挑选了2张截取的图片，一张代表上涨趋势，一张代表下跌趋势。然后将两张图对应的黑色方格计为1，白色方格计为0。算法中按照相同像素大小的图片随机截取20个间隔为30天的沪深300历史涨跌图作为样本集，将20个曲线图分为两类，即涨和跌，每一类的样本数量为10。然后将这20个样本集图片转化为二值图片后，再通过程序以二进制矩阵的数据形式输出，并且贴上“涨”、“跌”两类标签分别保存。endprint

图1沪深300涨跌图

通过时间序列算法预测未来30天的股市涨跌，然后再截取相同像素的涨跌图片，进行二值化并将其转换为二进制数据矩阵。相对于其它算法，时间序列算法具有能反应未来股市涨跌趋势的功能，并且能够最大限度地把握股市周期性。之后通过截取时间序列预测图，将其转化成二进制数据，作为K近鄰算法的测试集。

之后通过K近邻算法训练样本集，然后输入测试集判断该组二进制矩阵数据是涨还是跌。将涨的状态定义为1，将跌的状态定义为-1，储存作为支持向量机的输入量之一。通过K近邻算法计算测试集和样本集数组之间的距离，以此区分测试集表示的状态是涨还是跌，然后将得到的实验结果作为支持向量机的输入变量。同时采用支持向量机的其它变量，即沪深300 在2015～2016年间循环每前3天的日收盘价和日交易量，预测第4天的股指涨跌比率[16]，因为在这样的条件下得到的预测结果更准确，实验效果更好。得到了所需的变量数据后，分别对其进行归一化处理，使实验结果更加准确。

因此对于SVM算法而言，主要有3个输入参数，第一个参数是通过时间序列预测的涨跌数据，第二个是提前1、2、3天的日收盘价，第三个是提前1、2、3天的日交易量。将训练集单日的涨跌状态定义为1或-1。然后通过算法计算测试集，通过测试集得到的结果计算该综合算法的最终准确率。

3实验结果及讨论

3.1图像识别处理

在综合算法中，首先需要通过MATLAB软件对图片进行二值化处理，得到只有黑白像素的图片，然后得到二值图片通过二进制表示的矩阵数据，其中黑色表示“1”，白色表示“0”。其最终的实验结果如图2所示，图中包含了彩色图片与二值图片。

3.2SVM算法仿真结果

本文通过使用沪深300指数2015～2016年的数据输入向量为提前1、2、3天的日收盘价和日交易量来预测第4天的股指涨跌比率[16]。其过程通过SPSS Modeler来实现最终的算法，并且将数据的60%作为训练集，剩下的40%作为测试集。将训练集单日的涨跌状态定义为1或-1，其最终的预测准确率如表1所示。因为只是单一的SVM算法，对核函数非常敏感而且更加适合处理二类问题，并且里面没有整合股市的周期性规律变换。因此SVM仿真预测股票涨跌的率结果并不是非常理想，约67.5%。

3.3时间序列仿真结果

时间序列算法在进行运算前，首先要对原型图进行平稳化，并且去周期化。在SPSS Modeler里会自动建模，选择最佳的一阶差分次数和一阶季节差分次数。本文通过输入沪深300在2015年的收盘价、开盘价交易量来预测最后的股市。本文没有考虑引进季节差分，通过软件自动得到ARIMA（1，0，2）模型。

图3为按日为周期时间序列训练预测结果图。由于股票交易存在周末与节假日，对于以日为周期，需要重新编排日期，因此跳过了周末，相比于按月为周期，其最终日期会提前。由图可见，时间序列的训练效果较好。从表2分析结果中也能看到，其相关性为99.1%左右。

效果较好，但预测集的效果不太令人满意。而且这里的准确率指的是涨跌概率，并没有精确到涨跌比率。其中可能的原因是模型没有加入季节性，而且参数的输入可能过少，不能完全反映股市的整体现状。对于时间序列算法而言，完全依据历史数据，对于未来的预测范围将缺乏一定准确性，并且其中的随机性因素也较大。但是时间序列算法的优势是可以大致研判未来股市的总体周期趋势。因此，时间序列算法还需要与其它算法相结合，才能更好地提高预测准确率。

3.4综合算法仿真结果

按照综合算法原理，随机选取20张涨跌图，分别转换为二进制矩阵数据，并且分为两类，分别是涨和跌。然后通过时间序列预测后面一个月的图，最后一个月即是预测的图像，然后不断往后推一天，通过SPSS软件保存预测得到的未来一个月涨跌图。然后通过图像处理得到二值图像，并且输出保存每张图像的二进制矩阵数据。SVM算法每一组数据都对应预测一个月未来涨跌的图像。

得到KNN算法所需的样本集和测试集，便可以调用KNN算法判断每一个测试集最终的类别是涨还是跌，然后将其保存作为SVM算法的输入变量。最后支持向量机算法需要输入的参数便是1、2、3日的日收盘价和日交易量，结合时间序列算法和KNN算法预测其未来一个月的涨跌趋势，并和之前的SVM算法一样，将其60%的数据作为训练集，剩下的40%作为测试集，只是在其中添加了一组变量参数，总体框架并没有改变。综合算法的最终仿真结果如表2所示。

从实验结果可以看出，单独的SVM算法和时间序列算法得到的准确率并不是很高，普遍只有70%左右，而综合算法的准确率接近80%。因此，相比于单一算法，综合算法的效果更好。因为综合算法结合了时间序列和SVM算法的优点，使SVM算法能够考虑到时间序列上的时间特性比如季节性等，又结合了SVM算法的优点，即其自身的错误率较低，而且计算开销小，适合运行大批量数据，得到的结果也更加直观具体。

4结语

本文结合K近邻算法、支持向量机算法和时间序列算法的优点，提出了一种综合预测算法，并将其应用到沪深300指数的涨跌预测中，取得了较好效果。然而，综合算法虽然相比于单一算法，准确率有改善，但是未来提升的空间还有很大，需要通过发掘探索，不断组合一些更高效的算法，以得到更高的准确率。

参考文献：

[1]何永沛.ARMA模型参数估计算法改进及在股票预测中的应用[J].重庆工学院学报：自然科学版，2009（2）：68.

[2]于志军，杨善林.基于误差校正的GARCH股票价格预测模型[J].中国管理科学，2013（S1）：2832.

[3]费时龙，任洪光.多重马氏链模型在股市预测中的应用[J].德州学院学报，2016（8）：2835.

[4]王领，胡扬.基于C4.5决策树的股票数据挖掘[J].计算机与现代化，2015（10）：3851.

[5]张鹏.基于 SVR 的股市预测与择时研究[J].重庆文理学院学报，2016（3）：148155.

[6]孙海波，王丽敏.引入趋势因子的BP模型在股市预测中应用[J].统计与决策，2015（19）：8789.

[7]李雁.基于ARIMA模型和神经网络模型的股票价格预测[J].金融商务，2014（4）：7780.

[8]刘海玥，白艳萍.时间序列模型和神经网络模型在股票预测中的分析[J].管理科学，2011（4）：2231.

[9]金得宝.基于支持向量机的股市预测研究[D].杭州：浙江大学出版社，2010：210.