中国A股上市公司股票预测分析方法研究——基于关联规则

文/牛丹辰 韩晓琳，山西财经大学财政金融学院

随着计算机、数据库和Internet技术的发展应用,上市公司可以更为方便快捷地公布股票信息，同时投资者可以更为有效地、及时地获取信息,这也就导致了股票市场涌现出了各式各样的股票信息。面对新的发展形势，如何从庞大的数据信息中找到有用的知识为投资者的投资行为提供指导,已成为一个重要的研究方向。自Agrawal等提出关联规则挖掘的Apriori算法以来,越来越多的研究应用于证券市场。目前这些研究基本集中于两大方面,一是挖掘各个股票的股价涨跌关联 ,另一方面则是以股票收益率为出发点进行分析。本文集中研究挖掘各个股票收益率之间的关联关系。

1993年，Agrawal等人在首先提出关联规则概念，同时给出了相应的挖掘算法AIS，但是性能较差。1994年，他们建立了项目集格空间理论，并依据上述两个定理，提出了著名的 Apriori算法，至今 Apriori算法仍然作为关联规则挖掘的经典算法被广泛讨论，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。

关联规则挖掘过程主要包含两个阶段:第一阶段必须先从资料集合中找出所有的高频项目组，第二阶段再由这些高频项目组中产生关联规则。

关联规则挖掘的第一阶段必须从原始数据集合中，找出所有高频项目组。高频的意思是指某一项目组出现的频率必须达到某一水平。某一项目组出现的频率称为支持度，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式求得包含{A,B}项目组的支持度，若支持度大于等于所设定的门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Fr equent k-itemset)，表示为 Large k。算法再从Large k的项目组中再产生 Large k+1，直到无法再找到更长的高频项目组为止。关联规则挖掘的第二阶段是要产生关联规则。从高频项目组产生关联规则，是利用前一步骤的高频 k-项目组来产生规则，在最小信赖度的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。

本文采用中国证券A股市场2016～2017年共 260个交易日的数据，删除金融行业公司、数据不齐全的公司、ST公司，得到近2 000支股票的日收盘价,并据此计算出股票收益率作为测试值 ,加入主观兴趣度约束和客观兴趣约束,挖掘出真正感兴趣的关联规则。由于关联规则挖掘的是布尔型数据 ,这里需要对收益率数据进行区间的划分,为增强便利性与实用性,文章放弃使用SQL语句实现数据库中收益率数据区间的划分,而是选择在程序设计中用代码实现。文章将收益率划分为三个区间 , 0～10 %(L),11%～25%(M),26%～100(H)。并且将所有数据随机均分成两部分,一部分为训练数据 ,一部分为测试数据。

文章采取应用经典 Apriori 算法在股票行情数据中挖掘关联规则的方法 该方法的目标是在股票行情数据中找出类似于“T 天内 ,如果 A 股票收益率上涨 ,则 B股票收益率也上涨的概率是80%”的关联规则。设置最小支持度分别为 0.2、0.25、0.3和 0.35,最小置信度分别为0.7、0.8、0.9、0.95,客观兴趣度RI要求大于0。得到如下结果：

由上图可以看出 ,本文所设计的方法在上述现实数据源上可达到70 %以上的预警准确率，通过合理设置参数，最高可达到93 %的准确率。随着置信度的增加，预警准确率总体呈上升趋势；而支持度的影响就没有那么明显了，而且在置信度为0.9时，支持度与挖掘准确率反而呈反比例趋势。这可能是因为训练阶段导出的规则集，测试数据源中支持度相对较低的部分，其置信度反而要高。

本文在简要介绍目前数据挖掘技术在股票数据的应用，加入了“主观兴趣度”与“客观兴趣度”的双约束条件进行的数据挖掘，挖掘可以用来预测股价变动趋势的规则，并运用 Apriori 算法，使用中国证券市场2016—2017年的股票收盘价格数据库作为测试集，发现了很多有价值的规则，这些规则很难通过肉眼分析或查看股票基本资料来确定它的原因，可以看出，关联规则分析“挖掘”出了隐藏在数据中“知识”，且得到的关联规则的准确度大大地提高。