基于短时相关性的股票推荐算法研究

丁小军

摘 要：股票市场作为多人参与的复杂系统，具有很大的随机性。随着信息技术的普及，如何通过计算的方法来选股是很多股民都感兴趣的。本文针对中国股市的股票具有短时政策性、新闻性、概念性、关联性等特点提出用短时相关性来推荐股票的方法。通过实际的沪深股市数据，发现这种推荐方法确实能带来较大的利润，且不需要人们去耗费巨大精力选股。当然，此方法仍有一些不足，需要改进。

关键词：股票;推荐;相关性

1 引言

股票是金融市场中的一个重要组成部分，受到广大投资者的热切关注。在股票市场的长期跟踪研究中发现，股票之间也会有明显的相互影响作用，尤其是在地区板块、行业板块内，这种相互影响关联作用更加明显[1]。甚至有时候，在不同板块、不同概念及不同行业股票之间也会出现同涨同跌等现象，学者将其称为联动[2]。总而言之，某一支股票的价格也会随着其它股票价格的波动而波动，某一支股票价格的波动也会使别的相关股票的价格随之波动[3]。这种相互作用也可以称作股票之间的相關性，是许多投资者研究的热点之一。本文分析了用原始股票涨跌幅来分析相关性的缺陷，提出了用量化方式来强调涨跌的同步性，弱化涨跌幅度的差异，同时将概念行业相关性加权，得到了适应于股票的相关性计算方式，并以此设计出了一个股票推荐算法，在沪深股市2020年1月到4月的数据上进行了回测，取得了较为满意的效果。

2 方法

相关系数最早是由统计学家卡尔·皮尔逊提出的用来研究变量之间线性相关程度的量，两个向量x，y的皮尔逊相关系数p（x，y）定义如公式（1）所示。其中ux，uy分别为xi，yi的均值。

皮尔逊相关系数相关系数范围是[-1，1]，相关系数不同的值体现了不同的意义。当相关系数越等于1时候，表示两个向量完全正相关，当相关系数等于-1时，表示两向量完全负相关。当系数接近0时，表示两向量不相关。首先本文取股票20日的涨跌幅作为股票的指标x，（x[i]为每一日涨跌幅），计算他们的相关系数，但是发现在这种情况下大涨或大跌的股票相关系数非常高，即直接使用原始涨跌幅的话，相关系数更看着涨跌幅度。为此，本文将涨跌幅量化如公式（2）所示

在这种量化指标下，涨跌幅度对相关系数影响就没有那么高。两只股票具有高相关性更在于他们涨跌的同步性。同时我们定义一支全为零向量的股票与其他股票相关性为0，即20日不涨不跌的股票不再关注。接下来，本文定义股票所属板块和概念的向量Cx，若股票属于某一概念i，则对应Cx[i]=1，否则Cx[i]=0。

综合股票行业概念和走势，我们定义了如下相关系数计算公式。

根据公式（3），我们可以算出任意两只股票20天的相关性。这种相关性一般能维持一段时间。

在每日开盘后，每只股票根据自身涨跌幅度对与其相关性排在前十的股票进行推荐（涨）或者反对（跌），推荐力度与自身涨跌幅成正比，然后将推荐票数比较多的股票反馈给投资者。如果一支股票得到了较多的推荐，那么可以知道必然有一批围绕此股票的相关性较高的股票都是涨的，这一批股票很可能就反映了当天的热点。同时，当一批高度相关的股票有启动的苗头的时候，因为推荐，这种苗头会被放大，从而可以在热点还没有启动的时候就能提醒投资者。而在热点概念之外的且自身板块内很多股票是跌的股票，会因为得到较多的反对票，从而提醒投资者放弃。

3 实验与结论

本文以2020年1月到4月的沪市深市的股票为实际数据，进行了回测，发现股票涨跌确实是有联动效应的，即部分大涨的概念股确实具有很高的相关性。如图所示万象德农和顺鑫农业两只股票，他们每日涨跌的幅值相差比较大，但是涨跌的同步性较好，所以用本文提出的相关性计算方法可以得到他们是高度相关的。因此，本文提出的方法也可以用来研究团体股票的走势，从而可以分析出一群高度相关的股票具备了什么样的走势后，更有可能大涨，提高人们买股的成功率。

参考文献

[1]汪玉环.股票间相关性测量方法的研究及应用[D].哈尔滨工业大学，2017.

[2]牛红丽，王军.基于选举模型理论研究股市特性[J].北京交通大学学报，2012，36（3）：138-144.

[3]陈花.基于复杂网络的股票之间有向相关性研究[D].北京邮电大学，2012.

[基金项目]玉林师范学院博士科研项目G2018014