基于图案检测和成交量的股票趋势分析

余任+车文刚+周志元+权鹏宇

引言

时间序列是按照时间顺序排列的一组数据，它反映了某一事物或现象的状态随时间变化的规律，其广泛存在于生物、医学、工程和经济等各个领域。股票时间序列是一种与数据点有关的序列，其中包括股票的价格（开盘价、收盘价、最高价、最低价）以及成交量等信息。众所周知，在股票时间序列序列中包含了大量的数据信息以及股价的走势规律，怎样在时间序列中挖掘出有用的信息引起了国内外专家学者的广泛关注。

早在上世紀八十年代，异常数据的检测在统计学中得到了广泛的研究，并取得了显著成果，在此背景下，研究者将其应用到股票时间序列中。在对时间序列进行分析时，往往会发现一些偏离常规的数值或者片段，一般将其称之为奇异点或者异常点，这些非常规的数值或片段，通常蕴含着更为重要的价值和信息，因此，奇异点的检测成为股票时间序列研究中的重要组成部分。在时间序列的异常点检测中，常用的方法有基于排列熵、距离、d-近邻聚类以及密度等方法，在之前，我们也提出了一些方法来确定奇异点，文献中提出了一种基于小波变换的时间序列奇异点检测方法，文献中利用局部异常因子来检测时间序列奇异点。在实际的股票市场中，投资者一般是通过蜡烛图对股票的趋势进行分析的，它的一个优势在于能够在形式多样的证券市场上显示出巨大的威力，在2003年，引入了时间序列模体概念，异常检测吸引了研究人员和金融市场越来越多的关注。所以，如果能够检测到那些具有奇异形态的蜡烛图片段，则在一定程度上能够预测股票价格的当前趋势。

在股票交易中，成交量可以说是股价的动量，是股票时间序列分析中不可或缺的一部分，具有重要的辅助性参考价值。“趋势”在一定程度上代表了“价”，趋势的向上显示着价格的不断攀升，价量配合也是技术分析里常用词。成交量形态的改变将是趋势反转的前兆。

本文定义了跃空形态的奇异图案片段以及对该形态的检测方法，结合该形态下股票的连续成交量，将对股票价格的趋势的分析变得更加准确和更具实用性。

1相关定义

在股票市场中，通过对反映市场状况的基本数据（开盘价、收盘价、最高价、最低价、成交量等）进行分析，判断整个股市或个别股价未来的变化趋势，以探讨股市里投资行为的可能轨迹，就叫做技术分析。技术分析里面最重要的就是图形分析，它通过绘制股市基本数据的某种演化图，能够直观的反映出股市的变化趋势，日本的蜡烛图分析是其中最有效的方法之一。为了研究股票时间序列，在某个时间段的交易中，人们总是能发现一些非同寻常的形态，我们将它定义为奇异形态。

定义1：股票时间序列：给定股票时间序集合x通过x（ti，of，ci，hi，li）来表示与股票时间序列有关的价格，其中Oi，Ci，hi，li分别被用来表示在ti交易日与股票时间序列有关的开盘价，收盘价，最高价以及最低价。

定义2：在股票时间序列集合x（ti，oi，ci，hi，li）中，当0f>cf并且oi-1>ci-1时，如果在[ti-1，ti]区间内满足oi>hi-1，则时间序列x在[ti-1，ti]区间内为向上跃空形态；如果lt>hi-1则时间序列x在[ti-1，靠1区间内为绝对向上跃空形态。当ot

定义3：给定股票时间序集合x，通过x来表示与股票时间序列有关的成交量，其中vi表示在交易日ti的成交量。

2跃空形态的算法与检测

股票市场的数据是海量的，如何在其中挖掘出有意义的数据是研究者需要考虑的问题，本文提出了一种算法结合编程软件能够有效的检测到具有跃空形态的片段，通过定义2可得如下方法。

算法1：向上跃空形态片段检测算法

选取某一个交易日得到的股票时间序列x（ti，Oi，ci，hi，ti），把第i天的开盘价与第i-1天最高价hi-1进行比较，如果ot>hu-1则找到向上跃空片段。

算法2：绝对向上跃空形态片段检测算法

选取某一个交易日得到的股票时间序列把第i天的最低ti与第i-1天最高价ht-1进行比较，如果ti>hu-1则检测到绝对向上跃空片段。

算法3：向下跃空形态片段检测算法

选取某一个交易日得到的股票时间序列把第i天的开盘价Df与第i.1天最低价h-1进行比较，如果ot

算法4：绝对向下跃空形态片段检测算法

选取某一个交易日得到的股票时间序列把第i天的最高价hu与第i-1天最低价lt-1进行比较，如果hu

成交量是反应股票趋势的一个重要因素，在本文所提出的算法检测出跃空形态的前提下，为了更好的判断成交量是否增加或者减少，我们设定如下公式作为判断成交量趋势变化的依据，其表达形式为：

其中w表示第ti天的成交量；如果01，则成交量显著增加。

以深证股票为例，我们随机选取了几只股票，通过对股票历史数据的处理，结合Matlab及仿真软件，利用上述算法，找到了相应的跃空形态的片段，如图1，图2所示。

3实证分析

本文选取上证A股50支股票在2014年1月至2015年12月连续两年的数据作为实验数据，检测得到了1152个跃空形态片段，其中向上跃空形态603个，向下跃空形态549个。以每个季度为时间段对其进行分类，总共分为8个时间段，其数据表如表1所示。

由数据表分析可知：在2014年4月到9月之间，跃空出现的频率相对较少，且向上和向下跃空次数相差不大，股价处于一个平稳的时期；在2014年和2015年的10月到12月期间，向上跃空次数明多于向下跃空次数，股价呈现出上扬的趋势。

为了进一步证实该方法的有效性，本实验提取并了跃空形态片段下所对应的成交量，由公式（1）的计算结果表明：向上跃空形态所对应的成交量中，成交量上升的次数远大于下降的次数；而在向下跃空形态所对应的成交量中，成交量上升的次数则相对较少。数据统计表如表2，表3，表4所示（其中表2和表3分别为向上跃空形态和向下跃空形态每个季度成交量的变化趋势，表4为成交量总体趋势的比率）。

通过对表4数据进行分析可得：在向上跃空形态中，成交量上升比率达到了86.9%，其中近30%比前一日的成交量高出一倍以上；在向下跃空形态中，成交量减少的比率为59.6%，且发生显著变化的仅为5.6%。股票价格变动有一种“势头”，股价一旦沿着一定方向移动时，股价运动的这种势头往往就沿着同一方向继续运动。当跃空形态出现后，股票的价格趋势一般会朝着该方向延续，成交量保持在一定的水平之上。所以，在某种程度上，成交量随着股票价格的波动而变化，而成交量的变化，也影响着股价的走势。

4结论

本文提出了一种检测股票市场奇异形态片段的方法，通过对上证A股历史数据的检测和分析，结果表明，该方法对当前股票价格的运动趋势的分析能够取得较好的效果。最后对奇异形态片段所对应的成交量的分析，进一步证实了本文所提出方法的有效性。当然，股票市场是一个复杂的系统，其中还包含了一些人为操作以及政策因素的影响，这就使得对股票趋势的分析变得更加艰难。