陳金林

(廣東外語外貿(mào)大學(xué)南國商學(xué)院，廣東 廣州 510545)

基于大數(shù)據(jù)視角的我國股市行情分類淺析

陳金林

(廣東外語外貿(mào)大學(xué)南國商學(xué)院，廣東 廣州 510545)

大數(shù)據(jù)時代，數(shù)據(jù)創(chuàng)造價值的理念逐步深入人心，人們期待數(shù)據(jù)可以更好地為業(yè)務(wù)服務(wù)。由于股市行情數(shù)據(jù)的高度復(fù)雜性，使得一般的數(shù)據(jù)建模方法在進(jìn)行股市行情建模時失效，而大數(shù)據(jù)方法具有靈活性、自適應(yīng)性和非線性等特點(diǎn)，在處理股市行情數(shù)據(jù)時有很好的應(yīng)用效果。本文運(yùn)用大數(shù)據(jù)技術(shù)的k - 近鄰分類方法，把我國股市行情分為下跌、反彈、上漲和回調(diào)四種類型。通過流式實(shí)時處理，驗(yàn)證了任一未知類行情總能與分類器中的一類行情相吻合。

大數(shù)據(jù)；股市行情；k - 近鄰分類

由于股市行情數(shù)據(jù)的復(fù)雜性，傳統(tǒng)的分類方法和計(jì)算技術(shù)很難根據(jù)行情數(shù)據(jù)對其進(jìn)行分類。但是，大數(shù)據(jù)方法具有靈活、自適應(yīng)和非線性等優(yōu)點(diǎn)，處理技術(shù)以流式計(jì)算方式為主，擅長線下和聯(lián)機(jī)實(shí)時計(jì)算。根據(jù)股市行情數(shù)據(jù)的特點(diǎn)，通過迭代計(jì)算和數(shù)據(jù)挖掘，采用k - 近鄰分類方法，對我國股市行情進(jìn)行分類具有可行性。

一、股市行情和大數(shù)據(jù)

通常情況下，人們在論述股市行情時，認(rèn)為股市行情主要是指股票的市場價格：收盤價、開盤價、最高價抑或最低價。單位時間內(nèi)，股票市場指數(shù)或者某只股票的市場價格，也就是股市行情，由投資者做多或者做空的情緒、未來的預(yù)期等等因素決定，即股市行情是股市各種因素在此時綜合作用的結(jié)果。

在大數(shù)據(jù)時代，數(shù)據(jù)已經(jīng)成為金融企業(yè)的重要戰(zhàn)略資產(chǎn)。金融企業(yè)內(nèi)部積累了豐富的用戶數(shù)據(jù)和交易數(shù)據(jù)，數(shù)據(jù)類型從傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)擴(kuò)展為社交數(shù)據(jù)、流數(shù)據(jù)、地理空間數(shù)據(jù)、傳感器數(shù)據(jù)等，數(shù)據(jù)時效從穩(wěn)定的靜態(tài)數(shù)據(jù)擴(kuò)展到實(shí)時動態(tài)數(shù)據(jù)。我國股市經(jīng)過26年多的發(fā)展，已經(jīng)產(chǎn)生了大量的數(shù)據(jù)。以上證指數(shù)為例，單位時間內(nèi)收盤價、開盤價、最高價、最低價叫做一組價格，如果單位時間為一月，則產(chǎn)生了312組價格，如果單位時間為1分鐘，則產(chǎn)生了156萬余組價格。這些海量數(shù)據(jù)已形成了一個巨大的數(shù)據(jù)倉庫。

二、我國股市行情分類淺析

(一)股市行情數(shù)據(jù)具有的特點(diǎn)

與其他領(lǐng)域的數(shù)據(jù)比較，股市行情數(shù)據(jù)具有多種特點(diǎn)：

第一，股市行情數(shù)據(jù)為時間序列數(shù)據(jù)。在相等的時間間隔(單位時間，如每分鐘、每小時或者每天)出現(xiàn)，由經(jīng)濟(jì)過程產(chǎn)生，自然觀測的結(jié)果。股市行情時間序列數(shù)據(jù)包含不同時間點(diǎn)，重復(fù)測量得到。

第二，股市行情數(shù)據(jù)類型多。既有結(jié)構(gòu)化數(shù)據(jù)，又有社交數(shù)據(jù)，還有地理空間數(shù)據(jù)等等。

第三，股市行情數(shù)據(jù)關(guān)系復(fù)雜。數(shù)據(jù)之間的關(guān)系很難用一個簡單的數(shù)學(xué)公式來表示，具有高度的復(fù)雜性和非線性。

第四，股市行情數(shù)據(jù)特別具有動態(tài)性。在股市交易時間內(nèi)，隨著時間的推移行情會發(fā)生劇烈變化，呈現(xiàn)動態(tài)特征。

第五，股市行情數(shù)據(jù)自相關(guān)性強(qiáng)。時下的行情受前期行情的影響特別大，尤其我國實(shí)施的漲跌停板，雖然在預(yù)防非理性投資方面有重要作用，但是加深了股市行情數(shù)據(jù)的自相關(guān)。

概括來講，股市行情數(shù)據(jù)的特點(diǎn)與現(xiàn)在是一個大數(shù)據(jù)時代的特點(diǎn)相吻合。數(shù)據(jù)創(chuàng)造價值的理念深入人心，期待數(shù)據(jù)可以真正地為業(yè)務(wù)服務(wù)。相應(yīng)地，一些專做數(shù)據(jù)服務(wù)的第三方公司不斷涌現(xiàn)，希望能夠幫助需要數(shù)據(jù)的人們提供數(shù)據(jù)服務(wù)，挖掘出更多有價值的規(guī)律。

(二)股市行情分類處理技術(shù)的特征

在大數(shù)據(jù)視角下，股市行情分類處理技術(shù)有自己的特征，表現(xiàn)為：

第一，股市行情數(shù)據(jù)結(jié)構(gòu)化處理技術(shù)明顯。如果分析行情，而不考慮行情價格的社交和地理空間等，經(jīng)主成分分析后，最強(qiáng)的系數(shù)呈現(xiàn)結(jié)構(gòu)化數(shù)據(jù)特征。非結(jié)構(gòu)化/半結(jié)構(gòu)化數(shù)據(jù)占所有數(shù)據(jù)的比例比較小。

第二，股市行情數(shù)據(jù)獲取處理技術(shù)以流式計(jì)算方式為主。這是因?yàn)楣墒行星閿?shù)據(jù)是時間序列數(shù)據(jù)，雖然在構(gòu)造分類器時采用批處理計(jì)算方式，但其實(shí)質(zhì)還是流式計(jì)算方式。

第三，股市行情數(shù)據(jù)采用的計(jì)算類型是數(shù)據(jù)挖掘。通常情況下，需要對股市行情數(shù)據(jù)進(jìn)行挖掘。通過數(shù)據(jù)或維度規(guī)約和變換后，數(shù)據(jù)被映射到變換后的空間里，保留變換后最強(qiáng)的系數(shù)作為特征，能最大限度地反映股市行情數(shù)據(jù)的實(shí)質(zhì)內(nèi)容。維規(guī)約和變換技術(shù)主要采用基于主成分分析的奇異值分解(因超出文章的重點(diǎn)，不做討論)。

第四，股市行情數(shù)據(jù)處理技術(shù)以實(shí)時計(jì)算為主。聯(lián)機(jī)計(jì)算和線下實(shí)時計(jì)算相結(jié)合，處理技術(shù)要求具有即時高響應(yīng)性，未知分類的股市行情必須實(shí)時反映交易所的對應(yīng)行情。線下實(shí)時計(jì)算的數(shù)據(jù)要能實(shí)時地從第三方獲得，以保證股市行情在任何情況下的實(shí)時和正確。

第五，股市行情數(shù)據(jù)處理技術(shù)需要大量的迭代計(jì)算，為此必須提供具有高效的迭代計(jì)算能力的大數(shù)據(jù)處理技術(shù)。

由上可知，大數(shù)據(jù)視角下的股市行情分類的處理技術(shù)與傳統(tǒng)的數(shù)據(jù)處理技術(shù)不同。與所有新事物剛出現(xiàn)一樣，大數(shù)據(jù)是一個尚未被明確定義的概念。它如此年輕，以至于走在世界前沿的大學(xué)還沒來得及完善這門專業(yè)，世上頂尖的專家還未能形成統(tǒng)一的理論體系，所有對大數(shù)據(jù)進(jìn)行研究的人們都還在感悟。用大數(shù)據(jù)對股市行情進(jìn)行分類嘗試更是如此，何況到現(xiàn)在為止，人們無法用傳統(tǒng)的數(shù)據(jù)處理方法對股市行情進(jìn)行比較正確的分類，或者大家都認(rèn)可的股市行情分類方法。

但是有一點(diǎn)可以肯定，應(yīng)該嘗試用大數(shù)據(jù)對股市行情進(jìn)行分類。能夠處理股市行情數(shù)據(jù)的專業(yè)人才可以是金融領(lǐng)域的專家，或者來自數(shù)學(xué)、物理或計(jì)算機(jī)工程領(lǐng)域的人們，因?yàn)檫@需要極強(qiáng)的專業(yè)知識背景與專業(yè)培訓(xùn)。正在研究大數(shù)據(jù)的人們認(rèn)為，大數(shù)據(jù)挖掘并沒有一定的方法，更多需要依靠挖掘者的天賦與靈感，這給那些想從大數(shù)據(jù)視角對股市行情進(jìn)行分類的人們指明了方向。

(三)股市行情分類的可行性方法

由于行情數(shù)據(jù)的高度復(fù)雜性，使得一般的數(shù)據(jù)建模方法在進(jìn)行股市行情建模時失效，而大數(shù)據(jù)方法具有靈活性、自適應(yīng)性和非線性等優(yōu)點(diǎn)，在處理股市行情數(shù)據(jù)時有很好的應(yīng)用效果，實(shí)際的股市投資也證實(shí)了這一點(diǎn)確實(shí)大有可為。

在大數(shù)據(jù)技術(shù)中，分類是一種比較重要的數(shù)據(jù)分析手段，其目的是利用已有的觀測數(shù)據(jù)，通過分析觀測數(shù)據(jù)的特征，來構(gòu)造一個分類器，將任何未知的數(shù)據(jù)對象進(jìn)行分類。

在股市行情分類中，k - 近鄰分類方法比較好。優(yōu)點(diǎn)是事前不要通過數(shù)據(jù)來學(xué)好分類模型，再對未知樣本分類，而是存儲帶有標(biāo)記的樣本集，給一個沒有標(biāo)記的樣本，用樣本集中k個與之相近的樣本對其進(jìn)行及時分類。

具體來講，股市行情k - 近鄰分類基本思路是：

第一步，對已有的股市行情數(shù)據(jù)進(jìn)行函數(shù)F (X) 處理(由于某種原因，不對F (X) 進(jìn)行闡述)，得到標(biāo)記好的樣本集。對股市行情數(shù)據(jù)樣本集進(jìn)行數(shù)據(jù)或維度規(guī)約和變換，使數(shù)據(jù)被映射到變換后的空間，保留變換后最強(qiáng)的系數(shù)作為特征，得到可視圖。

第二步，取近鄰的一個未知分類的股市行情樣本用來對其分類，也就是用未知類行情的可視圖和樣本可視圖進(jìn)行比較，得到未知類行的分類；

第三步，逐一取出近鄰樣本集中的股市行情，與未知類股市行情相比較，找到k個與之相近的股市行情數(shù)據(jù)，用這k個股市行情的樣本的類為未知行情定類；

第四步，當(dāng)把股市行情數(shù)據(jù)看做連續(xù)時間序列時，用k個股市行情的樣本可視圖為未知行情數(shù)據(jù)分類。

(四)基于大數(shù)據(jù)視角下我國股市行情分類

當(dāng)人們從第三方獲得股市行情的大數(shù)據(jù)后，對已有的股市行情數(shù)據(jù)進(jìn)行函數(shù)F (X) 處理，然后得到可視圖(如下圖(1))。

現(xiàn)在對股市行情數(shù)據(jù)經(jīng)函數(shù)F (X)處理后進(jìn)行概括。

F (X)作用數(shù)據(jù)樣本集，是時間T的N維空間函數(shù)，在進(jìn)行數(shù)據(jù)或維度規(guī)約和變換后可以得到兩個函數(shù)s(t)和b(t)，兩個函數(shù)均為時間的一階邊際函數(shù)，它們的數(shù)據(jù)被映射到變換后的二維空間，反映股市中多方和空方的行情變化。

設(shè)：

s(t)為空方行情的邊際函數(shù)，當(dāng)s(t)<0時，空方行情加強(qiáng)；當(dāng)s(t)>0時，空方行情減弱。

b(t)為多方行情的邊際函數(shù)，當(dāng)b(t)<0時，多方行情減弱；當(dāng)b(t)>0時，多方行情加強(qiáng)。

由于股市行情數(shù)據(jù)不為零，所以行情數(shù)據(jù)進(jìn)行維度規(guī)約和變換后s(t)和b(t)不會同時為零。根據(jù)排列組合知識，可以得到s(t)和b(t)如下四種組合：

第一種組合：b(t)

第二種組合：s(t)

第三種組合：b(t)>s(t)>0，多頭行情加強(qiáng)的變化幅度比空頭行情減弱的幅度還要大，行情以多頭行情為主，趨向升；

第四種組合：s(t)>b(t)>0，多頭行情減弱的變化幅度比空頭行情加強(qiáng)的幅度還要大，雖然以多頭行情為主，但是行情上升中空頭行情的變化在加強(qiáng)，升中有跌。

s(t)和b(t)是同時存在的一對結(jié)構(gòu)化數(shù)據(jù)，經(jīng)可視化后反映一個單位時間的股市行情，上述四種組合中的一種形式的連續(xù)N對結(jié)構(gòu)化數(shù)據(jù)組合形成了一個可視圖，能反映行情的特征。由反推可以得出，連續(xù)N對結(jié)構(gòu)化數(shù)據(jù)組合表現(xiàn)出了相同屬性的一個股市行情，可視圖就構(gòu)成一個分類器，如圖(1)所示。

圖(1)附注：①下跌 ②反彈 ③上漲 ④回調(diào)

經(jīng)過對股市行情k-近鄰分類后，發(fā)現(xiàn)我國股市行情有四種類型：

第一種組合為下跌行情；

第二種組合為反彈行情；

第三種組合為上漲行情；

第四種組合為回調(diào)行情。

三、結(jié)論

從大數(shù)據(jù)視角對我國股市行情進(jìn)行分類，是一種嘗試。這種分類方法在實(shí)踐中得到了的檢驗(yàn)，證明是行之有效的。

圖(1)下半部分里的可視圖，是對圖(1)上半部分股市行情進(jìn)行了數(shù)據(jù)處理的結(jié)果，并分類。任一未知類行情，通過流式實(shí)時處理，經(jīng)過k - 近鄰方法分類，總能與分類器中的另一類行情相吻合。

[1] 王珊，王會舉，覃雄派. 架構(gòu)大數(shù)據(jù)：挑戰(zhàn)、現(xiàn)狀與展望[J]. 北京：計(jì)算機(jī)學(xué)報(bào)，2011.

[2] 汪永強(qiáng). 社會化網(wǎng)絡(luò)中的推薦算法及其應(yīng)用[J]. 上海：上海交通大學(xué)，2012.

[3] 許偉，梁循，楊小平. 《金融數(shù)據(jù)挖掘：基于大數(shù)據(jù)視角的展望》[M]. 北京：知識產(chǎn)權(quán)出版社，2013.

[4] 陳利強(qiáng)，梁如見，張新宇. 《金融大數(shù)據(jù)：戰(zhàn)略規(guī)劃與實(shí)踐指南》[M]. 北京：電子工業(yè)出版社，2015.

[5] 李福東.《大數(shù)據(jù)運(yùn)營：服務(wù)型企業(yè)架構(gòu)新思維》[M]. 北京：清華大學(xué)出版社，2015.

[6] 魏瑾瑞. 《統(tǒng)計(jì)學(xué)視角下的金融高頻數(shù)據(jù)挖掘理論與方法研究》[M]. 北京：中國社會科學(xué)出版社，2015.

廣東省本科高校教學(xué)質(zhì)量與教學(xué)改革工程項(xiàng)目《計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用型人才培養(yǎng)示范專業(yè)》粵教高函[2015]133號