(四川大學(xué)　四川　成都　610000)

一、關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是美國(guó)IBM Almaden Research Center Rakeesh Agrawal等人于1993年首先提出來的KDD研究的一個(gè)重要課題。關(guān)聯(lián)規(guī)則挖掘本質(zhì)是從大量的數(shù)據(jù)中或?qū)ο箝g抽取關(guān)聯(lián)性，它可以揭示數(shù)據(jù)間的依賴關(guān)系，根據(jù)這種關(guān)聯(lián)性就可以從某一數(shù)據(jù)對(duì)象的信息來推斷另一個(gè)的信息。

二、關(guān)聯(lián)規(guī)則在股票市場(chǎng)中的應(yīng)用

在證券交易市場(chǎng)中，每天都有以交易行情為主的大量數(shù)據(jù)匯入數(shù)據(jù)庫(kù)。如果把同一天股票的上升(或下降)事件看成是被放入同一個(gè)貨籃的貨物，那么一個(gè)時(shí)期的股票交易數(shù)據(jù)就會(huì)形成多個(gè)貨籃數(shù)據(jù)。既然可以挖掘出規(guī)則：“如果一個(gè)貨籃中有嬰兒紙尿布，那么該貨籃中有啤酒的概率是80%”，也可以挖掘出同一時(shí)期內(nèi)股票上升(或下跌)的聯(lián)動(dòng)規(guī)則。Apriori 算法恰好是解決這類問題的有效方法，但是，由于股票行情數(shù)據(jù)是以時(shí)間序列方式存儲(chǔ)在數(shù)據(jù)庫(kù)中，無法直接用Apriori 算法進(jìn)行數(shù)據(jù)挖掘；要在股票行情數(shù)據(jù)庫(kù)中挖掘出根據(jù)時(shí)間而前后聯(lián)動(dòng)的關(guān)聯(lián)規(guī)則，需要在貨籃數(shù)據(jù)中多引入一個(gè)參數(shù)：時(shí)間間隔。

另外，為了提高挖掘過程的有效性，還應(yīng)確定目標(biāo)關(guān)聯(lián)規(guī)則(即元規(guī)則)的形式。根據(jù)上面給出的用戶感興趣的規(guī)則形式：“T時(shí)間內(nèi)，當(dāng)A股票價(jià)格上漲時(shí)，B股票價(jià)格也會(huì)隨之上漲”。所以我們主要關(guān)心的是股票交易的時(shí)間和漲跌幅，其他如開盤價(jià)、成交量等可以認(rèn)為是一些無關(guān)信息。

(一)數(shù)據(jù)來源

本文從國(guó)泰君安數(shù)據(jù)庫(kù)中選取從2016年8月至2017年8月所有交易日下編號(hào)靠前的部分股票作為測(cè)試樣本，以探求關(guān)聯(lián)規(guī)則在股票市場(chǎng)中的應(yīng)用，剔除停盤日后初始下載樣本數(shù)為52109條。

(二)數(shù)據(jù)預(yù)處理

1.導(dǎo)入數(shù)據(jù)

首先，我們將包含編號(hào)(gtacode)、股票名稱(Title)、交易日期(accpertime)、開盤價(jià)(Opnprc_JY)、收盤價(jià)(Clsprc_JY)和漲跌幅在內(nèi)的原始數(shù)據(jù)通過txt的形式導(dǎo)入到R語言中。

>setwd(“/Users/zhongzhong/Documents”)

>mydata

導(dǎo)入數(shù)據(jù)后，使用View(mydata)將會(huì)在軟件中顯示出所導(dǎo)入的數(shù)據(jù)。

2.數(shù)據(jù)的檢驗(yàn)

(1)缺失值

①識(shí)別缺失值

我們首先用is.na()函數(shù)識(shí)別數(shù)據(jù)中的缺失值。

②探究缺失值

然后我們用sum(is.na())函數(shù)計(jì)算上海這個(gè)數(shù)據(jù)框中缺失值的數(shù)目，得到為1。

(2)錯(cuò)誤值

除了缺失值以外，我們還需要檢驗(yàn)數(shù)據(jù)中有沒有不符合實(shí)際的情況，比如漲跌幅中不可能有超過+10%和-10%的股票。經(jīng)檢驗(yàn)，沒有出現(xiàn)這種情況。

(3)變量類型

在數(shù)據(jù)錄入過程中，我們通過str()函數(shù)發(fā)現(xiàn)gtacode為數(shù)值型(int)，Title和時(shí)間為(Factor)，其余都為類別型(chr)，所有在后面的數(shù)據(jù)清理當(dāng)中需要進(jìn)行類型的轉(zhuǎn)換。

3.數(shù)據(jù)的清理

(1)缺失值的處理

通過na.omit()移除所有含有缺失值的觀測(cè)，使得數(shù)據(jù)中不再含有缺失值。

(2)類型的轉(zhuǎn)換

通過as.character()對(duì)Title進(jìn)行轉(zhuǎn)換為字符型，然后通過as.Data()對(duì)時(shí)間進(jìn)行轉(zhuǎn)換。

4.數(shù)據(jù)的規(guī)整

考慮到主要關(guān)鍵信息是股票交易的時(shí)間和漲跌幅，所以只篩選出編號(hào)、時(shí)間和漲幅三列有效數(shù)據(jù)：

>mydata<-mydata[,c(1,3,6)]

為了清晰明了的挖掘出用戶感興趣的規(guī)則形式：“T時(shí)間內(nèi)，當(dāng)A股票價(jià)格上漲時(shí)，B股票價(jià)格也會(huì)隨之上漲”，我們首先設(shè)定出一個(gè)時(shí)間間隔，同時(shí)限定最小漲幅來減少工作量。

定義1 設(shè)最小漲幅Zmin，|Zmin|<10%

定義2 設(shè)過票交易集T={T1,T2,…，Ts}，其中T1=2016-08-02，Ts=2017-08-02

按最小漲幅篩選之后，可以由下圖看到，之前5萬多條數(shù)據(jù)驟減到了1345條，故時(shí)間段上我們將不做篩選調(diào)整，保留一年交易日的數(shù)據(jù)：

>mydata1<-subset(mydata,漲跌幅>=0.05)

>view(mydata1)

5.apriori算法運(yùn)用

這樣之后，我們將mydata1讀出為txt格式，為后面讀入成transactions數(shù)據(jù)格式做準(zhǔn)備。然后使用read.transactions函數(shù)轉(zhuǎn)換成事務(wù)型數(shù)據(jù)，可以利用dim(trans)和summary(trans)來查看數(shù)據(jù)集的基本情況。

圖1　apriori算法代碼展示

上圖得到前五個(gè)item的支持度分別為0.10169492、0.10169492、0.09322034、0.08898305、0.08898305。

這里我們所做的是在生成規(guī)則：知道了頻繁項(xiàng)集，過濾掉非頻繁項(xiàng)集，并找出第一步的頻繁項(xiàng)集中的規(guī)則:

>sum(itemFreq)

>trans[size(trans)>1]

>myrules=apriori(trans,parameter=list(support=0.01,confidence=0.1,minlen=2,maxlen=20,target=“rules”))

接下來我開始使用apriori算法生成一條關(guān)聯(lián)規(guī)則myrules如上圖：支持度為0.01，置信度為0.1，這里的minlen和maxlen是指規(guī)則的LHS+RHS的并集的元素個(gè)數(shù)，具體的規(guī)則顯示在下圖中。

圖2　apriori算法顯示

從返回結(jié)果中看，可以看到總共有1299條規(guī)則生成。同時(shí)，有236條交易記錄的transaction，225個(gè)商品item等信息。然后使用summary(myrules)可以查看規(guī)則匯總信息如下，包括每個(gè)籃子(交易)中含有的股票數(shù)目以及支持度、置信度的最小值、最大值和中位數(shù)等信息。

圖3　規(guī)則匯總信息

第一部分：規(guī)則的長(zhǎng)度分布：就是minlen到maxlen之間的分布。如上例，len=2有492條規(guī)則，len=3有372條規(guī)則…

第二部分：quality measure的統(tǒng)計(jì)信息

第三部分：挖掘的相關(guān)信息。

了解了這些信息以后，我們所最關(guān)心的就是具體規(guī)則了，使用inspect()函數(shù)進(jìn)行查看具體的規(guī)則，下面我們先展現(xiàn)前十條規(guī)則：

圖4規(guī)則的具體展示

三、相關(guān)結(jié)果

本文選擇了國(guó)泰安數(shù)據(jù)庫(kù)中的部分股票進(jìn)行關(guān)聯(lián)規(guī)則的應(yīng)用實(shí)驗(yàn)分析，得到了許多有意義的規(guī)則。如上圖，在支持度為1%，置信度為10%的條件下，代碼為000026和000678的兩只股票有同時(shí)上漲的趨勢(shì)，在上述挖掘結(jié)果的基礎(chǔ)上，我們可以進(jìn)行二次挖掘，進(jìn)一步分析各支股票之間趨勢(shì)變化的周期性和多維相似性等，得到更多有用的結(jié)果。

【參考文獻(xiàn)】

[1]Usama Fayyad，Gregpru Oatesdu-Shapiro,Padhraic Smyth,RAMASACY UTHURU SAMYMY,ETAL.Advances in Knowledge Discovery and Data Mining[M].AAAI Press/The MIT Press,1996.

[2]Gregory Piatesdy-Shapiro,Willam J Frawley,Editors.Knowledge Discovery in Databases[M].AAAI Press,1991.

[3]陸麗娜，陳亞萍，揚(yáng)麥順，等.挖掘關(guān)聯(lián)規(guī)則算法的優(yōu)化處理[J].計(jì)算機(jī)工程與應(yīng)用，2000，(8):99～102.

[4]鄭朝霞，劉延建.關(guān)聯(lián)規(guī)則在股票分析中的應(yīng)用[J].成都大學(xué)學(xué)報(bào)，2002，(12)，46-49.