股票技术指标聚类分析

  文件类型：PDF/Adobe Acrobat   文件大小：字节

更多搜索：股票  技术指标  聚类分析  
股票技术指标聚类分析股票技术指标聚类分析
+纪胜财,++巫沛仓,++尤明伟
+华梵大学工业管理系
scchi@huafan.hfu.edu.tw
++义守大学工业工程与管理研究所
摘要
本研究的主要目的是探讨有关技术指标涨跌
对於大盘指数涨跌间的关联性,以了解不同指标涨
跌相互影响下会造成大盘指数走势如何发展的关
系,进而利用技术指标涨跌,作为辅助预测大盘指
数涨跌情形.对於技术指标资料之组织映射图网路
聚类分析是采用六十一种技术指标,以每个指标的
特徵向量来做为输入值,并将各项技术指标一百日
的表现情形做为特徵向量.由网路拓朴座标上分布
情形及以往之研究结果分类成七群,并进一步利用
灰色关联分析探讨各群中指标间的关系,由实验数
据显示获得之结果相当良好.
关键字:技术指标,聚类分析,类神经网路,自组
织映射网路,灰色关联分析
一,绪论
影响股票涨跌的因素非常多,如何利用电脑由
过去股票交易市场的交易纪录中寻找出影响股票
涨跌的指标,并利用这些指标来预测股票价格未来
的涨跌,提供给投资者以决定何时进出股票市场的
时机,使其能获得最高的投资获利是一项相当热门
的研究课题.
一份资讯对於解决问题的贡献程度称之为该
份资讯的品质,而以最少的人力,物力及时间获得
高品质资讯称之为资讯成本,高品质和低成本的资
讯是指从全部的资讯中筛选出对决策问题有重大
影响或改变的资讯,而使用筛选出的资讯所做的决
策和使用全部资讯作决策有相同或相似的结果,所
以如何达到高品质和低成本的资讯是本研究的重
要课题.
为了设计出能於大量资料库中筛选出影响性
显著因素的演算法,例如先将要处理的资料予以整
理,然后再进行分类(Classification),萃取因素
(Mining Factors),因素丛集(Factors Clustering),
关联分析(Association Analysis),规则萃取(Rule
Extraction)等,发现一些隐藏於资料库中的规则
或知识.此演算法运用於决策领域,协助决策者删
减影响性低的属性,使决策者获取影响性较高的属
性用来做出正确的决策,如此,决策品质及结果均
会有很好的表现,而且也可以减少决策者分析属性
时所花费的时间和成本.
本研究的主要目的是探讨有关技术指标涨跌
对於大盘指数涨跌间的关联性,以了解不同指标涨
跌相互影响下会造成大盘指数走势如何发展的关
系,进而利用技术指标涨跌,作为辅助预测大盘指
数涨跌情形.应用类神经网路(Artificial Neural
Network, ANN)将技术指标予以分类
(Classification),并将相似性高的指标聚类.技术
指标的聚类主要目的是将性质或趋势彼此相近或
相似的技术指标聚为同一类;而神经网路训练学习
方面,是利用自组织映射图网路(Self-Organizing
Map, SOM)模式,将技术指标中具有相同性质或
指标中具有相似或相同走势的指标归为一类.如
此,有助於后续模糊类神经网路模式,寻找指标涨
跌对於大盘指数走势影响的规则,不会因分析的指
标彼此性质差异太大,造成规则库过於复杂不易找
出规则的问题.
二,文献探讨
国内外有关资讯筛选的相关文献,於1980年
代以后纷纷出现,兹分自组织映射图,灰色关联分
析及股票预测相关文献说明之.
(一)自组织映射图
自组织映射图神经网路[叶怡成,1999],[叶怡
成,1998],[Jacek,1992]是一种非监督式学习网路模
式,是由Tuevo Kohonen在1979年至1982年间所
发展完成的一种竞争架构为学习基础的类神经网
路模式.一个典型的SOM型类神经网路的架构包
括两层网路层,输入层的每个人工神经元都是完全
连接到二维的Kohonen网路层上的每个神经元上.
SOM网路的基本原理便是计算输入的特徵值
映射至输出层每一人工神经元的欧几里得距离
(Euclidean Distance),而具有最小距离值的人工
神经元的邻近区域也会调整本身的连结权重值,使
自己与输入向量间的欧几里德距离能够减少.
(二)灰色关联分析
关联分析又称为系统因素分析,透过它可将系
统内众多因素,依个别
·上一篇：潍坊中新双语学校教师专业自主发展的实施方案
·下一篇：旅游与饭店会计自测题