基于相似性匹配和聚类的K线模式可盈利性研究

K线模式是股票短期投资中最常用的技术分析工具,但学术界却对K线模式的可盈利性存在争议。为了客观评价K线模式的可盈利性,提出从数据挖掘的角度出发,采用模式识别、模式聚类和模式知识挖掘的方法来对K线模式的盈利能力进行研究。为此,首先定义了K线序列的相似性匹配模型来解决K线模式的相似性匹配问题;然后,定义了K线序列的最近邻聚类算法来解决K线模式的聚类问题;最后,定义了K线模式盈利能力度量模型来对K线模式不同形态的利能力进行分析。实验采用近11年上证180指数成份股的数据作为测试数据集,对白三兵和黑三鸦这两个模式的盈利能力进行分析。实验结果表明:同一个K线模式的不同形态的盈利能力差别很大,有时甚至完全相反,这是K线模式可盈利性产生争议的一个主要原因。为了解决这一争议并提高基于K线模式的股票投资效果,亟需根据形态特征对现有的每一个K线模式做进一步分类,并提供更加严谨的模式定义。

基于K线序列相似性搜索的股票价格预测

现有K线模式主要是通过人工观察方式(即人工相似性搜索)获得的。针对现有K线模式在股票预测中预测效果一般,且部分学者否认K线模式具有预测能力的现状,采用计算机技术和数据挖掘等方法,重新对K线序列相似性搜索预测进行研究。首先,定义K线序列的相似性度量模型,包括K线序列的形态相似性和位置相似性,来解决K线序列的相似性匹配问题;接着,基于K线序列的相似性度量模型,定义K线滑动搜索算法,来解决K线序列的相似性搜索问题;最后,基于K线序列的相似性搜索结果,提出了两种股票价格预测方法:普通序列相似性搜索预测法和模式序列相似性搜索预测法。在实验中,普通序列和模式序列两种方法的预测准确率分别可以达到72.5%和77.8%。实验结果表明,K线模式具有预测能力,且K线模式较普通序列的预测效果更好;提出的两种股票预测方法,均可以较好地应用于股票预测与投资。