基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法
【專利摘要】本發(fā)明公開了一種基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，涉及專門適用于股票的買賣方法技術(shù)領(lǐng)域。所述方法首先根據(jù)股票價格序列的過程特性，建立含有系統(tǒng)自適應(yīng)參數(shù)的股票價格序列變化模型；其次，根據(jù)建立的股票價格序列變化模型，利用股票價格觀測數(shù)據(jù)值計算股票價格當(dāng)前估計值；然后根據(jù)股票價格估計值計算股票價格序列的速度和加速度，構(gòu)建股票買入賣出點；最后，根據(jù)股票價格加速度估計值修正系統(tǒng)自適應(yīng)參數(shù)，利用修正的系統(tǒng)自適應(yīng)參數(shù)更新股票價格序列的變化模型，利用更新的股票價格序列變化模型進(jìn)行下一次估計。所述方法可更準(zhǔn)確、更及時地表達(dá)股票趨勢的變化模型，給出股票的買賣點。
【專利說明】
基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及專口適用于股票的買賣方法技術(shù)領(lǐng)域，尤其設(shè)及一種基于股票動態(tài)趨 勢的股票買賣點構(gòu)建方法。
【背景技術(shù)】
[0002] 證券分析方法包括技術(shù)分析和基本面分析方法，技術(shù)分析的理論基礎(chǔ)基于=項市 場假設(shè):一、市場行為涵蓋一切信息;二、價格沿趨勢移動;=、歷史會重演。從運=個基本假 設(shè)出發(fā)，產(chǎn)生了不同流派的技術(shù)分析研究方法和理論體系。技術(shù)分析方法可分為5類:指標(biāo) 類、切線類、形態(tài)類、K線類、波浪類。使用最多的技術(shù)分析方法是技術(shù)指標(biāo)。技術(shù)指標(biāo)通過考 慮市場行為的多個方面建立一個數(shù)學(xué)模型，并給出完整的數(shù)學(xué)計算公式，從而得到一個體 現(xiàn)證券市場的某個方面內(nèi)在實質(zhì)的數(shù)據(jù)，即所謂技術(shù)指標(biāo)值。指標(biāo)值的具體數(shù)值和相互間 關(guān)系直接反映證券市場所處狀態(tài)，為操作行為提供指導(dǎo)方向。
[0003] 目前證券市場上的經(jīng)典技術(shù)指標(biāo)主要有相對強弱指標(biāo)(RSI)、隨機指標(biāo)化D)、平滑 異同移動平均線(MACD)、能量潮(OBV)等，人們通常使用運些經(jīng)典指標(biāo)構(gòu)建策略模型，得到 的往往是同質(zhì)模型，容易產(chǎn)生競爭交易導(dǎo)致額外風(fēng)險。并且經(jīng)典指標(biāo)，比如均線在表達(dá)股票 的波動時會更慢、更滯后一些。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種基于股票動態(tài)趨勢的股票買賣點構(gòu)建方 法，所述方法能夠利用Kalman濾波器對股票價格序列的速度、加速度變化特性進(jìn)行實時建 模跟蹤股票的動態(tài)趨勢，更準(zhǔn)確、更及時地表達(dá)股票趨勢的變化模型，給出股票的買賣點。
[0005] 為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案是：一種基于股票動態(tài)趨勢的股 票買賣點構(gòu)建方法，其特征在于包括如下步驟：
[0006] 1)建立估計股票序列系統(tǒng)模型，包括具有系統(tǒng)自適應(yīng)參數(shù)的股票價格序列變化模 型及股票主趨勢提取模型；
[0007] 2)根據(jù)建立的股票價格序列變化模型及股票主趨勢提取模型對股票價格序列狀 態(tài)進(jìn)行預(yù)測，得到股票價格序列的預(yù)測值，根據(jù)股票價格序列的預(yù)測值和股票價格數(shù)據(jù)觀 測值對股票價格序列狀態(tài)進(jìn)行更新，得到股票價格估計值；
[000引3)根據(jù)股票價格估計值得到股票價格序列的速度和加速度，構(gòu)建股票買入賣出 占 .
[0009] 4)根據(jù)股票價格序列的加速度估計值對系統(tǒng)自適應(yīng)參數(shù)進(jìn)行修正，進(jìn)而更新所述 的建立估計股票序列系統(tǒng)模型中的股票價格序列變化模型；
[0010] 5)重復(fù)W上步驟1)-4)，直至所有數(shù)據(jù)全部執(zhí)行完畢，則結(jié)束。
[0011] 進(jìn)一步的技術(shù)方案在于:在所述的步驟1)之前還包括股票價格序列變化狀態(tài)和系 統(tǒng)自適應(yīng)參數(shù)初始化的步驟。
[0012] 進(jìn)一步的技術(shù)方案在于:所述股票價格序列變化狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)初始化的 具體方法如下：
[0013] 設(shè)置股票價格序列變化狀態(tài)初值刮010) = Xo;
[0014] 系統(tǒng)自適應(yīng)參數(shù)初值a = a〇和。，其中a為頻率A請加速度方差；
[0015] 自相關(guān)函數(shù)初值r〇(0)和r〇(l)的初值取為HJ(O)=O, HJ(I)=O;
[0016] 系統(tǒng)加速度分量初值；(W =;(,。
[0017] 進(jìn)一步的技術(shù)方案在于:所述的步驟1)中建立具有系統(tǒng)自適應(yīng)參數(shù)的變化模型的 具體方法包括：
[0018] 1.1利用下式描述股票價格序列的變化特征
[0019] X 化+1) =巫化+l，k)x 化)+W 化）
[0020] 其中X = 毛卻'為3維狀態(tài)列向量，X，電度分別是位移、速度和加速度，X化+1)為k+ 1時刻股票價格序列的狀態(tài)向量，k為采樣時刻；O化+1，1〇為狀態(tài)轉(zhuǎn)移矩陣;X化)為k時刻股 票價格序列的狀態(tài)向量;W化)為過程噪聲，其均值為0,方差為Q化）；所述O化+1，1〇及Q化） 中含有股票價格序列頻率a和股票價格序列加速度方差扣；
[0021 ] 1.2利用下式建立股票主趨勢提取模型
[0022] y(k)=H(k)x(k)+v化）
[0023] 其中k為采樣時刻，y化)為股票價格序列在k時刻的股票價格觀測值，H化)為測量 矩陣，x(k)為k時刻股票價格序列的狀態(tài)向量;v(k)為白噪聲，其方差為R，且與過程噪聲W 化)相互獨立;H化)的取值方法為:H化）=[1 0 0]。
[0024] 進(jìn)一步的技術(shù)方案在于:所述步驟2)中根據(jù)建立的具有系統(tǒng)自適應(yīng)參數(shù)的變化模 型對股票價格序列狀態(tài)進(jìn)行預(yù)測，得到股票價格序列的預(yù)測值的具體方法如下：
[0025] 2.1根據(jù)建立的具有系統(tǒng)自適應(yīng)參數(shù)的變化模型和初始值完成股票價格序列狀 態(tài)的一步預(yù)測，預(yù)測方程式如下：
[0026]
[0027] 其中i(W A-U表示k-1時刻預(yù)測股票價格序列在k時刻的狀態(tài)，k為采樣時刻，I表 示條件操作符化，k-1)為狀態(tài)轉(zhuǎn)移矩陣;如表示股票價格序列k-1時刻股票價 格序列的估計值；
[0028] 2.2按照下式完成股票價格序列狀態(tài)協(xié)方差的一步預(yù)測：
[0029] P(k|k-1) =巫化，k-l)P 化-1 Ik-I)巫 T(k，k-1)+Q 化-1)
[0030] 其中P化Ik-I)表示k-1時刻預(yù)測股票價格序列在k時刻的狀態(tài)協(xié)方差，k為采樣時 刻，I表示條件操作符;P化-Ilk-I)表示k-1時刻股票價格序列的狀態(tài)協(xié)方差的估計值；O 化，k-l)為狀態(tài)轉(zhuǎn)移矩陣;9化-1)為過程噪聲協(xié)方差。
[0031] 進(jìn)一步的技術(shù)方案在于:所述步驟2)中根據(jù)股票價格序列的預(yù)測值和股票價格數(shù) 據(jù)觀測值對股票價格序列狀態(tài)進(jìn)行更新，得到股票價格估計值的具體方法如下：
[0032] 3.1根據(jù)股票價格序列狀態(tài)協(xié)方差預(yù)測值、測量矩陣及測量噪聲方差按照下式計 算濾波器增益
[0033] K(k)=P(k Ik-DHT化）[H(k)P(k Ik-DHT化)+R]t
[0034] 其中，K化)為濾波器增益，k為采樣時刻，P化Ik-1)表示k-1時刻預(yù)測股票價格序列 在k時刻的狀態(tài)協(xié)方差，H( k)為k時刻的測量矩陣，R為白噪聲的方差，護(k)為k時刻的測量 矩陣的轉(zhuǎn)置；
[0035] 3.2利用股票價格序列預(yù)測值和股票價格數(shù)據(jù)觀測值計算股票價格序列
[0036] 當(dāng)前估計值
[0037] 其中，i(A'| A勺表示k時刻股票價格序列的估計值，封A I&-1)表示k-1時刻時預(yù)測股 票價格序列在k時刻的狀態(tài)，k為采樣時刻，K化)為k時刻濾波器增益，y化)為股票價格接收 數(shù)據(jù)在k時刻的股票價格序列觀測值，H化)為k時刻的測量矩陣；
[0038] 3.3按照下式計算股票價格序列狀態(tài)協(xié)方差估計值，
[0039] P(k|k) = [I-mi0lKk)]P(k|k-l)
[0040] 其中I是3維單位矩陣，P化I k)表示k時刻的股票價格序列狀態(tài)協(xié)方差的估計值，k 為采樣時刻，K化)為k時刻濾波器增益，H化)為k時刻的測量矩陣，P化Ik-I)表示k-1時刻預(yù) 測股票價格序列在k時刻的狀態(tài)協(xié)方差。
[0041] 進(jìn)一步的技術(shù)方案在于:所述步驟3)中根據(jù)股票價格估計值獲得股票價格序列的 速度和加速度，構(gòu)建股票買入賣出點的具體方法如下：
[0042] 步驟4.1:利用步驟3.2中得到的k時刻股票價格序列的估計值如A'I A'），獲得股票價 格序列的速度如A' I巧、加速度為雌);
[0043] 步驟4.2:根據(jù)獲得的股票價格序列的速度主炸i片、加速度對*|&)構(gòu)建股票買賣點；
[0044] 當(dāng) 買入股票；
[0045] 當(dāng) ，賣出股票。
[0046] 進(jìn)一步的技術(shù)方案在于:所述步驟4)中根據(jù)股票價格估計值計算股票價格序列加 速度均值及加速度估計值，用其對系統(tǒng)自適應(yīng)參數(shù)進(jìn)行修正，具體方法如下：
[0047] 步驟6. 1 :按照下式獲取系統(tǒng)k-1時刻和k時刻的加速度估計值 a(/<),
[004引其中游I-1|左-1)為k-1時刻狀態(tài)估計去掉-1)的第；行值，！糾灰)為k時刻狀 態(tài)估計刮Al A)的第=行值。
[0049]進(jìn)一步的技術(shù)方案在于:根據(jù)采樣時刻k值的大小，選擇修正系統(tǒng)自適應(yīng)參數(shù)a和 巧的方法如下:若k小于等于4進(jìn)入步驟7.1，若k大于4進(jìn)入步驟7.2，
[0化0] 7.1當(dāng)采樣時刻k小于等于4時，按下式計算系統(tǒng)自適應(yīng)參數(shù)a和式，
[0051 ] a = a〇,其中Qq為系統(tǒng)自適應(yīng)參數(shù)a的初值，
[0化2]
[0化3]
[0054] 如果或/〇 = 0則式取(0，10 ]之間的任意數(shù)，
[0055] 其中，<5化)為k時刻股票價格加速度估計值，為圓周率，取為3.14，aM為正的常數(shù)， 取為3，a-M為與aM絕對值相等的負(fù)常數(shù)，取為-3;
[0化7]
[0化6] 7.2當(dāng)采樣時刻k大于4時，按下式計算系統(tǒng)自適應(yīng)參數(shù)a和爸，
[0化引 [0化9]
[0060]
[0061] 其中rk(l)為k時刻股票價格序列加速度向前一步相關(guān)函數(shù)，rk-i(l)為k-1時刻股 票價格序列加速度向前一步相關(guān)函數(shù)，為&-1)和新巧分別為k-1時刻和k時刻股票價格加速 度估計值;rk(0)為k時刻股票價格序列加速度自相關(guān)函數(shù)，rk-i(O)為k-1時刻股票價格序列 加速度自關(guān)函數(shù);a為一個系統(tǒng)自適應(yīng)參數(shù)，T為采樣間隔;楚為另一個系統(tǒng)自適應(yīng)參數(shù)。
[0062] 進(jìn)一步的技術(shù)方案在于:所述狀態(tài)初始值XO為3維全0列向量，維數(shù)為系統(tǒng)模型中 狀態(tài)向量的維數(shù);所述系統(tǒng)自適應(yīng)參數(shù)的初始值Cto和《二取任意正數(shù)。
[0063] 采用上述技術(shù)方案所產(chǎn)生的有益效果在于:所述方法針對股票價格序列的速度、 加速度統(tǒng)計特性，建立含有系統(tǒng)自適應(yīng)參數(shù)的股票價格序列變化模型，利用加速度估計值 在線地實時修正系統(tǒng)自適應(yīng)參數(shù)，保證了股票價格序列變化模型的實時準(zhǔn)確性，根據(jù)速度 和加速度特性構(gòu)建股票的買賣點;將具有自適應(yīng)參數(shù)的股票價格序列變化模型與卡爾曼濾 波器相結(jié)合，利用卡爾曼濾波器實時修正加速度估計值，利用加速度估計值在線地實時修 正系統(tǒng)自適應(yīng)參數(shù)，進(jìn)而實時更新股票價格序列變化模型，保證了股票價格序列變化模型 與實際股票價格序列運動的實時逼近，克服了應(yīng)用現(xiàn)有股票買賣點方法比如均線在表達(dá)股 票的波動時會更慢、更滯后的缺點，適用基于股票動態(tài)趨勢的股票買賣點構(gòu)建。
【附圖說明】
[0064] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進(jìn)一步詳細(xì)的說明。
[0065] 圖1是本發(fā)明所述方法的流程圖。
【具體實施方式】
[0066] 下面結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整 地描述，顯然，所描述的實施例僅僅是本發(fā)明的一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0067] 在下面的描述中闡述了很多具體細(xì)節(jié)W便于充分理解本發(fā)明，但是本發(fā)明還可W 采用其他不同于在此描述的其它方式來實施，本領(lǐng)域技術(shù)人員可W在不違背本發(fā)明內(nèi)涵的 情況下做類似推廣，因此本發(fā)明不受下面公開的具體實施例的限制。
[0068] 總體的，如圖1所述，本發(fā)明公開了一種基于股票動態(tài)趨勢的股票買賣點構(gòu)建方 法，包括如下步驟：
[0069] 1)股票價格序列變化狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)的初始化；
[0070] 2)建立估計股票序列系統(tǒng)模型，包括具有系統(tǒng)自適應(yīng)參數(shù)的股票價格序列變化模 型及股票主趨勢提取模型；
[0071] 3)根據(jù)建立的股票價格序列變化模型及股票主趨勢提取模型對股票價格序列狀 態(tài)進(jìn)行預(yù)測，得到股票價格序列的預(yù)測值，根據(jù)股票價格序列的預(yù)測值和股票價格數(shù)據(jù)觀 測值對股票價格序列狀態(tài)進(jìn)行更新，得到股票價格估計值；
[0072] 4)根據(jù)股票價格估計值得到股票價格序列的速度和加速度，構(gòu)建股票買入賣出 占 .
[0073] 5)根據(jù)股票價格序列的加速度估計值對系統(tǒng)自適應(yīng)參數(shù)進(jìn)行修正，進(jìn)而更新所述 的建立估計股票序列系統(tǒng)模型中的股票價格序列變化模型；
[0074] 6)重復(fù)W上步驟2)-5)，直至所有數(shù)據(jù)全部執(zhí)行完畢，則結(jié)束。
[0075] 步驟1)中，所述股票價格序列變化狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)初始化的具體方法如 下：
[0076] 1.1設(shè)置狀態(tài)初值刮()!〇) = A。，
[0077] I.2系統(tǒng)自適應(yīng)參數(shù)初值a = a〇和。，其中a為頻率，為加速度方差，
[0078] 1.3自相關(guān)函數(shù)初值r〇(0)和r〇(l)的初值取為HJ(O)=O,HJ(I)=O,
[0079] 1.4系統(tǒng)加速度分量初值a(〇)=.幻。。
[0080] 所述狀態(tài)初始值XO為3維全0列向量，維數(shù)為系統(tǒng)模型中狀態(tài)向量的維數(shù);所述系 統(tǒng)自適應(yīng)參數(shù)的初始值Cto和3二取任意正數(shù)。
[0081] 所述的步驟2)中建立具有系統(tǒng)自適應(yīng)參數(shù)的變化模型的具體方法包括：
[0082] 2.1利用下式描述股票價格序列的變化特征
[0083] X 化+1)=巫化+1 ,k)x 化）+W 化）
[0084] 其中X = Lw i?，巧'為3維狀態(tài)列向量，X，來，戈分別是位移、速度和加速度，X化+1)為k+ 1時刻股票價格序列的狀態(tài)向量，k為采樣時刻；O化+1，1〇為狀態(tài)轉(zhuǎn)移矩陣;X化)為k時刻股 票價格序列的狀態(tài)向量;W化)為過程噪聲，其均值為0,方差為Q化）；所述O化+1，1〇及Q化） 中含有股票價格序列頻率a和股票價格序列加速度方差巧；
[00化]2.2利用下式建立股票主趨勢提取模型 [00 化]y(k)=H(k)x(k)+v化）
[0087] 其中k為采樣時刻，y化)為股票價格序列在k時刻的股票價格觀測值，H化)為測量 矩陣，x(k)為k時刻股票價格序列的狀態(tài)向量;v(k)為白噪聲，其方差為R，且與過程噪聲W 化)相互獨立。R的取值方法為:先取前50-200個股票數(shù)據(jù)點進(jìn)行平均得到M，則R=mM，其中 m的取值為10%~20% dH化)的取值方法為:H化）=[1 0 0]。
[0088] 所述步驟3)中根據(jù)建立的具有系統(tǒng)自適應(yīng)參數(shù)的變化模型對股票價格序列狀態(tài) 進(jìn)行預(yù)測，得到股票價格序列的預(yù)測值的具體方法如下：
[0089] 3.1根據(jù)建立的具有系統(tǒng)自適應(yīng)參數(shù)的變化模型和初始值完成股票價格序列狀 態(tài)的一步預(yù)測，預(yù)測方程式如下：
[0090]
[0091] 其中i巧I A-l)隸示k-1時刻預(yù)測股票價格序列在k時刻的狀態(tài)，k為采樣時刻，I表 示條件操作符；O (k，k-l)為狀態(tài)轉(zhuǎn)移矩陣;-IIA-I樣示股票價格序列k-1時刻股票價 格序列的估計值；
[0092] 3.2按照下式完成股票價格序列狀態(tài)協(xié)方差的一步預(yù)測：
[0093] P 化 Ik-I) =巫化，k-l)P 化-1 Ik-I)巫 T 化，k-l)+Q 化-1)
[0094] 其中P化Ik-I)表示k-1時刻預(yù)測股票價格序列在k時刻的狀態(tài)協(xié)方差，k為采樣時 刻，I表示條件操作符;P化-1 Ik-I)表示k-1時刻股票價格序列的狀態(tài)協(xié)方差的估計值；O 化，k-1)為狀態(tài)轉(zhuǎn)移矩陣;Q化-1)為過程噪聲協(xié)方差。
[00%]所述步驟2)中根據(jù)股票價格序列的預(yù)測值和股票價格數(shù)據(jù)觀測值對股票價格序 列狀態(tài)進(jìn)行更新，得到股票價格估計值的具體方法如下：
[0096] 3.3根據(jù)股票價格序列狀態(tài)協(xié)方差預(yù)測值、測量矩陣及測量噪聲方差按照下式計 算濾波器增益
[0097] K(k)=P(k Ik-DHT化）[H(k)P(k Ik-DHT化)+R]t
[0098] 其中，K化)為濾波器增益，k為采樣時刻，P化Ik-1)表示k-1時刻預(yù)測股票價格序列 在k時刻的狀態(tài)協(xié)方差，H(k)為k時刻的測量矩陣，R為白噪聲的方差，護化)為k時刻的測量 矩陣的轉(zhuǎn)置；
[0099] 3.4利用股票價格序列預(yù)測值和股票價格數(shù)據(jù)觀測值計算股票價格序列
[0100] 當(dāng)前估計值左(灰！足）=去(/(!/(-1)十?dāng)?()[少(/0-巧(,'()去(/(|/(-軸
[0101] 其中，爾刮巧表示k時刻股票價格序列的估計值，；(AIA-I)表示k-1時刻時預(yù)測股 票價格序列在k時刻的狀態(tài)，k為采樣時刻，K化)為k時刻濾波器增益，y化)為股票價格接收 數(shù)據(jù)在k時刻的股票價格序列觀測值，H化)為k時刻的測量矩陣；
[0102] 3.5按照下式計算股票價格序列狀態(tài)協(xié)方差估計值，
[0103] P(k|k) = [I-mi0lKk)]P(k|k-l)
[0104] 其中I是3維單位矩陣，P化I k)表示k時刻的股票價格序列狀態(tài)協(xié)方差的估計值，k 為采樣時刻，K化)為k時刻濾波器增益，H化)為k時刻的測量矩陣，P化Ik-I)表示k-1時刻預(yù) 測股票價格序列在k時刻的狀態(tài)協(xié)方差。
[0105] 所述步驟4)中根據(jù)股票價格估計值獲得股票價格序列的速度和加速度，構(gòu)建股票 買入賣出點的具體方法如下：
[0106] 步驟4.1:利用步驟3.4中得到的k時刻股票價格序列的估計值獲得股票價 格序列的速度如A-1 Af)、加速度對句A');
[0107] 步驟4.2:根據(jù)獲得的股票價格序列的速度：^(^ A-)、加速度1幫陽構(gòu)建股票買賣點；
[010引至 買入股票；
[0109] 至 賣出股票。
[0110] 所述步驟5)中根據(jù)股票價格估計值計算股票價格序列加速度均值及加速度估計 值，用其對系統(tǒng)自適應(yīng)參數(shù)進(jìn)行修正，具體方法如下：
[0111] 步驟6. 1 :按照下式獲取系統(tǒng)k-1時刻和k時刻的加速度估計值滿4-1)、 Mk)，
[0112] 其中.-I |皮-1)為k-1時刻狀態(tài)估計鮮A -11 A -1)的第S行值J腳I)為k時刻狀 態(tài)估計卻& 10的第=行值。
[0113] 根據(jù)采樣時刻k值的大小，選擇修正系統(tǒng)自適應(yīng)參數(shù)a和巧的方法如下:若k小于等 于4進(jìn)入步驟7.1，若k大于4進(jìn)入步驟7.2，
[0114] 7.1當(dāng)采樣時刻k小于等于4時，按下式計算系統(tǒng)自適應(yīng)參數(shù)a和巧，
[011引a = a0,其中Qq為系統(tǒng)自適應(yīng)參數(shù)a的初值，
[0116]
[0117]
[011引如果<;(/0 = 0則為取(0，10]之間的任意數(shù)，
[0119] 其中，叫.幻乂化時刻股票價格加速度估計值，為圓周率，取為3.14，aM為正的常數(shù)， 取為3，a-M為與aM絕對值相等的負(fù)常數(shù)，取為-3;
[0120] 7.2當(dāng)采樣時亥化大于4時，按下式計算系統(tǒng)自適應(yīng)參數(shù)a和《，
[0121]
[0122]
[0123]
[0124]
[0125] 其中rk(l)為k時刻股票價格序列加速度向前一步相關(guān)函數(shù)，rk-i(l)為k-1時刻股 票價格序列加速度向前一步相關(guān)函數(shù)，U和分別為k-1時刻和k時刻股票價格加速 度估計值;rk(0)為k時刻股票價格序列加速度自相關(guān)函數(shù)，rk-i(O)為k-1時刻股票價格序列 加速度自關(guān)函數(shù);a為一個系統(tǒng)自適應(yīng)參數(shù)，T為采樣間隔;巧為另一個系統(tǒng)自適應(yīng)參數(shù)。
[0126] 所述方法針對股票價格序列的速度、加速度統(tǒng)計特性，建立含有系統(tǒng)自適應(yīng)參數(shù) 的股票價格序列變化模型，利用加速度估計值在線地實時修正系統(tǒng)自適應(yīng)參數(shù)，保證了股 票價格序列變化模型的實時準(zhǔn)確性，根據(jù)速度和加速度特性構(gòu)建股票的買賣點；將具有自 適應(yīng)參數(shù)的股票價格序列變化模型與卡爾曼濾波器相結(jié)合，利用卡爾曼濾波器實時修正加 速度估計值，利用加速度估計值在線地實時修正系統(tǒng)自適應(yīng)參數(shù)，進(jìn)而實時更新股票價格 序列變化模型，保證了股票價格序列變化模型與實際股票價格序列運動的實時逼近，克服 了應(yīng)用現(xiàn)有股票買賣點方法比如均線在表達(dá)股票的波動時會更慢、更滯后的缺點，適用基 于股票動態(tài)趨勢的股票買賣點構(gòu)建。
【主權(quán)項】
1. 一種基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于包括如下步驟： 1) 建立估計股票序列系統(tǒng)模型，包括具有系統(tǒng)自適應(yīng)參數(shù)的股票價格序列變化模型及 股票主趨勢提取模型； 2) 根據(jù)建立的股票價格序列變化模型及股票主趨勢提取模型對股票價格序列狀態(tài)進(jìn) 行預(yù)測，得到股票價格序列的預(yù)測值，根據(jù)股票價格序列的預(yù)測值和股票價格數(shù)據(jù)觀測值 對股票價格序列狀態(tài)進(jìn)行更新，得到股票價格估計值； 3) 根據(jù)股票價格估計值得到股票價格序列的速度和加速度，構(gòu)建股票買入賣出點； 4) 根據(jù)股票價格序列的加速度估計值對系統(tǒng)自適應(yīng)參數(shù)進(jìn)行修正，進(jìn)而更新所述的建 立估計股票序列系統(tǒng)模型中的股票價格序列變化模型； 5) 重復(fù)以上步驟1)_4)，直至所有數(shù)據(jù)全部執(zhí)行完畢，則結(jié)束。2. 如權(quán)利要求1所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于:在所述 的步驟1)之前還包括股票價格序列變化狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)初始化的步驟。3. 如權(quán)利要求2所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于，所述股 票價格序列變化狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)初始化的具體方法如下： 設(shè)置股票價格序列變化狀態(tài)初值i(() I ()) = ; 系統(tǒng)自適應(yīng)參數(shù)初值α = α<^Ρ<^ =(?，其中α為頻率，為加速度方差； 自相關(guān)函數(shù)初值ro (O)和ro (1)的初值取為ro (O) = O，ro (I) = O; 系統(tǒng)加速度分量初值S(O)=二。4. 如權(quán)利要求3所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于，所述的 步驟1)中建立具有系統(tǒng)自適應(yīng)參數(shù)的變化模型的具體方法包括： 1.1利用下式描述股票價格序列的變化特征 x(k+l) = ?(k+l,k)x(k)+w(k) 其中X = [X,太對為3維狀態(tài)列向量，X，分別是位移、速度和加速度，X (k+1)為k+1時刻 股票價格序列的狀態(tài)向量，k為采樣時刻；?(k+l，k)為狀態(tài)轉(zhuǎn)移矩陣;x(k)為k時刻股票價 格序列的狀態(tài)向量;w(k)為過程噪聲，其均值為0,方差為Q(k);所述Φ (k+l，k)及Q(k)中含 有股票價格序列頻率α和股票價格序列加速度方差#; 1.2利用下式建立股票主趨勢提取模型 y(k)=H(k)x(k)+v(k) 其中k為采樣時刻，y(k)為股票價格序列在k時刻的股票價格觀測值，H(k)為測量矩陣， x(k)為k時刻股票價格序列的狀態(tài)向量;v(k)為白噪聲，其方差為R，且與過程噪聲w(k)相互 獨立;R的取值方法為:先取前50-200個股票數(shù)據(jù)點進(jìn)行平均得至幽，則R=mM，其中m的取值 為10%~20%。!1(1〇的取值方法為:H(k) = [l 0 0]。5. 如權(quán)利要求4所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于，所述步 驟2)中根據(jù)建立的具有系統(tǒng)自適應(yīng)參數(shù)的變化模型對股票價格序列狀態(tài)進(jìn)行預(yù)測，得到股 票價格序列的預(yù)測值的具體方法如下： 2.1根據(jù)建立的具有系統(tǒng)自適應(yīng)參數(shù)的變化模型和初始值完成股票價格序列狀態(tài)的一 步預(yù)測，預(yù)測方程式如下：其中.i.(到? -1)表不k_l時刻預(yù)測股票價格序列在k時刻的狀態(tài)，k為米樣時刻，I表不條 件操作符；〇(k，k-i)為狀態(tài)轉(zhuǎn)移矩陣;;e(fc-ip-i)表示股票價格序列k-i時刻股票價格序 列的估計值； 2.2按照下式完成股票價格序列狀態(tài)協(xié)方差的一步預(yù)測： P(k|k-l) = ?(k,k-l)P(k-l|k-l)?T(k,k-l)+Q(k-l) 其中P(k|k-1)表示k-1時刻預(yù)測股票價格序列在k時刻的狀態(tài)協(xié)方差，k為采樣時刻， 表示條件操作符;P(k-l|k-l)表示k-Ι時刻股票價格序列的狀態(tài)協(xié)方差的估計值；?(k，k- 1)為狀態(tài)轉(zhuǎn)移矩陣;Q( k-1)為過程噪聲協(xié)方差。6. 如權(quán)利要求5所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于，所述步 驟2)中根據(jù)股票價格序列的預(yù)測值和股票價格數(shù)據(jù)觀測值對股票價格序列狀態(tài)進(jìn)行更新， 得到股票價格估計值的具體方法如下： 3.1根據(jù)股票價格序列狀態(tài)協(xié)方差預(yù)測值、測量矩陣及測量噪聲方差按照下式計算濾 波器增益 K(k)=P(k|k-l)HT(k)[H(k)P(k|k-l)HT(k)+R]T 其中，K(k)為濾波器增益，k為采樣時刻，P(k I k-1)表示k-1時刻預(yù)測股票價格序列在k 時刻的狀態(tài)協(xié)方差，H(k)為k時刻的測量矩陣，R為白噪聲的方差，HT(k)為k時刻的測量矩陣 的轉(zhuǎn)置； 3.2利用股票價格序列預(yù)測值和股票價格數(shù)據(jù)觀測值計算股票價格序列當(dāng)前估計值其中，i認(rèn)μ)表示k時刻股票價格序列的估計值，￡(到1-1)表示k-Ι時刻時預(yù)測股票價 格序列在k時刻的狀態(tài)，k為采樣時刻，K(k)為k時刻濾波器增益，y(k)為股票價格接收數(shù)據(jù) 在k時刻的股票價格序列觀測值，H(k)為k時刻的測量矩陣； 3.3按照下式計算股票價格序列狀態(tài)協(xié)方差估計值， P(k|k) = [I-K(k)H(k)]P(k|k-l) 其中I是3維單位矩陣，P(k|k)表示k時刻的股票價格序列狀態(tài)協(xié)方差的估計值，k為采 樣時刻，K(k)為k時刻濾波器增益，H(k)為k時刻的測量矩陣，P(k|k-1)表示k-Ι時刻預(yù)測股 票價格序列在k時刻的狀態(tài)協(xié)方差。7. 如權(quán)利要求6所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于，所述步 驟3)中根據(jù)股票價格估計值獲得股票價格序列的速度和加速度，構(gòu)建股票買入賣出點的具 體方法如下： 步驟4.1:利用步驟3.2中得到的k時刻股票價格序列的估計值μ)，獲得股票價格序 列的速度I幻、加速度1(卻幻； 步驟4.2:根據(jù)獲得的股票價格序列的速度i(A|幻、加速度氧&時構(gòu)建股票買賣點； 當(dāng)；(々一11 a- - I)--1|々一1) < 〇且；(/: I /〇-i(人-μ.) > 〇，買入股票； 當(dāng)敘灸-1 μ -1)--聯(lián)-1) ：> 〇且|(叫幻-) < 〇，賣出股票。8. 如權(quán)利要求7所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于，所述步 驟4)中根據(jù)股票價格估計值計算股票價格序列加速度均值及加速度估計值，用其對系統(tǒng)自 適應(yīng)參數(shù)進(jìn)行修正，具體方法如下： 步驟6 . 1 :按照下式獲取系統(tǒng)k - 1時刻和k時刻的加速度估計值-1)、其中-1)為k-Ι時刻狀態(tài)估計-11 -1)的第三行值，I幻為k時刻狀態(tài)估 計対到幻的第三行值。9. 如權(quán)利要求8所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于，根據(jù)采 樣時刻k值的大小，選擇修正系統(tǒng)自適應(yīng)參數(shù)(^和之的方法如下：若k小于等于4進(jìn)入步驟 7.1，若k大于4進(jìn)入步驟7.2， 7.1當(dāng)采樣時刻k小于等于4時，按下式計算系統(tǒng)自適應(yīng)參數(shù)〇和<， α = α〇,其中α〇為系統(tǒng)自適應(yīng)參數(shù)α的初值，如果郵)=O則〇·】取(〇，10]之間的任意數(shù)， 其中，)為k時刻股票價格加速度估計值，π為圓周率，取為3.14, aM為正的常數(shù)，取為 3，a-M為與aM絕對值相等的負(fù)常數(shù)，取為_3; 7.2當(dāng)采樣時刻k大于4時，按下式計算系統(tǒng)自適應(yīng)參數(shù)α和<，其中rk(l)為k時刻股票價格序列加速度向前一步相關(guān)函數(shù)，rk-Kl)為k-Ι時刻股票價格 序列加速度向前一步相關(guān)函數(shù)，S(I-I)和以幻分別為k-Ι時刻和k時刻股票價格加速度估計 值;rk(0)為k時刻股票價格序列加速度自相關(guān)函數(shù)，rk-KO)為k-Ι時刻股票價格序列加速度 自關(guān)函數(shù);α為一個系統(tǒng)自適應(yīng)參數(shù)，T為采樣間隔;if為另一個系統(tǒng)自適應(yīng)參數(shù)。10. 如權(quán)利要求3所述的基于股票動態(tài)趨勢的股票買賣點構(gòu)建方法，其特征在于:所述 狀態(tài)初始值XQ為3維全0列向量，維數(shù)為系統(tǒng)模型中狀態(tài)向量的維數(shù);所述系統(tǒng)自適應(yīng)參數(shù) 的初始值α〇和取任意正數(shù)。
【文檔編號】G06Q40/04GK106022922SQ201610390739
【公開日】2016年10月12日
【申請日】2016年6月3日
【發(fā)明人】金學(xué)波, 聶春雪
【申請人】北京工商大學(xué)