基于双聚类挖掘及模糊推理的股票交易规则预测方法与流程

技术特征：

1.一种基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，所述预测方法包括下列步骤：

S1、计算历史股票数据中第i个交易日的未来收益率FR_i；

S2、将所述未来收益率FR_i进行量级划分，若第i个交易日的平均收盘价比当天收盘价要高，则未来收益率FR_i≥0，若第i个交易日的平均价比当天收盘价低，则未来收益率FR_i≤0；

S3、构造指标矩阵A＝(a_ij)_m×n,选取m个交易日的历史股票数据，计算每个交易日的n个指标特征值a_ij，其中i＝1,2,…,m；j＝1,2,…,n，a_ij表示第i交易日对应的第j列指标上的特征值；

S4、对指标矩阵A使用双聚类算法，通过双聚类的挖掘，将所有得到的双聚类放入一个双聚类集合，集合中的每个双聚类都对应一种交易规则模式的信息；

S5、提取交易规则模式，从双聚类集合中取出一个双聚类，计算双聚类中每一列的总和的平均值，并且计算双聚类中每一行对应的FR_i的总和的平均值，得到一个行向量D＝[Y₁,Y₂,…,Y_c,FR_av]，Y₁,Y₂,…,Y_c是双聚类中包含的指标列的平均值，FR_av是双聚类中包含的未来收益率的平均值，行向量D是双聚类中对应的交易规则模式信息的量化表示；

S6、划分模糊规则中前提条件和结论的量级，将所述行向量D中Y₁,Y₂,…,Y_c对应的指标列用来构建模糊规则的前提条件，将所述行向量D中平均未来收益率FR_av用来构建模糊规则的结论；

S7、构建模糊规则，通过对行向量D包含的指标列和平均未来回报率在量级上的划分则可得到构建模糊规则如下：

假如Y₁∈O₁并且Y₂∈O₂并且…Y_c∈O_c,则FR_av∈O_x,其中O₁,…,O_c表示指标列的平均值的所属量级，O_x表示平均未来收益率FR_av的值所属量级，然后对双聚类集合中的所有双聚类进行计算，依次得到每个双聚类对应的模糊规则；

S8、将所有的模糊规则进行整合，得到模糊规则库R，通过所得的模糊规则库R构造模糊预测模型；

S9、对于需要预测的某一个交易日Day_i，计算Day_i的n个股票技术指标的值，然后输入到该方法构建的模糊预测模型中，可得到交易日Day_i的交易规则的预测，其中所述交易规则包括买入、卖出和持有。

2.根据权利要求1所述的基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，所述步骤S1、计算历史股票数据中第i个交易日的未来收益率FR_i具体包括：

S11、选取过去m天的股票历史数据作为挖掘股票历史数据中双聚类的数据集；

S12、根据技术指标公式计算出股票历史数据中第i个交易日相对应的股票技术指标值，其中，所示技术指标公式如下：

其中，ACl_i表示第i个交易日的平均收盘价，Cl_x表示第x个交易日的收盘价，t表示投资时间周期；

S13、计算第i个交易日的未来收益率FR_i，计算公式如下：

FR_i代表第i个交易日对应的未来收益率。

3.根据权利要求1或2所述的基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，

所述股票历史数据包括开盘价、最高价、最低价、收盘价和交易量。

4.根据权利要求1所述的基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，所述步骤S2、将所述未来收益率FR_i进行量级划分的规则具体如下：

将交易日股价上涨分为小、中、大三种情况，对应地选取阈值T_r将未来收益率按照以下规则划分:如果T_r≤FR_i<2T_r，则置FR_i＝1；如果2T_r≤FR_i<3T_r，则置FR_i＝2；如果FR_i≥3T_r，则置FR_i＝3；

同理，将交易日股价下跌分为小、中、大三种情况，对应地选取阈值T_r将未来收益率按照以下规则划分:如果-2T_r≤FR_i<-T_r，则置FR_i＝-1；如果-3T_r≤FR_i<-2T_r，则置FR_i＝-2；如果FR_i≤-3T_r，则置FR_i＝-3。

5.根据权利要求1所述的基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，所述步骤S6具体包括：

S61、对所述行向量D中Y₁,Y₂,…,Y_c对应的指标列使用隶属度函数对每个指标列的值进行一个语言变量的量级上的划分，将指标值的大小划分成small(对应μ₀，σ₀)，medium(对应μ₁，σ₁)，big(对应μ₂，σ₂)，large(对应μ₃，σ₃)四个量级；

S62、对行向量D中包含平均未来收益率对应的值FR_av，使用隶属的函数对FR的值进行一个语言变量的量级上的划分，将FR值的大小划分成negative small(对应w₀，t₀),negative large(对应w₁，t₁),positive small(对应w₂，t₂),positive large(对应w₃，t₃)四个量级。

6.根据权利要求1所述的基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，所述步骤S7中的所述指标列的平均值的所属量级包括small、medium、big和large，所述平均未来收益率FR_av的值所属量级包括negative small、negative large、positive small和positive large。

7.根据权利要求1所述的基于双聚类挖掘及模糊推理的股票交易规则预测方法，其特征在于，所述步骤S3还包括：

对指标矩阵A中每一列进行归一化处理，把指标矩阵A中的技术指标值a_ij保持在相同范围(0,1)内。