基于金融交易的数据分析方法及系统与流程

本发明涉及一种金融交易技术领域，尤其涉及一种基于金融交易的数据分析方法及系统。

背景技术：

目前，在金融市场的数据交易，如股票、外汇、期货、期权等二级市场的数据交易过程中，其通常以图表的形式展示，例如k线图，由于交易过程中，其价格波动较大，因此，各行各业通常采用各种方法对k线图进行分析，以判断其趋势。

然而，由于k线的数据复杂且数据量较大，影响因素较多，现有的分析方法难以较准确的反映其交易价格趋势。

技术实现要素：

本发明要解决的技术问题是提供一种基于金融交易的数据分析方法及系统，可以较好的反映交易价格趋势，提升准确预测的概率。

为解决上述技术问题，本发明提供了一种基于金融交易的数据分析方法，包括以下步骤:

根据获取的交易数据信息和种类，确定分析时段内的区间价格k线图；

根据区间价格k线图和预设的匹配规则，确定k线走势形态图；

根据所述k线走势形态图，确定价格的趋势。

进一步作为优选地，根据获取的交易数据信息和种类，确定分析时段内的区间价格k线图的步骤中包括：

根据获取的交易数据信息和种类，确定分析时段的设定区间；

根据所述设定区间，确定区间价格k线图。

进一步作为优选地，根据区间价格k线图和预设的匹配规则，确定k线走势形态图的步骤中包括：

根据区间价格k线图及预设规则，确定区间价格k线图的吸筹区和出货区；

根据区间价格k线图的吸筹区和出货区，确定k线的实时形态图；

根据所述实时形态图匹配对应的k线走势形态图。

进一步作为优选地，根据所述实时形态图匹配对应的k线走势形态图的步骤中包括：

基于所述吸筹区和出货区的位置和时间，生成所述k线走势形态图；

根据所述吸筹区和出货区的位置和设定的波动区间，确定并划分所述k线走势形态图的匹配区间为顶部形态区间、底部形态区间、上升形态区间和下降形态区间；

根据预设的分类区间形态规则匹配所述匹配区间所对应的所述k线走势形态图；

若匹配成功，则生成标记分类区间形态的k线走势形态图。

进一步作为优选地，根据所述k线走势形态图，确定价格的趋势的步骤中包括：根据所述实时形态图，确定当前的交易位置；根据当前交易位置匹配所述k线走势形态图中当前位置，确定价格趋势。

本发明还提供了一种基于金融交易的数据分析系统，其特征在于，包括：

数据获取模块，用于根据获取的交易数据信息和种类，确定分析时段内的区间价格k线图；

图表匹配模块，用于根据区间价格k线图和预设的匹配规则，确定k线走势形态图；

数据判断模块，用于根据所述k线走势形态图，确定价格的趋势。

进一步作为优选地，所述数据获取模块，包括：

数据分析单元，用于根据获取的交易数据信息和种类，确定分析时段的设定区间；

数据计算单元，用于根据所述设定区间，确定区间价格k线图。

进一步作为优选地，所述图表匹配模块包括：

图表判定单元，用于根据区间价格k线图及预设规则，确定区间价格k线图的吸筹区和出货区；

图表创建单元，用于根据区间价格k线图的吸筹区和出货区，确定k线的实时形态图；

图表匹配单元，用于根据所述实时形态图匹配对应的k线走势形态图。

进一步作为优选地，所述图表匹配单元包括：

图形分类单元，用于根据预设的四类区间对所述实时形态图进行划分，并确定各类区间的排列顺序；

数据匹配单元，用于根据排列后的各类区间及数据库匹配k线走势形态图。

进一步作为优选地，所述数据判断模块包括：

数据查询单元，用于根据所述实时形态图，确定当前的交易位置；

数据判定单元，用于根据当前交易位置匹配所述k线走势形态图中当前位置，确定价格趋势。

与现有技术相比，本申请还具有如下有益效果：

本申请的基于金融交易的数据分析方法及系统可以较好的反映交易价格趋势，提升准确预测的概率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1：本发明第一实施例中基于金融交易的数据分析方法的流程示意图；

图2：图1中步骤s1的具体流程示意图；

图3：图1中步骤s2的具体流程示意图；

图4：图3中步骤s21的具体流程示意图；

图5：图3中步骤s22的具体流程示意图；

图6：图3中步骤s23的具体流程示意图；

图7：图1中步骤s3的具体流程示意图；

图8：表示日k线为大阳线时的示意图；

图9：表示日k线为大阴线时的示意图；

图10：表示形态趋势为涨平涨的吸筹区的局部k线图；

图11：表示形态趋势为跌平涨的吸筹区的局部k线图；

图12：表示形态趋势为涨平跌的出货区的局部k线图；

图13：表示形态趋势为收盘曲线和平滑曲线的局部示意图；

图14：表示根据当前交易位置判断k线走势形态图为上升状态的示意图；

图15：表示根据当前交易位置判断k线走势形态图为下降状态的示意图；

图16：表示具有上升形态区间的实时形态图；

图17：表示具有下升形态区间的实时形态图；

图18：表示形态趋势为a类形态区间的k线走势图；

图19：表示形态趋势为b类形态区间的k线走势图；

图20：表示形态趋势为c类形态区间的k线走势图；

图21：表示形态趋势为d类形态区间的k线走势图；

图22：表示具有一个循环的分类形态区间的k线走势图；

图23：表示具有一个循环的分类形态区间的k线走势图；

图24：图7中步骤s32的具体流程示意图；

图25：本发明第二实施例中基于金融交易的数据分析系统的结构示意图。

具体实施方式

下面结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。

实施例1

如图1至图24所示，本发明的第一实施例提供了一种基于金融交易的数据分析方法，包括以下步骤:

s1:根据获取的交易数据信息和种类，确定分析时段内的区间价格k线图；

s2:根据区间价格k线图和预设的匹配规则，确定k线走势形态图；

s3:根据k线走势形态图，确定价格的趋势。

通过上述内容可知，通过交易数据信息和种类，确定分析时段内的区间价格k线图，并根据预设的匹配规则，确定k线走势形态图，以确定价格的趋势的方法，不仅方法简单，而且可以较好的反映交易价格趋势，遵循了金融数据的循环规律，可以较好的提升准确预测的概率。

在此，值得一提的是，本实施例中的交易数据可以为股票、外汇、期货、期权等二级市场的数据，而本实施例仅以股票数据为例作说明。

进一步作为优选地，如图2所示，为了满足不同的二级市场的价格分析需求，根据获取的交易数据信息和种类，确定分析时段内的区间价格k线图的步骤中包括：

s11:根据获取的交易数据信息和种类，确定分析时段的设定区间；

s12:根据设定区间，确定区间价格k线图。

在此需要说明的是，本实施例中的设定区间的设定单位可以是周，也可以是月或年，而本实施例仅以月为区间单位为例作简要说明，而不作具体的阐述。

进一步作为优选地，如图3所示，根据区间价格k线图和预设的匹配规则，确定k线走势形态图的步骤中包括：

s21:根据区间价格k线图及预设规则，确定区间价格k线图的吸筹区和出货区；

s22:根据区间价格k线图的吸筹区和出货区，确定k线的实时形态图。

s23:根据实时形态图匹配对应的k线走势形态图。

由上可知，根据上述预设规则确定k线的实时形态图后，借助历史记录中k线走势形态图，即k线走势规律，有利于提升价格趋势的准确性，降低用户的操作风险。

详细地，如图4所示，在步骤中s21中包括以下步骤：

步骤中s211：统计设定区间内各k线的收盘价格，并生成收盘价格曲线；

步骤中s212：对收盘价格曲线进行平滑处理，得到平滑曲线；

步骤中s213：根据预设的曲率变换范围，划分并获取平滑曲线上的平滑段；

步骤中s214：查询并匹配区间价格k线图上与平滑段相匹配的平滑区间；

步骤中s215：根据设定区间的区间单位，并以至少两个以上连续的区间单位对平滑区间进行判定；例如2至10个日k线为区间单位对平滑区间进行判定。

步骤中s216：判定平滑区间内相邻的两个当日的k线的收盘价格之间的差值的绝对值与在先k线的收盘价格之间的比值是否均小于预设的比例。例如该预设的比例可以为预设的区间单位的月或年平均涨幅比例或跌幅比例。

步骤中s217：若是，则确定为缓冲区间，并确定缓冲区间的区间长度，否则继续减少区间单位进行判定直至将该平滑区间设定为非缓冲区间；

步骤中s218：判定与缓冲区间邻近且在后的缓冲区间之间的非缓冲区间的日k线的收盘价格的均值，是否大于缓冲区间的收盘价格的均值；

步骤中s219：若是，则将缓冲区间判定为吸筹区，否则判定为出货区。

在此，需要说明的是，本实施例中的缓冲区间可以如图9所示的区间ab，以及图16和图17中a1、c1、d1等表示的方框。并且，本实施例中该预设的比例，以实际日k线的年均涨跌进行设定，本实施例仅以百分之三等为例作说明。

预设的高点位置优选为对比日k线的收盘价格高于开盘价格的百分之六十的位置，可参考图6，即对比日k线为大阳线，a11为当日最高价格，a12为当日收盘价格，b12为当日开盘价格，b13为当日最低价格。预设的低点位置为对比日k线的收盘价格低于开盘价格的百分之六十的位置。可参考图7，即对比日k线为大阴线，a21为当日最高价格，a22为当日开盘价格，b21为当日收盘价格，b22为当日最低价格。

由上可知，通过上述步骤s211～步骤s219，可准确地判断并划分简化吸筹区和出货区，以利于后续生成的k线实时形态图，可较好地反映k线代表的价格走势，便于后续的匹配，提升匹配的成功率，以及准确判断价格的趋势。

进一步作为优选地，详细地，如图5所示，步骤s22还包括以下子步骤：:

步骤s221：基于缓冲区和相邻的非缓冲区的价格均值之间的差值，对吸筹区和出货区进行筛选处理，以得到简化后的吸筹区和出货区，例如通过判断吸筹区的最高收盘价格与在后的非缓冲区间的日k线的收盘价格的均值的之间的差值的绝对值与吸筹区的最高收盘价格之间的比例是否大于预设的比例，以及出货区的最低收盘价格与在后的非缓冲区间的日k线的收盘价格的均值的之间的差值的绝对值与出货区的最低收盘价格之间的比例是否大于预设的比例，例如该比例可以为百分之六十。

步骤s222：基于区间价格k线图的吸筹区和出货区的位置和时间，生成k线的实时形态图，例如基于吸筹区和出货区的吸筹区和出货区的平均收盘价格和对应的日期，生成k线实时形态图。

通过上述步骤s221和步骤s222，可简化吸筹区和出货区的数量，以利于生成的k线实时形态图可准确地反映k线表示的价格走势，以利于与历史记录中的k线走势形态图进行匹配，提升匹配的成功率。

进一步作为优选地，如图6至图21所示，根据实时形态图匹配对应的k线走势形态图的步骤中，即步骤s23中包括以下步骤：

s231:根据吸筹区和出货区的位置和设定的波动区间，确定并划分实时形态图的匹配区间为顶部形态区间、底部形态区间、上升形态区间和下降形态区间(参考图16和图17所示)；

s232:根据预设的分类区间形态规则匹配匹配区间所对应的k线走势形态图，例如根据分类区间形态规则的相似度匹配算法，计算实时形态图的匹配区间所对应的分类形态图与划分后的匹配区间所对应的数据库中记录的k线走势形态图之间的相似度，若相似度大于预设的数值，例如百分之八十，则判断匹配成功，否则判断不成功。显然，本实施例中的分类区间形态规则不限于相似度算法，例如满足吸筹区和出货区的平均位置比值，位置曲线变化等特定的条件规律的算法。

s233:若匹配成功，则生成标记分类区间形态的k线走势形态图，例如图16和图17所示，将实时形态图的各匹配区间根据对应的分类区间形态进行标记并替换成对应的k线走势形态图，生成标记分类区间形态的k线走势形态图，或者仅将该分类区间与对应的k线走势形态图进行标记。

s234:若否，则重新设定波动区间，并进入步骤s232。

通过上述步骤s231～s234，可较为准确且合理地对按上述步骤生成的k线实时形态图的匹配区间进行自动划分并匹配相应的k线走势形态图，并符合客观规律，以便于根据分类区间形态规则匹配对应的分类区间形态，以利于对后续价格趋势的统计和判断，提升该方法所生成的模型计算价格趋势的准确性。

在此，需要说明的是，本实施例中的分类形态图(图中未标示)和k线走势形态图均为带有箭头的走势图形，其中，带有箭头的水平段或顶点表示吸筹区，带有箭头的水平段或底点表示出货区，带有箭头的倾斜段可根据吸筹区和出货区之间的位置关系自动生成，用于表示上升段和下跌段。

如图22所示，本实施例中的设定的k线走势形态图上的形态趋势来划分，本实施例仅选分为底部盘整形态、单边上升形态、顶部盘整形态、单边下降形态四类为例说明，如下所示：

如图18至图22所示，底部盘整形态(a类形态)根据吸筹区和出货区位置绘制的k线走势形态图依次分为以下首尾相连的四种展现形式的形态图：

如图18所示，第一个涨平跌为a1，其中，a1代表底部盘整形态内，第一个在先的相邻区段为上升段，且在后的相邻的区段为下跌段的出货区；

第一个跌平涨为a2，其中，a2代表底部盘整形态内，第一个在先的相邻区段为下降段，且在后的相邻的区段为上升段的吸筹区；

第二个跌平涨为a3；其中，a3代表底部盘整形态内，第二个在先的相邻区段为下降段，且在后的相邻的区段为上升段的吸筹区；

第三个涨平涨为a4；其中，a4代表底部盘整形态内，第三个在先的相邻区段为上升段，且在后的相邻的区段为上升段的吸筹区；

如图19所示，单边上升形态(b类形态)根据吸筹区和出货区位置绘制的k线走势形态图依次分为以下首尾相连的四种展现形式：

第一个涨平涨为b1，其中，b1代表单边上升形态内，第一个在先的相邻区段为上升段，且在后的相邻的区段为上升段的吸筹区；

第二个涨平涨为b2，其中，b2代表单边上升形态内，第二个在先的相邻区段为上升段，且在后的相邻的区段为上升段的吸筹区；

第三个涨平涨为b3，其中，b3代表单边上升形态内，第三个在先的相邻区段为上升段，且在后的相邻的区段为上升段的吸筹区；

第四个涨平涨为b4，其中，b4代表单边上升形态内，第三个在先的相邻区段为上升段，且在后的相邻的区段为上升段的吸筹区；

如图20所示，顶部盘整形态(c类形态)根据吸筹区和出货区位置绘制的k线走势形态图依次分为以下首尾相连的四种展现形式：

第一个跌平涨为c1，其中，c1代表顶部盘整形态内，第一个在先的相邻区段为下降段，且在后的相邻的区段为上升段的吸筹区；

第一个涨平跌为c2，其中，c2代表顶部盘整形态内，第一个在先的相邻区段为上升段，且在后的相邻的区段为下降段的出货区；

第二个涨平跌为c3，其中，c3代表顶部盘整形态内，第二个在先的相邻区段为上升段，且在后的相邻的区段为下降段的出货区；

第一个跌平跌为c4，其中，c4代表顶部盘整形态内，第一个在先的相邻区段为下降段，且在后的相邻的区段为下降段的出货区；

如图21所示，单边下降形态(d类形态)根据吸筹区和出货区位置绘制的k线走势形态图依次分为以下首尾相连的四种展现形式：

第一个跌平跌为d1，其中，d1代表底部盘整形态内，第一个在先的相邻区段为下降段，且在后的相邻的区段为下降段的出货区；

第二个跌平跌为d2，其中，d2代表底部盘整形态内，第二个在先的相邻区段为下降段，且在后的相邻的区段为下降段的出货区；

第三个跌平跌为d3，其中，d3代表底部盘整形态内，第三个在先的相邻区段为下降段，且在后的相邻的区段为下降段的出货区；

第四个跌平跌为d4，其中，d4代表底部盘整形态内，第四个在先的相邻区段为下降段，且在后的相邻的区段为下降段的出货区。

此外，需要说明的是，本实施例的图18展示了d-a-b-c组合构成一个循环的k线走势图，而在实际应用中，该循环也可以是d-b-a-c等，即d、a、b和c四类形态中任意一种组合构成的循环。显然，本实施例中数据库中的k线走势形态图不限于上述四类k线走势形态，可以为其他类型，波动式上升形态或波动式下降形态等不规则的走势形态。

另外，如图13、图22和图23所示，在上述步骤中包括以下步骤s232：根据吸筹区和出货区的位置和设定的波动区间，确定并划分实时形态图的匹配区间为顶部形态区间、底部形态区间、上升形态区间和下降形态区间的步骤中包括以下步骤：

s2321:根据吸筹区和出货区的平均收盘价格和收盘时间，生成收盘价格直方图；

s2322:根据收盘价格直方图拟合生成收盘价格曲线；

s2333:对收盘价格曲线进行平滑处理得到收盘价格平滑曲线；

s2334:根据收盘价格平滑曲线及设定的划分区域，获取波峰区和波谷区，例如根据设定的时长，划分各波峰点和波谷点的区域范围，以形成波峰区a1和波谷区b1，或根据波峰点的邻近区域内各吸筹区之间的偏离值小于预设的差值，例如5％，以及根据波谷点的邻近区域内各吸筹区之间的偏离值小于预设的差值，例如5％。

s2335:将波峰区内对应的吸筹区所在区间确定为顶部形态区域，将波谷区内对应的出货区，确定为底部形态区域；

s2336:根据顶部形态区域和底部形态区域，划分实时形态图的匹配区间为四个形态区域。例如，底部形态区域在先，顶部形态区域在后，则连接该底部形态区域和顶部形态区域之间的形态区域为上升形态区域；若顶部形态区域在先，底部形态区域在后，则连接该底部形态区域和顶部形态区域之间的形态区域为下降形态区域。

通过上述步骤s2321～s236，可对实时形态图的匹配区间进行较为准确的划分，以符合客观规律，并利于后续根据区间进行匹配对应的k线走势图，以提升匹配的成功率，并更加准确地反映价格趋势，提升该方法所生成的模型计算价格趋势的准确性。

进一步作为优选地，如图7所示，根据k线走势形态图，确定价格的趋势的步骤中包括：

s31:根据实时形态图，确定当前的交易位置；

s32:根据当前交易位置匹配k线走势形态图中的位置，确定价格趋势，并显示其走势概率。

由此可知，通过上述步骤可以较好的展示走势预测，并通过显示历史走势概率的方式，提升其预测的准确性，以供用户参考，降低用户的操作风险。

如图24所示，在步骤s32中还包括以下步骤：

步骤s321:根据当前交易位置匹配k线走势形态图，查询与当前位置相匹配的分类区间形态图中对应的位置；

步骤s322:根据当前交易位置在实时形态图的匹配区间内的位置，确定当前交易位置与分类区间内最邻近的吸筹区的位置差值；

步骤s323:根据位置差值与最邻近的吸筹区的收盘价格均值之间的比值和与当前位置相匹配的分类区间形态图对应的位置的历史记录，判断价格趋势。

详细地说，如图12，根据该分类区间形态图内对应的交易位置的历史统计数据显示下跌或上涨的概率，例如为60％、80％、90％等，例如，y1表示位置差值与最邻近的吸筹区(参考图12中的缓冲区ab区间)的收盘价格均值之间的比值之间的比值大于1时，根据该位置的历史统计数据显示下跌的概率，并发出交易的风险提示。y2表示与最邻近的吸筹区(参考图12中的缓冲区ab区间)的收盘价格均值之间的比值之间的比值大于2时，根据该位置的历史统计数据显示下跌的概率，并发出交易的风险提示。又例如图13所示，y3表示位置差值与最邻近的出货区之间的比值小于-2时，根据该分类区间内当前交易位置的历史统计数据显示上涨的概率，例如为60％、80％、90％等。

通过上述步骤s321～323，根据当前交易位置查询实时形态图对应的k线走势图中对应位置的历史交易记录，可客观地反映价格的趋势，提升判断的准确性。

详细地，在步骤s3之后还包括以下步骤：

s4:根据确定价格的趋势，确定操作策略；

其中，步骤s4包括以下子步骤：

根据用户设定的交易策略，于当前交易位置根据设定的价格买卖点进行自动交易。例如，若当前交易位置与分类区间内最邻近的吸筹区的收盘价格均值之间的比值之间的比值大于等于2，根据价格趋势，确定自动买入或卖出的策略，例如图12中y2表示的位置差值大于等于2，且价格趋势为大概率下降趋势时，则自动卖出设定的交易量，又例如图13所示，y3表示位置差值与最邻近的出货区之间的比值小于-2时，且价格趋势为为大概率上涨趋势时，则自动买入设定的交易量。

通过根据用户预设的交易策略进行自动交易，可以实现用户的定投管理，养成良好的交易习惯，规避较大的风险，合理止损，克服因用户自身的情绪波动而造成的不理性操作。

实施例2

本发明还提供了一种基于金融交易的数据分析系统，与上述实施例1相对应，用于执行上述实施例1中的分析方法，如图25所示，包括：

数据获取模块，用于根据获取的交易数据信息和种类，确定分析时段内的区间价格k线图；

图表匹配模块，用于根据区间价格k线图和预设的匹配规则，确定k线走势形态图；

数据判断模块，用于根据k线走势形态图，确定价格的趋势；

数据显示模块，用于根据确定价格的趋势，确定操作策略。

通过上述内容可知，本发明提供的数据分析系统通过交易数据信息和种类，确定分析时段内的区间价格k线图，并根据预设的匹配规则，确定k线走势形态图，以确定价格的趋势的方法，不仅方法简单，而且可以较好的反映交易价格趋势，遵循了金融数据的循环规律，可以较好的提升准确预测的概率。

在此，值得一提的是，本实施例中的交易数据可以为股票、外汇、期货、期权等二级市场的数据，而本实施例仅以股票数据为例作说明。

进一步作为优选地，为了满足不同的二级市场的价格分析需求，数据获取模块，包括：

数据分析单元，根据获取的交易数据信息和种类，确定分析时段的设定区间；

数据计算单元，根据设定区间，确定区间价格k线图。

在此需要说明的是，本实施例中的设定区间的设定单位可以是周，也可以是月或年，而本实施例仅以月为区间单位为例作简要说明，而不作具体的阐述。

进一步作为优选地，图表匹配模块包括：

图表判定单元，用于根据区间价格k线图及预设规则，确定区间价格k线图的吸筹区和出货区；

图表创建单元，用于根据区间价格k线图的吸筹区和出货区，确定k线的实时形态图；

图表匹配单元，用于根据实时形态图匹配对应的k线走势形态图。

由上可知，根据上述图表判定单元和图表创建单元根据预设规则确定k线的实时形态图后，借助历史记录中k线走势形态图，即k线走势规律，有利于提升价格趋势的准确性，降低用户的操作风险。

进一步作为优选地，图表判定单元包括：

图表统计单元，用于统计设定区间内各k线的收盘价格，并生成收盘价格曲线；

图表平滑单元，用于对收盘价格曲线进行平滑处理，得到平滑曲线；

图表划分单元，用于根据预设的曲率变换范围，划分并获取平滑曲线上的平滑段；

图表查询单元，用于查询并匹配区间价格k线图上与平滑段相匹配的平滑区间；

区间设定单元，用于根据设定区间的区间单位，并以至少两个以上连续的区间单位对平滑区间进行判定；例如2至10个日k线为区间单位对平滑区间进行判定。

缓冲判定单元，用于在判定平滑区间内相邻的两个当日的k线的收盘价格之间的差值的绝对值与在先k线的收盘价格之间的比值是否均小于预设的比例后确定为缓冲区间，并确定缓冲区间的区间长度，否则继续减少区间单位进行判定直至将该平滑区间设定为非缓冲区间；其中，该预设的比例可以为预设的区间单位的月或年平均涨幅比例或跌幅比例。

区间判定单元，用于判定与缓冲区间邻近且在后的缓冲区间之间的非缓冲区间的日k线的收盘价格的均值，是否大于缓冲区间的收盘价格的均值，若是，则将缓冲区间判定为吸筹区，否则判定为出货区。

在此，需要说明的是，本实施例中的缓冲区间可以如图9所示的区间ab。并且，本实施例中该预设的比例，以实际日k线的年均涨跌进行设定，本实施例仅以百分之三等为例作说明。

预设的高点位置优选为对比日k线的收盘价格高于开盘价格的百分之六十的位置，可参考图6，即对比日k线为大阳线，a11为当日最高价格，a12为当日收盘价格，b12为当日开盘价格，b13为当日最低价格。预设的低点位置为对比日k线的收盘价格低于开盘价格的百分之六十的位置。可参考图7，即对比日k线为大阴线，a21为当日最高价格，a22为当日开盘价格，b21为当日收盘价格，b22为当日最低价格。

由上可知，通过上述各单元的配合，可准确地判断并划分简化吸筹区和出货区，以利于后续生成的k线实时形态图，可较好地反映k线代表的价格走势，便于后续的匹配，提升匹配的成功率，以及准确判断价格的趋势。

详细地，图表创建单元包括：

图表处理单元，用于基于缓冲区和相邻的非缓冲区的价格均值之间的差值，对吸筹区和出货区进行筛选处理，以得到简化后的吸筹区和出货区，例如通过判断吸筹区的最高收盘价格与在后的非缓冲区间的日k线的收盘价格的均值的之间的差值的绝对值与吸筹区的最高收盘价格之间的比例是否大于预设的比例，以及出货区的最低收盘价格与在后的非缓冲区间的日k线的收盘价格的均值的之间的差值的绝对值与出货区的最低收盘价格之间的比例是否大于预设的比例，例如该比例可以为百分之六十。

图表生成单元，用于基于区间价格k线图的吸筹区和出货区的位置和时间，生成k线实时形态图，例如基于吸筹区和出货区的吸筹区和出货区的平均收盘价格和对应的日期，生成k线走势形态图。

通过图表处理单元和图表生成单元的配合，可简化吸筹区和出货区的数量，以利于生成可较好反映k线实时形态图的k线走势形态图，便于后续的匹配，提升匹配的成功率。

进一步作为优选地，图表匹配单元包括：

图形分类单元，用于根据吸筹区和出货区的位置和设定的波动区间，确定并划分实时形态图的匹配区间为顶部形态区间、底部形态区间、上升形态区间和下降形态区间；

数据匹配单元，用于根据预设的分类区间形态规则匹配匹配区间所对应的k线走势形态图；例如根据相似度匹配算法，计算设定的分类区间形态图与划分后的匹配区间所对应的数据库中记录的k线走势形态图之间的相似度，若相似度大于预设的数值，例如百分之八十，则判断匹配成功，否则判断不成功。

数据标记单元，用于在匹配成功后，生成标记分类区间形态的k线走势形态图，否则重新设定波动区间，并通过数据匹配单元继续匹配。例如图14和图15所示，将实时形态图的各匹配区间根据对应的分类区间形态进行标记并替换成对应的k线走势形态图，生成标记分类区间形态的k线走势形态图。

通过上述各单元的配合，可较为准确且合理地对通过对图表创建单元生成的k线实时形态图的匹配区间进行自动划分并匹配相应的k线走势形态图，并符合客观规律，以便于根据分类区间形态规则匹配对应的分类区间形态，以利于对后续价格趋势的统计和判断，提升该方法所生成的模型计算价格趋势的准确性。

进一步作为优选地，图形分类单元还包括：

直方图生成单元，用于根据吸筹区和出货区的平均收盘价格和收盘时间，生成收盘价格直方图；

曲线生成单元，用于根据收盘价格直方图拟合生成收盘价格曲线；

曲线优化单元，用于对收盘价格曲线进行平滑处理得到收盘价格平滑曲线；

曲线划分单元，用于根据收盘价格平滑曲线及设定的划分区域，获取波峰区和波谷区，例如根据设定的时长，划分各波峰点和波谷点的区域范围，以形成波峰区a1和波谷区b1，或根据波峰点的邻近区域内各吸筹区之间的偏离值小于预设的差值，例如5％，以及根据波谷点的邻近区域内各吸筹区之间的偏离值小于预设的差值，例如5％。

形态划分单元，用于将波峰区内对应的吸筹区所在区间确定为顶部形态区域，将波谷区内对应的出货区，确定为底部形态区域；

形态匹配单元，用于根据顶部形态区域和底部形态区域，划分实时形态图的匹配区间为四个形态区域。例如，底部形态区域在先，顶部形态区域在后，则连接该底部形态区域和顶部形态区域之间的形态区域为上升形态区域；若顶部形态区域在先，底部形态区域在后，则连接该底部形态区域和顶部形态区域之间的形态区域为下降形态区域。

通过上述图形分类单元中各单元的配合，可对实时形态图的匹配区间进行较为准确的划分，以符合客观规律，并利于后续根据区间进行匹配对应的k线走势图，以提升匹配的成功率，并更加准确地反映价格趋势，提升该方法所生成的模型计算价格趋势的准确性。

进一步作为优选地，数据判断模块包括：

数据查询单元，用于根据实时形态图，确定当前的交易位置；

数据判定单元，用于根据当前交易位置匹配k线走势形态图中当前位置，确定价格趋势。

由此可知，通过该数据判断模块可以较好的展示走势预测，并通过显示历史走势概率的方式，提升其预测的准确性，以供用户参考，降低用户的操作风险。

进一步作为优选地，数据判定单元，还包括:

位置查询单元，用于根据当前交易位置匹配k线走势形态图中对应的位置，查询与当前位置相匹配的分类区间形态图中对应的位置；

差值判定单元，用于根据当前交易位置在实时形态图的匹配区间内的位置，确定当前交易位置与分类区间内最邻近的吸筹区的位置差值；

趋势判定单元，用于根据位置差值与最邻近的吸筹区的收盘价格均值之间的比值和与当前位置相匹配的分类区间形态图对应的位置的历史记录，判断价格趋势。

通过上述数据判定单元中各单元的配合，可根据当前交易位置查询实时形态图对应的k线走势图中对应位置的历史交易记录，可客观地反映价格的趋势，提升判断的准确性。

详细地，在基于金融交易的数据分析系统还包括：数据操作模块，用于根据确定价格的趋势，确定操作策略。

具体地，数据显示模块包括：

交易执行单元，用于根据用户设定的交易策略，于当前交易位置根据设定的价格买卖点进行自动交易。例如，若当前交易位置与分类区间内最邻近的吸筹区的收盘价格均值之间的比值之间的比值大于等于2，根据价格趋势，确定自动买入或卖出的策略，例如图12中y2表示的位置差值大于等于2，且价格趋势为大概率下降趋势时，则自动卖出设定的交易量，又例如图13所示，y3表示位置差值与最邻近的出货区之间的比值小于-2时，且价格趋势为为大概率上涨趋势时，则自动买入设定的交易量。

通过根据用户预设的交易策略进行自动交易，可以实现用户的定投管理，养成良好的交易习惯，规避较大的风险，合理止损，克服因用户自身的情绪波动而造成的不理性操作。

本申请的基于金融交易的数据分析方法可以较好的反映交易价格趋势，提升准确预测的概率。以上实施例仅用以说明本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。