杜宇君

摘要：股票交易中的技术指标能反映上市公司股票价格变化的特征，由于单一的技术指标在股票价格变动的买点和卖点上存在片面性，本文利用多个技术指标组合全面分析股票价格指数的变化情况以提高投资决策的正确率。

关键词：股票；决策樹；技术指标

一、引言

我国股票市场已经迅猛发展了20多年，股民投资的积极性也在不断提高，但股市总是风险与机会共存。因此，寻求一套有效的方法降低人们股票投资的风险，做出正确的决策就显得格外重要。随着数理理论深入研究和计算机技术快速发展，股票市场上累积的数据越来越多，本文利用数据挖掘技术从股票交易的技术指标来分析股票价格的变动的趋势并提出股票交易的策略。

二、理论介绍

决策树是一个类似于流程图的树形结构，决策树将数据按树状结构分成若干分支，每个分支包含数据类别归属共性。在每一分叉节点处又可以根据数据的不同属性进行进一步有效的细分类，这样可以在每个分支中提取有效信息，形成分类规则。由此可见，对于分类问题，决策树的生成是一个从上至下、分而治之的过程。

使用决策树构建股票决策模型的优势在于针对某些数据的不完整及数据空间和时间的复杂性，能够构建一个准确、简洁并易于理解的模型对未知数据进行分类和预测。

三、实证分析

1.技术指标的选取

为了从多方面预测股票价格指数的变动趋势，本文选取了指数平滑异同移动平均线（MACD）、相对强弱指标（RSI）、三重指数平滑平均线（TRIX）、能量潮指标（OBV）、顺势指标（CII）、变动率指标（ROC）、威廉指标（WPO和简易波动指标（EMV）这8个指标进行研究。

2.数据获取

在本次模型构建中从雅虎财经通过R软件获取了方正科技和西宁特钢两家上市公司2007年1月1日到2015年10月28日的股票数据。

3.交易策略构建

本次研究以股票各个技术指标为自变量，以股票价格的涨跌为因变量，采用决策树对股市未来的行情做出短期预测和判断，并用技术指标构建一些投资策略。将股票价格指数收盘价大于前一日收盘价的用1来代表某日股价上涨；股票价格低于前一日的用0代表股票下跌，将此变量作为解释变量命名为Y。技术指标作为被解释变量来分析各技术指标和股票价格之间的关系。将方正科技的股票价格和对应技术指标作为训练集来训练决策树模型，并用西宁特钢的价格指数及其对应指标作为测试集模型的准确度。最后以决策树为准则构建股票交易策略，结果如下：

（1）策略1是用股票ROC、CCI、OBV作为解释变量，股票涨跌分类变量Y为被解释变量做决策树经过剪枝如上图所示，当ROC小于0.000243时，股票会下跌，当其大于0.000243时，股价会上涨。经过交叉验证，此策略的误判率为0。

（2）策略2选择EMV、WR、MACD三个技术指标作为解释变量，当EMV小于-0.00011且WR大于0.9时股价会下跌；当EMV小于-0.00011时且WR小于0.17时股价会上涨；当EMV大于-0.00011时股价上涨；当当EMV小于-0.00011且wR大于0.28小于0.9且MACD大于-0.25时，股价会上涨。经过交叉检验此策略的误判率为25%。

（3）策略3选择CCI、MACD两个技术指标作为解释变量，当CCI小于-106时股价会下跌；当CCI大于163时股价会上涨；当CCI大于-106小于163且MACD大于-0.029时股价上涨；经过交叉检验此策略的误判率为38%。

（4）策略4选择KSI、MACD、CCI、TRIX四个技术指标作为解释变量，当RSI大于51时股价会上涨；当RSI小于51且CCI小于-121MACD小于0.047时股价会上涨；其他指标区间股价会跌，经过交叉检验此策略的误判率为39%。

4.收益评价

按照以上四种策略分别进行模拟交易，各种策略的收益表现如下：

从用不同策略模拟股票交易的收益来看，策略1的收益最高，交易比较频繁，平均持仓时间较短，其次是策略2，多仓平均持有时间较长收益比较客观，再次是策略4，最后是策略3。从四种策略的收益分布来看，对应同一种股票采用不同策略模拟交易其离散程度相差不大，也就是说用不同的策略交易相同的投资品面临的风险大小基本没有差异，但策略1的平均收益最高，策略2和策略4的平均收益相差很小，但是策略4相对策略2较为稳健，获得同样收益的概率较大，策略3的平均收益率最低。

四、总结

本文通过数据挖掘相关技术对上市公司的技术指标进行分析，建立了股票决策模型，并分析了不同情况下的股票决策。文章以决策树为准则构建了四种股票交易策略，并对四个策略进行了收益评价，得出策略1的平均收益最高，但策略4较稳健。最后，针对不同的策略模型，对各个技术指标在不同情况下的表现进行了具体的决策分析，以求指导投资实践。我国的股市发展并不完善，股票的涨跌受多种因素的影响，投资者在作出决策时往往获取不到完整的信息，但利用数据挖掘的技术能够较好地解决这个问题。