APP下载

基于k-means聚类的股票KDJ类指标综合分析方法

2018-11-01毛国君邓康立

计算机与现代化 2018年10期
关键词:数据挖掘分析模型

李 娜,毛国君,邓康立

(中央财经大学信息学院,北京 102206)

0 引 言

随着我国市场经济的不断发展,越来越多的人选择投资股票。股票投资是一项非常复杂的活动,其中对股票走势的正确预测是最基础性的工作[1]。然而,由于大多数股民是散户,他们获取上市公司的信息有限,所以利用历史数据进行技术指标分析以帮助预测股票走势及实现选股是一条可行的途径。

研究和利用技术指标来实现股票的技术分析一直得到广泛关注,相关机构已经研发许多技术指标及其工具来帮助股民进行股票的技术分析。已经出现的股票技术指标保守说也有数十种[2]。使用较多的有随机指标KDJ、平滑异同平均线指标MACD、顺势指标CCI、乖离率指标BIAS、三重指数平滑移动平均指标TRIX等[3-4]。这些指标从某些角度反映了股票市场的走势或者运行状态,所以正确使用它们可以在一定程度上为投资者选择股票提供帮助。例如:最流行的技术分析手段之一的KDJ指标集可以帮助投资者了解某只股票的中短期走势;MACD指标集是大势趋势类指标,可以帮助投资者确定某只股票的买卖时机[5]。

事实上,任何技术指标都有各自的缺陷和局限性。例如:KDJ对轧空单边式钝化存在盲区;MACD对震荡走势存在盲区等[6]。因此,有经验的投资者会尽量利用多种类指标来寻找合适的买卖时机和价位,比如将KDJ和MACD等指标综合考虑。然而,这样解决问题的思路存在的缺陷也是显然的。首先,不同的投资者很难准确地了解每个技术指标的作用,更谈不上能综合多个指标来进行决策,所以简单实用的多维度指标分析手段有着很强的吸引力。……

登录APP查看全文

猜你喜欢

数据挖掘分析模型
一半模型
探讨人工智能与数据挖掘发展趋势
隐蔽失效适航要求符合性验证分析
重尾非线性自回归模型自加权M-估计的渐近分布
电力系统不平衡分析
基于并行计算的大数据挖掘在电网中的应用
电力系统及其自动化发展趋势分析
3D打印中的模型分割与打包
一种基于Hadoop的大数据挖掘云服务及应用
基于GPGPU的离散数据挖掘研究