个性化金融分析工具的设计与开发

姜黎黎 王智钢 严琳 王蓉

摘 要：传统的金融分析软件提供的主要是常规的技术分析，由于博弈行为，往往普遍使用的分析工具经常会失效，而个性化的金融分析工具可以帮助用户以独特的方法对金融数据进行有效的分析。本文设计并开发重心线、价格带和扭曲线等个性化分析工具。重心线是通过将相邻交易日的价格重心连起来而得到；价格带能直观反映价格的轨迹区间，能在一定程度上反映行情波动的加剧或者收敛等；扭曲线可以反映涨跌趋势的变化。它们可用于金融分析实践，有一定实用价值，同时也为设计和开发更加复杂的个性化金融分析工具系统奠定了基础。

关键词：金融分析；数据挖掘；设计与开发；重心线；价格带

中图分类号：TP311 文献标识码：A

Abstract：Traditional financial analysis softwares mainly offer the conventional technical analysis.Because of the game behavior，widely used analysis tools often lose efficacy.On the contrary personalized financial analysis tool can help users analysis of financial data with a unique method effectively.This paper introduces the design and development of personalized financial analysis tools like gravity line.Price Zone and line of torsion.The gravity line is acquired through connecting the price gravity of the adjacent trading days.Price zone can directly show the intensification or convergence of market volatility.Line of torsion can reflect the trend changes of rise or fall.They can be used in financial analysis practice，and have certain practical value.At the same time they lay a foundation for the design and development of more complicated personalized financial analysis tools system.

Keywords：financial analysis；data mining；design and development；gravity line；price zone

1 引言（Introduction）

个性化金融分析工具是基于数据分析和挖掘技术，对特定的金融数据进行高效分析的工具。当下，银行、证券公司每天的业务都会产生大量数据，利用目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。人们提出了各种不同的方法来预测数据未来的发展趋势，主要包括基于统计分析（时间序列和回归模型）的预测方法，基于人工智能（神经网络、遗传算法和模糊逻辑）的预测方法。金融时间序列的预测是一个周期性的过程，每个周期包括模型训练和对下一交易日的回报价值预测两个阶段[1]。而神经网络作为一种高效的数据挖掘方法，已被应用于许多不同的复杂的模式识别问题，包括股市预测[2]。本文主要讨论利用数据挖掘技术开发个性化金融分析工具，分析股市交易数据[3]。

目前国内关于金融数据挖掘领域的研究和应用都还处于起步阶段，国内对金融数据和金融数据挖掘的研究理论、金融数据挖掘算法和技术掌握的不多，而且也不够成熟，对金融数据挖掘的应用也处于试探阶段[4]。此外，传统的金融数据服务软件提供的服务主要集中于普通的行情推送、行情展示、简易的行情数据描述、普通无序的资讯等，并不能做到全面、准确、高效的帮助用户掌握市场情况；然而如大智慧DTS这样的高级服务平台，需要专业的人士了解金融、计算机、数学等专业知识，才能合理应用。高级服务平台专业过高，而且服务价格不菲，让大多数非专业投资者望而却步。基于这样的现状，我们致力于研发出个性化金融分析工具，提供相关服务，满足企业和个人的需求[5]。

金融市场正在不断产生数据，而这些数据一般类型多、关系复杂、规律时效性较强、数据量非常庞大。面对海量金融数据，基于传统统计技术建立的模型假设条件多，实际应用难以奏效。从客观的角度来分析，数据挖掘技术在目前是非常高度关注的技术，同时在很多方面都与股市技术具有密切的关系[6]。因此利用数据挖掘技术，进行个性化金融工具的开发就显得十分必要了。本文通过相关技术对个性化金融工具进行开发，从而对海量金融数据进行有效分析[7]。个性化金融分析工具可以使我们获取个性化金融数据，用户可以通过个性化金融分析工具，根据自己的实际需求，方便快捷地获取所需数据，降低了用户信息的搜寻成本。还可以挖掘与分析金融数据，通过使用个性化金融分析工具，用户可以用多样化的方法对金融数据进行高效的分析。

2 个性化金融分析工具的设计（The design of

personalized financial analysis tools）

2.1 重心线

（1）含义和计算方法

金融交易数据分析中最常用的工具之一就是K线[8]，但有时因为人为的做盘，K线会失真，不能客观反映行情的真实情况和后续趋向。可以按如下公式来定义某一交易品种在交易日i的价格重心Gi

Gi=w1*开盘价+w2*收盘价+w3*最高价+w4*最低价

其中，w1、w2、w3、w4为系数。把相邻交易日的价格重心Gi连起来，就得到了重心线G。

（2）流程图

绘制重心线的流程如图1所示。

2.2 价格带

可以按如下公式来定义某一交易品种在交易日期t等于i和j之间的价格带

S=

用图来表示就是把相邻交易日的最高价连起来，得到曲线H，再把相邻交易日的最高低价连起来，得到曲线L，两条曲线中间的区间就是价格带。

价格带能直观反映价格的轨迹区间，并能在一定程度上反映行情波动的加剧或者收敛，最高价的后续趋向，最低价的后续趋向等。

2.3 扭曲线

把相邻交易日的开盘价连起来，得到曲线O，把相邻交易日的收盘价连起来，得到曲线C，两条曲线及其交叉关系，就是扭曲线。扭曲线可以反映涨跌趋势的变化，当开盘价曲线O向下而收盘价曲线C向上形成扭曲交叉时，表示上涨趋势，当开盘价曲线O向上而收盘价曲线C向下形成扭曲交叉时，表示下跌趋势，当然在震荡市中，这种变化会很频繁。

3 个性化金融分析工具的开发（The development of

personalized financial analysis tools）

本文所述个性化金融分析工具在Visual FoxPro中开发。VFP是一个比较有特色的数据库管理系统，它将数据库操作和高级语言编程融为一体，并且提供了大量的可视化系统开发工具和向导工具，支持面向对象程序设计方法。因此，不需要其他高级语言和开发工具，就可以直接使用Visual FoxPro进行数据库应用系统开发。

3.1 重心线

（1）关键代码

（2）执行界面

执行时首先获取每个交易日的最高价、最低价、开盘价和收盘价，然后根据收盘与开盘价的大小关系判断该交易日的显示颜色并画出K线，再根据公式计算得出重心点，最终通过不断迭代连接相邻重心点画出重心线。执行界面显示如图2所示。

（2）执行界面

执行程序首先获取每个交易日的最高价和最低价，通过迭代将相邻交易日的最高价点、最低价点分别连接得到H线、L线，两线之间的区间就形成价格带，执行界面显示如图3所示。

（2）执行界面

执行程序首先获取每日的开盘价和收盘价，通过不断迭代分别将相邻交易日的开盘价点连接起来得到曲线O、收盘价点连接起来得到曲线C。扭曲线即两条曲线及其交叉关系，执行界面显示如图4所示。

4 结论（Conclusion）

本文及相关学习研究工作，受江苏省大学生创新创业计划等项目资助。本项目课题主要是设计和开发个性化金融分析工具，并在实践中应用和改进。我们团队通过本项目得到了很好的锻炼，不仅学习和掌握了数据分析、数据挖掘的基本知识、技术和方法，更培养了自己设计和开发应用软件的能力和独立解决问题的思维能力，为将来的就业和创业奠定了一定基础，并且该项目将软件与金融两大学科知识相结合，为实现培养复合型人才的目标贡献了一点力量。数据分析与挖掘是时下研究领域的新鲜血液，后续我们将会继续以数据挖掘为基础，设计开发更多更好的个性化金融分析工具。

参考文献（References）

[1] Rosas-Romero R，Diaz-Torres A，Etcheverry G.Forecasting of Stock Return Prices with Sparse Representation of Financial Time Series over Redundant Dictionaries[J].Expert Systems with Applications，2016，57：37-48.

[2] Ravichandra T，Thingom C.Stock Price Forecasting Using ANN Method[J].Advances in Intelligent Systems and Computing，2016，435：599-605.

[3] Barak S，Modarres M.Developing an Approach to Evaluate Stocks by Forecasting Effective Features with Data Mining Methods[J].Expert Systems With Applications，2015，42：1325-1339.

[4] 余春.基于数据挖掘技术的金融数据分析系统设计与实现[D].成都：电子科技大学，2014（6）：69-78.

[5] 蔡俊杰.基于大数据与人工智能下的金融分析决策系统的设计与实现[J].现代工业经济和信息化，2016，6（11）：87-88.

[6] 陈格.数据挖掘算法及其在股市技术分析中的应用解析[Z].第二届今口财富论坛，2016：21.

[7] 戴鹏.基于ABS算法的可视化金融数据挖掘平台开发[J].电脑知识与技术，2011，7（13）：2977-2978.

[8] 王智钢，等.基于SVC的证券行情周K线涨跌预测[J].金陵科技学院学报，2013，29（1）：15-19.