数据挖掘在证券市场反向效应和动量效应研究中的应用

摘要

随着国内证券行业政策的逐步开放，证券行业的竞争越来越激烈，券商分析决策时对数据的依赖性和敏感度也越来越高。数据挖掘技术作为分析与辅助决策工具已经越来越得到国内券商的重视。 在证券交易中总有很多股民买进股票被套，然后就希望股票慢慢解套，或者买进跌得很深的股票，希望它以后的涨幅很大；另外一种人就是完全追涨杀跌，到底哪种观点正确，就引出了证券市场中是否存在动量策略和反向策略的论点。 文章介绍了反向策略和动量策略以及国内外对此的研究。阐述了数据挖掘的概念，步骤，任务，方法，应用，工具和发展。着重介绍了在证券业务中的各种应用。本文通过对数据挖掘的聚类、时序技术和证券市场动量反向效应的分析研究，采用了数据挖掘聚类分析的K-MEAN算法、时序分析的N阶指数平移方法确定了在动量反向效应研究的重要参数：股民同时持股参数，股市运行类型划分。在此基础上，通过SQL QUERY ANALYZER软件对2000年以来的上海证券交易所交易数据加以处理，借鉴Lo&MacKinlay和Jegadeesh&Titman的检验方法并对处理结果进行分析与研究，得出了：在中国股市存在动量效应和反向效应。动量效应的程度大于反向效应；在牛市阶段，中长期的反向效应比较明显；不细分大盘运行类型的情况下，具有长期的动量效应；在熊市阶段，中期符合动量效应；在盘整阶段，中期符合动量效应。 本文研究目的在于：运用数据挖掘技术指导对证券市场中是否存在动量策略和反向策略的论点进行科学的论证。