基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法、装置、处理器及存储介质

摘要

本发明涉及一种基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法，包括读入股票的当前K线数据；判断该股票当前K线是否为该股票的第一个K线；初始化中间变量；读取当前股票的中间变量；计算每个K线的均值Var1；借助中间变量计算每个K线的34日的最高价和最低价；计算每个K线的加权值；根据加权值进行均线拟合，借助中间变量使用递归模式计算；借助中间变量使用递归模式计算为EMA5并更新中间变量；对当前K线的双移动平均线指标EMA8和EMA5数值进行趋势比较；比较临近的两个K线趋势；比较当前交易比。本发明还涉及相应的装置、处理器及其计算机可读存储介质，以趋势交易理念为基础，通过大数据分析计算，帮助判断个股的走势强弱状态。

说明书

技术领域

本发明涉及大数据的量化预测领域，尤其涉及波段走势预测领域，具体是指一种基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法、装置、处理器及其计算机可读存储介质。

背景技术

移动平均线投资理论是当今广泛关注、应用普遍的技术指标和手段，该理论是于20世纪中期提出来的，移动平均线代表了过去一段时间股票的平均成本，具有追踪趋势、稳定性好的特点，能够帮助广大投资者确认现有趋势、提供良好的买卖依据。在移动平均线研究目前有两个方向：验证其有效性和探索更可靠的策略。前者利用移动平均线的单调性、周期性等特征研究其规律、构建交易策略验证有效性；后者则侧重引入加权、算法模型等提升策略的收益性。

经过对现有相关的文献检索发现，移动平均线在股票走势预测的有效性验证上，江瑞侠等在《股票均线几种特性在预示后市中的作用研究》中对移动平均线构成的曲线抽象成函数，观察其周期性、单调性等函数特性研究股价走势的规律，此外，林玲(2000)、孙碧波(2005)、徐鹏(2008)等分别付对不同时间段内的A股股价数据进行了检验，都证明在中国A股市场可通过移动平均线策略获得超额利润。在优化提升策略上，王中禹在《基于移动平均线的量化交易策略研究》探讨了股市的波动性和股民的投资情绪对移动平均线有效交易策略的影响，杜云峰在“基于移动平均线的投资策略研究”引入了缓存区概念等。在《基于沪深300全收益指数的双均线交易策略有效性研究》中叶文辉对沪深300全收益指数采用双均线交易策略研究验证投资有效性，为A股量化分析的研究提供一些思路。以上方法研究忽略了股价当天的特性，即单个K线的形态，K线的收盘价与最高价、最低价能敏感反应到趋势的转变，此外葛兰碧均线法则中指出了根据交叉的方向判定买卖点，很容易造成出现很多虚假交叉，如何规避虚假交叉目前研究很少，虽然杜云峰的文中引入缓存区概念，但其只研究了指数基金，且数据量、运算量相对不足，没有充分将移动平均线策略与股票历史数据相结合进行实证研究分析，没有充分的运用量化技术进行研究。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种满足操作简便、适用范围较为广泛的基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法、装置、处理器及其计算机可读存储介质如下：

该基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法，其主要特点是，所述的方法包括以下步骤：

(1)读入股票的当前K线数据；

(2)判断该股票当前K线是否为该股票的第一个K线，如果是，则确定该股票在系统中尚未有记载，则继续步骤(3)；否则，继续步骤(4)；

(3)初始化中间变量，涵盖该股票的近33个最高价和最低价，以及近1日的移动指数均线指标值，继续步骤(5)；

(4)读取当前股票的中间变量，继续步骤(5)；

(5)计算每个K线的均值Var1；

(6)借助中间变量计算每个K线的34日的最高价和最低价，分别记为Var2和Var3，并更新中间变量；

(7)计算每个K线的加权值；

(8)根据加权值进行均线拟合，借助中间变量使用递归模式计算记为EMA8并更新中间变量；

(9)根据EMA8指标，采用5日移动指数平均线方法，并借助中间变量使用递归模式计算为EMA5并更新中间变量；

(10)对当前K线的双移动平均线指标EMA8和EMA5数值进行趋势比较，判断EMA8是否大于EMA5，如果是，则当前为走势强劲、上涨趋势；否则，当前为下降趋势；

(11)比较临近的两个K线趋势，判断趋势是否相同，如果是，则继续步骤(13)；否则，继续步骤(12)；

(12)比较当前交易比，判断是否达到交易量比阈值，如果是，则标记该点为趋势转变点，确认买入、卖出点，继续步骤(13)；否则，取消该点的判断，继续步骤(13)；

(13)进入下一K线的检测。

较佳地，所述的步骤(3)中的中间变量首次初始化均为0。

较佳地，所述的步骤(1)中计算加权值，具体为：

根据以下公式计算加权值：

加权值＝(Var1-Var2)/(Var3-Var2)×100；

其中，Var1为每个K线的均值，Var2和Var3分别为每个K线的34日的最高价和最低价。

较佳地，所述的步骤(7)中计算每个K线的加权值Var1，具体为：

根据以下公式计算每个K线的加权值Var1：

Var1＝(2×CLOSE+HIGH+LOW)/4；

其中，CLOSE、HIGH、LOW分别为日K的收盘价、最高价、最低价。

较佳地，所述的方法中计算EMA8和EMA5，具体为：

根据以下公式计算EMA8和EMA5：

其中，N为移动均线计算日期，x

较佳地，所述的步骤(12)中的交易量比阈值为2。

该基于双移动平均线策略实现K线跟踪的辅助投资预测处理的装置，其主要特点是，所述的装置包括：

处理器，被配置成执行计算机可执行指令；

存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的基于双移动平均线策略实现K线跟踪的辅助投资预测处理的方法的步骤。

该基于双移动平均线策略实现K线跟踪的辅助投资预测处理的处理器，其主要特点是，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的基于双移动平均线策略实现K线跟踪的辅助投资预测处理的方法的步骤。

该计算机可读存储介质，其主要特点是，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述的基于双移动平均线策略实现K线跟踪的辅助投资预测处理的方法的各个步骤。

采用了本发明的基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法、装置、处理器及其计算机可读存储介质，提出了一种基于当日K线最高价、最低价和收盘价的加权方式，可在均线拟合中考虑单个K线的特性；并且在实盘中叠加个股的实时成交量条件，降低虚假交叉信号出现的概率；基于大数据运算能力，构建实时运算系统，探索计算全A股市场的股票基于双均线趋势的买入、卖出点，充分将移动平均线与股票历史数据相结合进行实证研究分析，并将该方法应用于实际输出到国泰君安君弘APP的红绿波段投顾产品。以趋势交易理念为基础，通过大数据分析计算，帮助投资者判断个股的走势强弱状态，特别是股票研究经验较少、买卖决策犹豫不决的投资者，利用股价的波动进行高抛低吸，以达到复利增值的效果。

附图说明

图1为本发明的基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法的流程图。

图2为本发明的基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法的针对上海电力波段K线的分析示意图。

图3为本发明的基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法的针对平安银行波段K线的趋势跟踪分析示意图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

本发明的该基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法，其中包括以下步骤：

(1)读入股票的当前K线数据；

(2)判断该股票当前K线是否为该股票的第一个K线，如果是，则确定该股票在系统中尚未有记载，则继续步骤(3)；否则，继续步骤(4)；

(3)初始化中间变量，涵盖该股票的近33个最高价和最低价，以及近1日的移动指数均线指标值，继续步骤(5)；

(4)读取当前股票的中间变量，继续步骤(5)；

(5)计算每个K线的均值Var1；

(6)借助中间变量计算每个K线的34日的最高价和最低价，分别记为Var2和Var3，并更新中间变量；

(7)计算每个K线的加权值；

(8)根据加权值进行均线拟合，借助中间变量使用递归模式计算记为EMA8并更新中间变量；

(9)根据EMA8指标，采用5日移动指数平均线方法，并借助中间变量使用递归模式计算为EMA5并更新中间变量；

(10)对当前K线的双移动平均线指标EMA8和EMA5数值进行趋势比较，判断EMA8是否大于EMA5，如果是，则当前为走势强劲、上涨趋势；否则，当前为下降趋势；

(11)比较临近的两个K线趋势，判断趋势是否相同，如果是，则继续步骤(13)；否则，继续步骤(12)；

(12)比较当前交易比，判断是否达到交易量比阈值，如果是，则标记该点为趋势转变点，确认买入、卖出点，继续步骤(13)；否则，取消该点的判断，继续步骤(13)；

(13)进入下一K线的检测。

作为本发明的优选实施方式，所述的步骤(3)中的中间变量首次初始化均为0。

作为本发明的优选实施方式，所述的步骤(1)中计算加权值，具体为：

根据以下公式计算加权值：

加权值＝(Var1-Var2)/(Var3-Var2)×100；

其中，Var1为每个K线的均值，Var2和Var3分别为每个K线的34日的最高价和最低价。

作为本发明的优选实施方式，所述的步骤(7)中计算每个K线的加权值Var1，具体为：

根据以下公式计算每个K线的加权值Var1：

Var1＝(2×CLOSE+HIGH+LOW)/4；

其中，CLOSE、HIGH、LOW分别为日K的收盘价、最高价、最低价。

作为本发明的优选实施方式，所述的方法中计算EMA8和EMA5，具体为：

根据以下公式计算EMA8和EMA5：

其中，N为移动均线计算日期，x

作为本发明的优选实施方式，所述的步骤(12)中的交易量比阈值为2。

作为本发明的优选实施方式，该基于双移动平均线策略实现K线跟踪的辅助投资预测处理的装置，其中包括：

处理器，被配置成执行计算机可执行指令；

存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的基于双移动平均线策略实现K线跟踪的辅助投资预测处理的方法的步骤。

该基于双移动平均线策略实现K线跟踪的辅助投资预测处理的处理器，其中所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的基于双移动平均线策略实现K线跟踪的辅助投资预测处理的方法的步骤。

该计算机可读存储介质，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述的基于双移动平均线策略实现K线跟踪的辅助投资预测处理的方法的各个步骤。

本发明的具体实施方式中，克服了上述现有技术的缺点，提出了一种基于当日K线最高价、最低价和收盘价的加权方式，可在均线拟合中考虑单个K线的特性；并且在实盘中叠加个股的实时成交量条件，降低虚假交叉信号出现的概率；基于大数据运算能力，构建实时运算系统，探索计算全A股市场的股票基于双均线趋势的买入、卖出点，并将该方法应用于实际输出到国泰君安君弘APP的红绿波段投顾产品。

本发明的红绿波段产品中基于双移动平均线策略的K线趋势跟踪预测方法包括一下步骤：

(1)红绿波段系统读入股票的当前K线数据，涵盖K线收盘价、最高价、最低价、成交量；

(2)所述的系统检测判断该股票当前K线是否为该股票的第一个K线，若是则确定该股票在系统中尚未有记载，则进入步骤(3)，若否则进入步骤(4)；

(3)所述的系统初始化中间变量，涵盖该股票的近33个最高价、最低价，近1日的移动指数均线指标值，进入步骤(5)；

(4)所述的系统读取当前股票的中间变量，进入步骤(5)；

(5)所述的系统计算每个K线的均值，公式如：(2×CLOSE+HIGH+LOW)/4，记为Var1并保存；

(6)所述的系统借助中间变量计算每个K线的34日最高价、最低价，分别记为Var2、Var3并更新中间变量；

(7)所述的系统基于步骤(5)和(6)计算每个K线的加权值；

(8)所述的系统基于步骤(7)的加权值进行均线拟合，采用8日移动指数平均线方法记，并借助中间变量使用递归模式计算记为EMA8并更新中间变量；

(9)所述的系统基于步骤(8)中的EMA8指标，采用5日移动指数平均线方法，并借助中间变量使用递归模式计算为EMA5并更新中间变量；

(10)所述的系统针对当前K线的双移动平均线指标EMA8、EMA5数值进行趋势判断，若EMA8大于EMA5，记当前为走势强劲、上涨趋势，反之则为下降趋势；

(11)所述的系统对临近的两个K线趋势进行比较，若相同，则趋势相同，反之则对该点的个股交易量比达到量值，则明确该点是趋势转变点，确认是买入、卖出点；否则，取消该点的判断。

该系统中基于双移动平均线策略方法中，中间变量首次初始化均为0。

该系统中基于双移动平均线策略方法中，均线拟合采用的指标是对K线加权处理，该加权是充分衡量了当前K线在近34日内的波动，较传统的股价均线处理可敏感的捕获趋势的转折点，如下公式：

(Var1-Var2)/(Var3-Var2)×100

其中，

该系统中移动平均线方法采用的是指数移动平均值EMA方法，该方法着重考虑了当天价格行情的权重，在使用中克服了MACD指标对于价格走势的滞后性缺陷，同时也在一定程度上消除了DMA指标的部分信号提前的问题，是一个非常有效的分析指标，公式如下：

该系统中均线拟合中采用递归方式提高运算能力，公式如下：

该系统中所述临近的两个K线趋势，是当前K线与上一个K线的趋势。

该系统中股票的交易量比阈值采用2。

本发明的原理是采用双移动平均线策略，借助每日平均价格浮动反映k线波动，建立m日移动平均线，并在m日移动平均线基础上建立n日移动平均线，这两条移动平均线在价格移动期间必须有交叉点。当m日移动平均线“向上交叉”n日移动平均线时，表明价格当前走势强劲，进入上涨趋势，是买入点，反之亦然。该策略基于不同周期移动平均线的交叉点，掌握交易标的的强弱时刻，投资者可以积极关注或注意规避风险。落实阶段中，本发明的策略方法输出到国泰君安君弘app投资辅助工具：红绿波段，该产品具有实时性、收费特性，系统在设计中须额外关注数据高质量、高保障。在实时性上，则抽取移动平均线的中间变量，确保每次计算是最小化处理，采用redis缓存、高并发等措施增强高运算能力；在数据保障上，设计异常收集模块并短信警报，针对不同模块保留异常处理逻辑，机器+人工模式双重保证数据质量。

最终本发明的策略方法输出产品如图2，以上海电力的K线走势为例，在日K走势上以红绿背景色标注当前走势预测，并在2019年11月22日之前出现大阴线时在22日的K线发出买入信号。以趋势交易理念为基础，通过大数据分析计算，帮助投资者判断个股的走势强弱状态，特别是股票研究经验较少、买卖决策犹豫不决的投资者，利用股价的波动进行高抛低吸，以达到复利增值的效果。

本实施例的具体实现方案可以参见上述实施例中的相关说明，此处不再赘述。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

采用了本发明的基于双移动平均线策略实现K线跟踪的辅助投资预测处理方法、装置、处理器及其计算机可读存储介质，提出了一种基于当日K线最高价、最低价和收盘价的加权方式，可在均线拟合中考虑单个K线的特性；并且在实盘中叠加个股的实时成交量条件，降低虚假交叉信号出现的概率；基于大数据运算能力，构建实时运算系统，探索计算全A股市场的股票基于双均线趋势的买入、卖出点，充分将移动平均线与股票历史数据相结合进行实证研究分析，并将该方法应用于实际输出到国泰君安君弘APP的红绿波段投顾产品。以趋势交易理念为基础，通过大数据分析计算，帮助投资者判断个股的走势强弱状态，特别是股票研究经验较少、买卖决策犹豫不决的投资者，利用股价的波动进行高抛低吸，以达到复利增值的效果。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。