富瑤，王立柱

摘要：基于簡單移動均線和加權(quán)移動平均線建立尋找大概率獲得預期盈利的股票買入算法.算法給出一種篩選股票贏利點的多空點方法，以預期盈利為目標，建立尋找最大概率獲得預期盈利的股票買入時機算法.實驗結(jié)果表明，該算法是有效和可行的.

關(guān)鍵詞：股票;加權(quán)均線;買入點;收益

[中圖分類號]F830.91;F222.1[文獻標志碼]A

A Method of Finding Buying Points for a

Stock based on a Moving Average

FU Yao，WANG Lizhu*

（ College of Mathematics and Systems Science，Shenyang Normal University，Shenyang 110034，China）

Abstract：Based on the simple moving average and weighted moving average，a stock buying algorithm is established to search for expected earnings with high probability.This paper presents a method to screen the profit points of stock，and sets up a stock buying time algorithm to find the maximum probability to obtain the expected profit.Experimental results show that the algorithm is effective and feasible.

Key words：stock;weighted moving average;Simple moving averages;algorithm; profit

中國股市自誕生以來，規(guī)模不斷擴大，上市公司數(shù)量穩(wěn)步增長，制度建設(shè)日趨完善，已經(jīng)成為與中國經(jīng)濟發(fā)展相適應的獨具特色的社會主義經(jīng)濟的重要支柱，極大促進了中國經(jīng)濟的繁榮、發(fā)展和穩(wěn)定.股市是一個龐大的復雜系統(tǒng)，如何找到適當?shù)馁I賣時機是股票投資者長期以來最為關(guān)心的問題.移動平均線可以清晰展現(xiàn)股價的歷史波動平均水平，在一定程度上反映股價未來的發(fā)展趨勢，是股票交易技術(shù)分析的一項重要工具，從其出發(fā)探索買賣點是股市研究領(lǐng)域的一個重要方面.不少專家學者對此進行了研究.劉曉[1]等基于凸組合思路構(gòu)建改進移動平均線策略，給出了策略交易規(guī)則.簡清明[2]等提出基于多條移動平均線斜率組合和支持向量機算法，判斷當前市場運行趨勢，從而采取相應的投資策略.蘇匡[3]等通過對我國股票市場進行實證分析，揭示運用技術(shù)分析這一分析工具在我國股票上進行投資是可行的.畢星[4]等將經(jīng)驗模式分解理論應用于金融時間序列分析中，建立了一種新的基于經(jīng)驗模式分解和移動平均的綜合分析模型.熊偉[5]等運用重標度極差分析方法對股市的收盤指數(shù)的對數(shù)收益率序列進行分析與比較.宋東宇[6]等利用模糊系統(tǒng)理論將技術(shù)分析中的文字語言轉(zhuǎn)換成教學語言，研究移動平均交易規(guī)則對動態(tài)股價的影響，得到移動平均的最佳周期.研究在一定程度上為選擇合理的股票買賣時機提供了參考價值.單純研究簡單均線不能大概率準確預測股價的未來走勢，因為其具有一定的時間滯后性，本文將借助加權(quán)與簡單兩條移動平均線建立股票的買入點方法，建立一個尋找股票買入時機的方法.

1數(shù)學規(guī)劃

設(shè)S為一只股票，Pli，Phi，Poi和Pci分別表示i交易日的最低價、最高價、開盤價和收盤價，用Pi=Pli+Phi+Poi+Pci表示i交易日的股票均價，稱此為四點平均值.用（i+j）表示i交易日之前的第j個交易日.（i+1表示i交易日的前一個交易日，i+j表示i交易日的第前j個交易日）稱

P（i，j）=11+2+…+l∑lj=1Pi+j·（l-j+1）

為i交易日的前j個交易日的線性加權(quán)四點平均股價.

P～（i，j）=1l∑l+ij=iPj

為i交易日的前l(fā)個交易日的簡單平均股價.

對于股票S，在交易日i內(nèi)以合適的價位買進，使得在未來f個交易日內(nèi)取得預期盈利，用p（i，f）表示i交易日后的f個交易日內(nèi)的盈利，從而篩選出滿足p（i，f）≥v條件的全部交易點，即多空點矩陣問題，記為PPATP（f，v）.

篩選出的多空點矩陣經(jīng)過大量實踐證明，大部分位于加權(quán)均線與簡單均線之下，且存在較高的穩(wěn)定性與準確度，也就是在P（i，l）與P～（i，l）之下買入大概率盈利v.基于該事實情況，將股票價格位于加權(quán)均線與簡單均線之下時視為買入的時機，以此建立均線買入算法，記為PPABA（f，v）.

2多空點算法與均線買入算法

篩選出滿足p（i，f）≥v條件的全部交易點，解決PPATP（f，v）問題.首先，設(shè)定預期盈利，篩選出特定一段時間在未來f日內(nèi)盈利p（i，f）≥v的全部股票交易點，以此找到這些獲利點的特征，從而得到股票買入點.

給出問題PPATP（f，v），設(shè)Phi，Pli，i=1，2，…，L+f為最近的（L+f）個歷史數(shù)據(jù)，設(shè)置當前價為P0.取適當小的ε>0，分別關(guān)于δ=ε，2ε，3ε，…，<（Phi-Pli），依次對L個交易日i=f+1，f+2，…，f+L進行操作.首先考慮交易日i，以Phi作為起始價，當[Phi-δ+v]

2.1多空點算法

問題：PPATP（f，v）

輸入：f，L，v，ε，Phi，Pji;i=1，2，…，L+f（其中，f，L，v，ε>0;f表示預期長度，L表示跟蹤日數(shù)，v表示f交易日內(nèi)預期盈利水平，Phi和Pli分別表示交易日i的最低價和最高價）.

輸出：滿足如下FC條件的1×L階矩陣Y.（FC條件：（1）在交易日i，當Pli≤P≤yi時，Pli≤yi≤Phi，以價格P買入一手股票S， 則在以后f日至少可盈利v，yi是Y中第i個分量.（2）當y′i≥yi+ε，y′i不滿足（1），即在一定意義上，yi是滿足（1）的最大值.

過程：

Step1.關(guān)于i=1，2，…，L依次進行.

（1）令Ph=Phi，Pl=Pli，P=Ph.

（2）P∶=P-ε.

（3）（i）P≥Pj，若P+v

令yi=P.i

Step2.

（ii）P

L，進行下一步，轉(zhuǎn)2.

Step2.輸出Y.

2.2均線買入算法

問題：PPABA（f，v）

輸入：l，L，f，Y;Pli，Phi，Poi，Pci;i=1，2，…，l+L+f;P0;r（其中，l為P（i，l）及P～（i，l）中的交易日數(shù)，L是訓練日數(shù)，r是運行尺度的參變量，Y代表通過多空點算法得到的1×L階矩陣，P0代表當前價）.

輸出：Yes（建議按照當前價位買入）;No（不建議按照當前價位買入）.

過程：

Step1.置N={yi≠0∶i=1，2，…，L}.

如果NL<13，輸出No;否則，進行下一步.

（|A|表示集合A的基數(shù).）

Step 2.置n（l）∶=0.

Step 3.計算P（i，l），P～（i，j），i=0，1，2，…，1+f，…，f+L.

Step 4.關(guān)于i=1+f，2+f，…，f+L.

如果yi-f

Step 5.如果n（l）N>r進行下一步，否則輸出No.

Step 6.P0

3實驗

實驗數(shù)據(jù)來源于上海證券交易所，選取滬市股票中國平安（601308）2018年11月16日至2019年10月15日的220個交易日的最高價、最低價、開盤價和收盤價作為原始數(shù)據(jù)，并令L=100，f=30，v=3.5，ε=0.2，將n=f+1，f+2，…，f+30作為投資周期.數(shù)據(jù)取自2019年7月16日至2019年8月26日.逐個進行實驗，將相關(guān)數(shù)據(jù)輸入算法的MATLAB語言程序.詳情見表1.

以2019年07月16日為例，即2019年07月16日為交易日0.關(guān)于i=0（2019年07月16日）， 1（2019年07月17日），2（2019年07月18日），…，

（L+f+l）（2018年11月16日），將相關(guān)數(shù)據(jù)輸入MATLAB語言程序，運行后得到結(jié)果：No，即不可以買入，收益為0.其余日期思路相同.

由表1可知，一共30個交易日中有11個交易日可以買進，且有90.9%的交易日在未來一段時間內(nèi)都可以收益.實驗結(jié)果說明該算法是有效的，具有一定的可行性.

4結(jié)束語

設(shè)計了一種篩選出股票贏利點的多空點算法，通過得到的多空點矩陣，利用簡單與加權(quán)兩條移動平均線建立一種尋找股票買入點的方法.算法將促進技術(shù)分析手段的進一步豐富和發(fā)展，也為投資者規(guī)避風險提供科學參考.

參考文獻

[1]劉曉，丁潤瑩，王淑慧.基于凸組合的移動平均線策略應用研究[J].北京化工大學學報：自然科學版，2019，46（2）：118122.

[2]簡清明，曾黃麟.基于移動平均線組合和支持向量機的股市趨勢研究[J].計算機應用與軟件，2011，28（12）：8182+125.

[3]蘇匡，羅元，方楚賢.基于神經(jīng)網(wǎng)絡(luò)對我國股票市場技術(shù)分析的實證檢驗[J].當代經(jīng)濟，2010（14）：146147.

[4]畢星，王巍.基于經(jīng)驗模式分解和移動平均的金融時間序列分析[J].天津大學學報：社會科學版，2010，12（2）：125128.

[5]熊偉，霍玉洪，胡茂林.中國股票市場收益率的R/S分析[J].牡丹江師范學院學報：自然科學版，2009（3）：13.

[6]宋東宇，王立柱.移動平均交易規(guī)則對股票動態(tài)價格模型的影響[J].牡丹江師范學院學報：自然科學版，2018（1）：79.

編輯：琳莉