量化体系金融数据挖掘

数据挖掘（Data Mining）
也称为数据开采、数据采掘等，就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们视线不知道的，但又潜在有用的信息和知识的过程。vx:15376394645
数据挖掘在量化投资中主要应用的两个方面
•应用一：宏观经济和基本面消息分析
  股市影响因素很多，但中国股市对宏观政策尤为敏感，数据挖掘的方法，可以把宏观经济和基本面消息进行分类，用打分法来预测当前股市走势和消息面之间的相关性，并对后续的走势进行预判工作。vx:15376394645
•应用二：量化择时方面
  运用数据挖掘的方法，可以收集当天与股市相关的所有数据，通过内部的算法进行“模型训练”，把训练好的模型用于预测明日股票或者版块的涨跌概率，这也是数据挖掘方法在择股方面的应用。vx:15376394645
数据挖掘应用的小案例
1、模型的产生：
  在数据挖掘算法中有一种关联规则方法的模型。它是表示挖掘的目标是发现数据项集之间的关联关系或相关联系，是数据挖掘中一个重要课题。
2、一个经典的关联规则模型—Apriori 模型
产生背景：
  关联规则初提出的动机是针对购物篮分析(Market Basket Analysis)问题提出的。假设超市经理想更多地了解客户的购物习惯，特别是，想知道哪些商品顾客可能会在一次购物时同时购买其他商品？
  一个很有名的案例就是“啤酒和尿布”，在美国一家连锁店发现很多男性会在周四购买尿不湿和啤酒，这两种看似不相干的上篇之间显现出强相关性，于是商家可以将啤酒货架放在尿不湿货架旁边以增加收益。
vx:15376394645
应用实例：
  行业关联选股法(基于 MATLAB 数据分析软件)
  在股市中有一种按照选行业的投资策略，基本思想基于这样的认识：众多个股中选择具有增长潜力的个股难度较大，但是行业数量较少，所以选对行业的可能性会更高。另外，故事同样出现这样的现象，就是同行业的股票往往普涨或者普跌，只要选对行业， 无论怎么选各股，都基本可能盈利。
  下面介绍关联规则的数据挖掘方法来进行行业关联选股法。其基本思路是从数据中寻找具有联动关联的行业，当某个行业出现涨势之后，而其相关行业还没有开始涨，则从其关联行业中选择典型个股买入。
  对该方法，寻找关联行业是关键，而寻找关联行业，则正好可以用这里的 Apriori 模型。vx:15376394645