姚宏亮， 艾劉可， 王 浩， 李俊照

(合肥工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與信息學(xué)院 安徽 合肥 230009)

0 引言

股票市場(chǎng)受到多種因素的影響[1]，特別是各種突發(fā)信息，使得股市波動(dòng)具有高頻性和多變性[2]，這也使股市態(tài)勢(shì)預(yù)測(cè)成為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的一個(gè)公開挑戰(zhàn).

一些研究者利用股市已出現(xiàn)的特征預(yù)測(cè)股市未來(lái)的態(tài)勢(shì)[3].鄭獻(xiàn)衛(wèi)等提出了一種金融時(shí)序預(yù)測(cè)的特征預(yù)測(cè)模型[4].馬軍海等討論了一種非線性自相關(guān)混沌模型[5]，選取了開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)等價(jià)格特征組合，但是僅提取股票一種或者一類指標(biāo)，指標(biāo)過于單一，無(wú)法充分獲取當(dāng)前股票信息.蔡紅等將主成分分析方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合研究股票較長(zhǎng)波段[6]，預(yù)測(cè)效果得到了提升,但由于預(yù)測(cè)模型僅選取價(jià)格與成交量等簡(jiǎn)單指標(biāo)，難以體現(xiàn)特征影響在時(shí)間上的傳遞性.

同時(shí)，一些學(xué)者從股票波動(dòng)的角度進(jìn)行研究.通過融合特征與時(shí)序參數(shù)，能夠較有效地預(yù)測(cè)股市未來(lái)的態(tài)勢(shì)，其中艾略特波浪理論是一種基于周期性思想的股市形態(tài)波動(dòng)理論.李衛(wèi)華將量?jī)r(jià)關(guān)系引入到艾略特波浪理論中，給出一種結(jié)合股市形態(tài)與成交量的相對(duì)關(guān)系的態(tài)勢(shì)預(yù)測(cè)算法[7].陳東峰等將波浪理論與時(shí)序自回歸的ARMA模型(ARIMA)相結(jié)合進(jìn)行態(tài)勢(shì)預(yù)測(cè)[8].這些波動(dòng)算法較好地體現(xiàn)了特征演化性，但特征之間結(jié)構(gòu)性不強(qiáng)，波段整體信息的融合度不高.

股票的波動(dòng)存在滯后性特點(diǎn)[9]，但是由于股票本身技術(shù)指標(biāo)計(jì)算的周期不同，以及股票指標(biāo)對(duì)波動(dòng)性的敏感性不同，導(dǎo)致指標(biāo)之間也存在著不一致的現(xiàn)象[10].張潤(rùn)梅等在基于能量計(jì)算模型的貝葉斯網(wǎng)絡(luò)股市態(tài)勢(shì)預(yù)測(cè)算法[11]中通過引入不一致特性的滯后性因素，提升了股票態(tài)勢(shì)預(yù)測(cè)的效果.

從股市波動(dòng)性的角度出發(fā)，通過對(duì)均線滯后性的融合，提出均線滯后的時(shí)序自回歸股市態(tài)勢(shì)預(yù)測(cè)算法(DSMA).首先，根據(jù)波浪理論定義股市中的W形態(tài)，根據(jù)Morse提出的信息不對(duì)稱假說[12]以及Stickel等關(guān)于量?jī)r(jià)關(guān)系的研究[13]，結(jié)合形態(tài)相關(guān)指標(biāo)，實(shí)現(xiàn)形態(tài)結(jié)點(diǎn)的量化.根據(jù)均線與形態(tài)指標(biāo)的關(guān)系，計(jì)算均線滯后程度，并且構(gòu)建均線滯后程度到結(jié)點(diǎn)的貝葉斯網(wǎng)絡(luò)[14-15]，根據(jù)網(wǎng)絡(luò)中結(jié)點(diǎn)的結(jié)構(gòu)關(guān)系，完成結(jié)點(diǎn)對(duì)均線滯后程度的融合；進(jìn)而，將W形態(tài)結(jié)點(diǎn)結(jié)構(gòu)關(guān)系以及股票收盤價(jià)引入到AR模型中，構(gòu)建預(yù)測(cè)模型.最后在實(shí)際數(shù)據(jù)上做了分析比較.

1 W形態(tài)結(jié)構(gòu)建模

1.1 波浪理論

艾略特波浪理論是研究股市波動(dòng)特性的一種重要模型.艾略特波浪理論從股市價(jià)格波動(dòng)出發(fā)，將股市波動(dòng)按照形態(tài)的上升、下降、調(diào)整分成8浪，如圖1所示，由5個(gè)下跌浪(1、2、3、4、5)和3個(gè)上升浪(a、b、c)組成.

1.2 股市中的W形態(tài)

艾略特波浪理論是股市波動(dòng)性的一種直觀體現(xiàn)，而W形態(tài)是波浪理論中最復(fù)雜的部分，即圖1中的浪5到浪c.圖2的W形態(tài)由邊D1、D3、D5、D7和頂點(diǎn)D2、D4、D6組成.

圖1 艾略特波浪形態(tài)Fig.1 Elliott wave form

圖2 股市W形態(tài)的表示Fig.2 The W form of the stock market

W形態(tài)的確立是根據(jù)形態(tài)上漲邊、下跌邊以及底部特征確立的.針對(duì)下跌邊D1的下降幅度要求大于20%，上漲邊D3的上升幅度應(yīng)該大于10%，下跌邊D5的下降幅度大于10%，邊D7作為預(yù)測(cè)結(jié)點(diǎn)不計(jì)算，僅取上漲幅度作為預(yù)測(cè)目標(biāo)結(jié)點(diǎn).當(dāng)W形態(tài)由下跌階段中開始出現(xiàn)股價(jià)最低價(jià)兩個(gè)交易日連續(xù)上漲，即為底部的確立.當(dāng)W形態(tài)由連續(xù)的上漲過程開始出現(xiàn)股票最高價(jià)連續(xù)兩個(gè)交易日下跌，即為頂部特征的確立.

1.3 W形態(tài)結(jié)點(diǎn)的描述

W形態(tài)是量?jī)r(jià)關(guān)系和股票現(xiàn)階段趨勢(shì)的一種表現(xiàn)形式.從量?jī)r(jià)關(guān)系以及形態(tài)趨勢(shì)入手對(duì)W形態(tài)各結(jié)點(diǎn)進(jìn)行量化表示.

根據(jù)圖2，可知W形態(tài)結(jié)點(diǎn)集合為D={D1,D2,…,D6}，對(duì)應(yīng)狀態(tài)值序列可以表示為d={d1,d2,…,d6}，其中D7是需要預(yù)測(cè)的結(jié)點(diǎn),其狀態(tài)值用d7表示.W形態(tài)成交量序列為A={a1,a2,…,an}，邊結(jié)點(diǎn)Di的跌幅用Dfi表示，漲幅用Zfi表示.W形態(tài)中結(jié)點(diǎn)的具體描述如下.

3) 底部結(jié)點(diǎn)D2.第1個(gè)底部結(jié)點(diǎn)D2與第2個(gè)底部結(jié)點(diǎn)的位置關(guān)系體現(xiàn)了股價(jià)的趨勢(shì)，D2成交量的變化體現(xiàn)底部趨勢(shì)風(fēng)險(xiǎn)的釋放，那么D2的量化表示d2=V(D4)/V(D2)+Avg(D2)/V(D2)，其中：Avg(D2)表示結(jié)點(diǎn)D2局部平均成交量；V(Ds)表示第s個(gè)結(jié)點(diǎn)的成交量.

4) 頂部結(jié)點(diǎn)D4.根據(jù)結(jié)點(diǎn)D2的描述，結(jié)點(diǎn)D4的量化表示d4=V(D4)/Avg(D4)+V(D6)/V(D4)，其中：Avg(d4)表示點(diǎn)d4局部平均成交量.

2 W形態(tài)均線滯后性

W形態(tài)結(jié)點(diǎn)的描述是通過成交量、股價(jià)相關(guān)指標(biāo)，以及移動(dòng)平均線計(jì)算獲得的，但是股市指標(biāo)與形態(tài)趨勢(shì)之間是存在滯后關(guān)系的.對(duì)于存在滯后關(guān)系的W形態(tài)，根據(jù)W形態(tài)結(jié)點(diǎn)描述的結(jié)果實(shí)現(xiàn)預(yù)測(cè)的效果較差.均線作為股市中趨勢(shì)性比較強(qiáng)的技術(shù)指標(biāo)，對(duì)于股票后期的發(fā)展趨勢(shì)具有較大的參考價(jià)值，也是持股人容易關(guān)注的技術(shù)指標(biāo).即使W形態(tài)構(gòu)建完成，但是若均線趨勢(shì)沒有表現(xiàn)出成功收復(fù)的現(xiàn)象，那么也是一種風(fēng)險(xiǎn)釋放不充分的表現(xiàn).

2.1 均線滯后性

在W形態(tài)由快速下跌逐漸觸底開始在底部產(chǎn)生波動(dòng)，并且隨著波動(dòng)時(shí)間的增長(zhǎng)，形態(tài)逐漸開始轉(zhuǎn)勢(shì)向上.在整個(gè)過程中波動(dòng)的股價(jià)對(duì)目標(biāo)均線不斷產(chǎn)生影響，修正均線趨勢(shì)，使均線下跌的趨勢(shì)減緩，最終走平倒轉(zhuǎn)向上.

因?yàn)楣墒械牟▌?dòng)性非常大，在W形態(tài)形成的過程中，均線趨勢(shì)發(fā)展并不一定能成功轉(zhuǎn)勢(shì)，往往滯后于W形態(tài)的發(fā)展，即滯后于W形態(tài)各結(jié)點(diǎn).

定義1均線滯后.移動(dòng)平均線能夠量化股市趨勢(shì)，在W形態(tài)出現(xiàn)第2個(gè)底部時(shí)，形態(tài)趨勢(shì)即移動(dòng)平均線斜率依然向下，稱之為均線滯后.

定理1在W形態(tài)處于第2個(gè)底部時(shí)，均線滯后現(xiàn)象出現(xiàn)(均線斜率小于一個(gè)負(fù)數(shù))，股價(jià)后期漲幅為Sz，對(duì)應(yīng)的均線斜率為Kz，無(wú)均線滯后現(xiàn)象時(shí)股價(jià)后期的漲幅為Sw,對(duì)應(yīng)的均線斜率為Kw.則有Sw>Sz(Kw>Kz).

證明W形態(tài)在第2個(gè)底部時(shí)上漲動(dòng)能為E，當(dāng)前成交量為M，均線值為L(zhǎng),股價(jià)為P；最后一個(gè)上漲波段結(jié)束時(shí)均線值為L(zhǎng)′,股價(jià)為P′.則股價(jià)漲幅可表示為S=(P′-P)/P，均線斜率表示為K=(L′-L)/L.

1) 當(dāng)P>L時(shí)，均線作為股價(jià)的支撐線存在，股價(jià)以均線作為參考系向上增長(zhǎng),與參考系距離變大，直至W形態(tài)動(dòng)能轉(zhuǎn)化殆盡為止，此時(shí)股價(jià)相對(duì)于均線上升幅度為(P′-L′)-(P-L)，有

((P′-L′)-(P-L))·M=E?(P′-P)-(L′-L)=E/M?

P′-P=(L′-L)+E/M?P′=(L′-L)+E/M+P.

因?yàn)镾=(P′-P)/P,K=(L′-L)/L，可知S=(K·L+E/M)/P.因股價(jià)P>0,所以當(dāng)Kw>Kz時(shí)，有Sw>Sz.

2) 當(dāng)P

((L-P)-(L′-P′))·M=E?(P′-P)-(L′-L)=E/M?

P′-P=(L′-L)+E/M?P′=(L′-L)+E/M+P.

因?yàn)镾=(P′-P)/P,K=(L′-L)/L，可知S=(K·L+E/M)/P.因?yàn)楣蓛r(jià)P>0,所以當(dāng)Kw>Kz時(shí)，有Sw>Sz.

證畢.

2.2 均線滯后程度

從W形態(tài)的邊以及頂點(diǎn)的角度對(duì)W形態(tài)做描述，W形態(tài)均線的滯后程度也需要從結(jié)點(diǎn)的角度進(jìn)行計(jì)算.由均線滯后的定義可知，均線滯后是指W形態(tài)中的結(jié)點(diǎn)無(wú)法完成使均線方向走平或者轉(zhuǎn)向向上的效果，所以均線滯后是在W形態(tài)特定的結(jié)點(diǎn)處均線斜率沒有變小的趨勢(shì).因?yàn)閃形態(tài)是按照邊及頂點(diǎn)描述的，所以需要分別從邊及頂點(diǎn)的角度對(duì)滯后性做計(jì)算，結(jié)點(diǎn)序列(d1,d2,d3,d4,d5,d6)對(duì)應(yīng)的均線滯后表示為(h1,h2,h3,h4,h5,h6).

1) 均線相對(duì)于邊的滯后程度

2) 均線相對(duì)于頂點(diǎn)的滯后程度

出現(xiàn)頂點(diǎn)的時(shí)候，選取頂點(diǎn)處均線的斜率與頂點(diǎn)描述差值的絕對(duì)值作為均線的滯后程度，

hi=|di-(Pk-Pk-1)/Pk-1|.

3 DSMA股市態(tài)勢(shì)預(yù)測(cè)算法

均線滯后性是對(duì)W形態(tài)趨勢(shì)相較于移動(dòng)平均線的量化，通過融合均線滯后性的結(jié)點(diǎn)構(gòu)建預(yù)測(cè)模型，能夠提交預(yù)測(cè)模型穩(wěn)定性，提高預(yù)測(cè)精度.作為波動(dòng)連續(xù)的W形態(tài)各均線滯后程度與結(jié)點(diǎn)描述之間是存在相互關(guān)系的，通過進(jìn)一步對(duì)結(jié)構(gòu)關(guān)系的考慮使預(yù)測(cè)精度得到提升.

3.1 融合均線滯后的W形態(tài)結(jié)構(gòu)關(guān)系

均線滯后特征是針對(duì)W形態(tài)邊以及頂點(diǎn)結(jié)點(diǎn)進(jìn)行計(jì)算的，但是作為一個(gè)連續(xù)的波段形態(tài)，每一個(gè)結(jié)點(diǎn)受到的影響不僅限于其對(duì)應(yīng)的均線滯后程度.W形態(tài)所有滯后性都有可能對(duì)當(dāng)前結(jié)點(diǎn)產(chǎn)生影響.

鑒于網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，本文使用K2算法學(xué)習(xí)滯后程度序列(h1,h2,h3,h4,h5,h6)同相關(guān)結(jié)點(diǎn)di的貝葉斯網(wǎng)絡(luò)，來(lái)確定各要素之間的關(guān)聯(lián)程度.為了屏蔽不直接相關(guān)滯后特征的影響，從貝葉斯網(wǎng)絡(luò)中提取結(jié)點(diǎn)di馬爾可夫毯(馬爾可夫毯是關(guān)于目標(biāo)結(jié)點(diǎn)的一種局部結(jié)構(gòu)).

1) 結(jié)點(diǎn)的局部結(jié)構(gòu). 圖3、圖4給出了結(jié)點(diǎn)d1、d2的馬爾可夫毯，其他結(jié)點(diǎn)可以用同樣方法進(jìn)行計(jì)算.

圖3 結(jié)點(diǎn)d1的馬爾可夫毯Fig.3 Node d1 Markov blanket

圖4 結(jié)點(diǎn)d2的馬爾可夫毯Fig.4 Node d2 Markov blanket

使用非對(duì)稱信息熵衡量均線滯后程度對(duì)結(jié)點(diǎn)的影響，其值的大小反映兩個(gè)結(jié)點(diǎn)之間的影響程度.其計(jì)算方式[16]為

(1)

其中：公式中的下標(biāo)x、y為網(wǎng)絡(luò)中的任意結(jié)點(diǎn).

根據(jù)d1、d2的馬爾可夫毯可以計(jì)算結(jié)點(diǎn)d1、d2融合均線滯后特征后的值r1、r2.

r1=h1·Fh1d1+h2·Fh2d1+h4·Fh4d1+d1=(h1…h(huán)6)·(Fh1d1…Fh6d1)+d1，

r2=h1·Fh1d2+h2·Fh2d2+h3·Fh3d2+h4·Fh4d2+d2=(h1…h(huán)6)·(Fh1d2…Fh6d2)+d2.

Fh1d1表示結(jié)點(diǎn)d1馬爾可夫毯中h1到d1的關(guān)系強(qiáng)度，如果結(jié)點(diǎn)的馬爾可夫毯中hi到di的邊不存在，則Fhidi=0.其他結(jié)點(diǎn)(d3,d4,d5,d6)融合滯后特征的值(r3,r4,r5,r6)以同樣方式計(jì)算.

2) 結(jié)點(diǎn)序列融合均線滯后. W形態(tài)結(jié)點(diǎn)序列(d1，…，d6)在融合均線滯后特征后用(r1，…，r6)表示，有

(2)

3.2 目標(biāo)結(jié)點(diǎn)預(yù)測(cè)模型

W形態(tài)最終結(jié)點(diǎn)D7的上漲幅度受到融合滯后特征結(jié)點(diǎn)(r1，…，r6)的影響，利用AR模型對(duì)融合均線滯后特征的結(jié)點(diǎn)值(r1，…，r6)與目標(biāo)結(jié)點(diǎn)d7的關(guān)系進(jìn)行建模.

1) AR模型. 設(shè){xt}為零均值的平穩(wěn)過程，則關(guān)于xt的模型可表示為xt=φ1xt-1+φ2xt-2+…+φpxt-p+at，其中：at是白噪聲序列；xt遵循一個(gè)p階自回歸隨機(jī)過程.

模型可表示為Y=Xφ+a，其中：

2) W形態(tài)目標(biāo)結(jié)點(diǎn)預(yù)測(cè)模型. 利用AR模型對(duì)W形態(tài)融合滯后特征的結(jié)點(diǎn)序列(r1，…，r6)進(jìn)行融合，得到W形態(tài)目標(biāo)結(jié)點(diǎn)D7的預(yù)測(cè)建模.由公式(2)得到h·F+d，作為AR模型的X，將結(jié)點(diǎn)D7的漲幅d7作為Y，則目標(biāo)結(jié)點(diǎn)漲幅d7的預(yù)測(cè)模型為

d7=φ·(h·F+d)+a，

(3)

φ=(XTX)-1XTY=((h·F+d)T(h·F+d))-1(h·F+d)Td7.

(4)

3.3 DSMA預(yù)測(cè)算法

W形態(tài)均線滯后的時(shí)序預(yù)測(cè)算法(DSMA)具體描述如下.

輸入： 股市W形態(tài)前6個(gè)結(jié)點(diǎn)D1、D2、D3、D4、D5、D6階段對(duì)應(yīng)的開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)及5、10、20、30、60、120、250日移動(dòng)平均線、成交量；

輸出： W形態(tài)最后一個(gè)波段結(jié)束時(shí)的收盤價(jià).

Step1： 選取W形態(tài)案例，根據(jù)W形態(tài)各結(jié)點(diǎn)的計(jì)算方式，計(jì)算所有案例W形態(tài)各結(jié)點(diǎn)的描述值di.

Step2： 根據(jù)均線滯后特征的計(jì)算公式計(jì)算各結(jié)點(diǎn)的均線滯后程度值hi.

Step3： 利用公式(1)計(jì)算均線滯后程度{h1,h2，…，h6}與結(jié)點(diǎn)關(guān)系強(qiáng)度矩陣F.

Step4： 將F、di、hi代入到公式(3)中構(gòu)建W形態(tài)結(jié)點(diǎn)D7的預(yù)測(cè)模型.

Step5： 通過公式(4)得到模型參數(shù)φ，完成預(yù)測(cè)模型的構(gòu)建.

Step6： 輸入待預(yù)測(cè)案例成交量及股價(jià)序列，可以得到目標(biāo)結(jié)點(diǎn)D7的漲幅d7的預(yù)測(cè)值，實(shí)現(xiàn)對(duì)股市的預(yù)測(cè).

4 實(shí)驗(yàn)比對(duì)與分析

4.1 實(shí)驗(yàn)過程

針對(duì)日線級(jí)別的W形態(tài)和60分鐘級(jí)別的W形態(tài)，取步長(zhǎng)為3、5、10，分別在牛市、熊市以及震蕩市展開實(shí)驗(yàn)，實(shí)驗(yàn)以PCA-BP[5]算法作為對(duì)比實(shí)驗(yàn)，因?yàn)镻CA-BP預(yù)測(cè)算法與本文預(yù)測(cè)算法都是以個(gè)股作為預(yù)測(cè)對(duì)象，兩算法都是為了解決股市非線性問題.

以收盤價(jià)誤差作為對(duì)算法預(yù)測(cè)精度的衡量標(biāo)準(zhǔn)，收盤價(jià)誤差er的計(jì)算方式為

er=(y-y′)/y′，

(5)

其中：y表示收盤價(jià)的預(yù)測(cè)值；y′表示收盤價(jià)的真實(shí)值.其中的日線級(jí)別在牛市、震蕩市、熊市階段選取的訓(xùn)練集以及測(cè)試集如表1所示.其中60分鐘線級(jí)別在牛市、震蕩市、熊市階段選取的訓(xùn)練集以及測(cè)試集如表2所示.均線滯后的時(shí)序預(yù)測(cè)算法DSMA和PCA-BP算法對(duì)于收盤價(jià)預(yù)測(cè)的平均誤差如表3所示.

均線滯后的時(shí)序預(yù)測(cè)算法DSMA和PCA-BP算法對(duì)于收盤價(jià)預(yù)測(cè)的平均誤差如表4所示，其中收盤價(jià)的預(yù)測(cè)誤差的計(jì)算方式為公式(5).

由表2與表4可以看到，對(duì)于相同數(shù)據(jù)集，通過將各算法預(yù)測(cè)的收盤價(jià)與真實(shí)收盤價(jià)的對(duì)比發(fā)現(xiàn)，算法DSMA相對(duì)于算法PCA-BP的預(yù)測(cè)精度在熊市中效果最佳，震蕩市次之，牛市預(yù)測(cè)效果相差不大，僅在60分鐘級(jí)別步長(zhǎng)為3的情況下效果略差于算法PCA-BP.實(shí)驗(yàn)結(jié)果表明均線滯后性的引入，提高了對(duì)熊市風(fēng)險(xiǎn)性的規(guī)避，提高了預(yù)測(cè)精度.結(jié)果進(jìn)一步驗(yàn)證了均線滯后性是對(duì)股市風(fēng)險(xiǎn)的一種體現(xiàn).

表1 日線級(jí)別案例時(shí)間段

表3 日線級(jí)別收盤價(jià)預(yù)測(cè)誤差

表2 60分鐘線級(jí)別案例時(shí)間段

表4 60分鐘線級(jí)別收盤價(jià)預(yù)測(cè)誤差

4.2 綜合誤差度量標(biāo)準(zhǔn)

4.3 綜合誤差

圖5給出了日線級(jí)別針對(duì)步長(zhǎng)分別為3、5、10時(shí)平均誤差MAE的折線圖.

由圖5可知，在日線級(jí)別上算法DSMA針對(duì)不同步長(zhǎng)的預(yù)測(cè)誤差小于算法PCA-BP，隨著預(yù)測(cè)步長(zhǎng)的增加，算法DSMA預(yù)測(cè)精度變化的速度小于PCA-BP，結(jié)果顯示出DSMA算法的優(yōu)勢(shì).

圖6給出了60分鐘線級(jí)別，針對(duì)步長(zhǎng)分別為3、5、10時(shí)平均誤差MAE的折線圖.

圖5 日線級(jí)別平均誤差Fig.5 Day line level average error

圖6 60分鐘線級(jí)別平均誤差Fig.6 60 minutes line level average error

圖6可知，在60分鐘線級(jí)別上，算法DSMA針對(duì)不同的步長(zhǎng)的預(yù)測(cè)誤差小于算法PCA-BP，隨著預(yù)測(cè)步長(zhǎng)的增加，算法DSMA預(yù)測(cè)精度變化的速度小于算法PCA-BP，這顯示了算法DSMA的有效性.

5 結(jié)束語(yǔ)

針對(duì)波浪理論的局部結(jié)構(gòu)提取W形態(tài)，從量?jī)r(jià)波動(dòng)關(guān)系角度提取影響W形態(tài)走勢(shì)的指標(biāo)，對(duì)形態(tài)相關(guān)結(jié)點(diǎn)進(jìn)行計(jì)算，根據(jù)結(jié)點(diǎn)均線滯后性特點(diǎn)對(duì)均線滯后性進(jìn)行計(jì)算，利用貝葉斯網(wǎng)絡(luò)生成W形態(tài)中均線滯后程度同結(jié)點(diǎn)的結(jié)構(gòu)關(guān)系，根據(jù)結(jié)構(gòu)關(guān)系、均線滯后程度、結(jié)點(diǎn)描述，對(duì)結(jié)點(diǎn)修正，進(jìn)而通過AR模型對(duì)結(jié)合了滯后性的結(jié)點(diǎn)進(jìn)行融合，從而完成均線滯后的股市態(tài)勢(shì)預(yù)測(cè)算法DSMA.算法在不同周期以及不同市場(chǎng)環(huán)境下均取得比較好的效果，說明預(yù)測(cè)模型提出的必要性.為了進(jìn)一步提升預(yù)測(cè)效果，后期還可以考慮市場(chǎng)情緒相關(guān)因素.