大宗交易數據挖掘（四）

數據分析

維度初步整理好以後，可以嘗試用R去做一些相關性分析，不過效果太差，因爲實際情況中，線性迴歸的效果是很差的。
這裏我定義了1個CHANCE的列（Factor），當買入天數（BuyRK）和賣出天數（SellRK）都存在時，則機會爲1，否則爲0。
當然，這是一個分類的問題，也就少不了用SVM和樸素貝葉斯嘗試去做分類，不過效果都非常差（無法整體分類），所以都不展示了。如果第一篇所述，這裏選擇決策樹來分析。
針對1萬多條數據，統計的基本情況如下：

>round(prop.table(summary(dzjy$CHANCE)),3)
    0     1 
0.792 0.208 

可以看到，只有21%的大宗交易是有機會的。之前看到有人分析，說大宗交易對於股價的影響爲0（漲跌概率50%），這點算是符合的。機會遠小於風險（指從邏輯上無法解釋，不會產生機會的情況），其中有幾類風險是要規避的：
1. 交易量不能超過流通股本的百分之二，這是因爲這種行爲不太可能是短期的，不符合假設；
2. 距離上一次大宗交易超過5個交易日，因爲超頻繁的大宗交易不符合假設；
3. 不存在同席位交易，同席位意味着大概率上是自導自演；
4. 近3日波動幅度低於15%，因爲中間出現某隻股票連續漲/跌停。

在過濾掉以上數據後，得到如下結果：

(b=rpart(CHANCE~Discount+BuyerCount+SellerCount+TradeToSelf+VolumeToCapital+LastDZJYDays+ClosedDays+ZSCloseToMA20+ZSCloseToMA5+CloseToMA20+CloseToMA5+FluctRange3, data=dzjy))

n= 3355 

node), split, n, loss, yval, (yprob)
      * denotes terminal node

1) root 3355 736 0 (0.7806259 0.2193741) *

雖然有機會的概率只提高了1%，但去掉那些數據毫無疑問是必需的。
再來查看折扣率（存在2.17是因爲復權），波動幅度等數據：

summary(dzjy$Discount)
     Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
-0.181000 -0.074000 -0.011000  0.004642  0.001500  2.172000 

summary(dzjy$FluctRange3)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
0.00470 0.03430 0.04990 0.05634 0.07220 0.14980 

對這部分數據嘗試用決策樹求解，找到這樣的葉節點：當折扣率介於 [-4%, 0.0%]，3日內波動幅度>=3%，交易量佔流通股本的比例超過0.013%，指數在其20日線之下11%時（大盤超跌）：

rpart(CHANCE~Discount+BuyerCount+SellerCount+TradeToSelf+VolumeToCapital+LastDZJYDays+ClosedDays+ZSCloseToMA20+ZSCloseToMA5+CloseToMA20+CloseToMA5+FluctRange3, data=dzjy[ind1, ])
n= 12 

node), split, n, loss, yval, (yprob)
      * denotes terminal node

1) root 12 1 1 (0.08333333 0.91666667) *

查看具體是哪幾天：

> unique(dzjy[ind1, ]$TradeDate)
 [1] "2017-04-25" "2017-11-03" "2017-12-11" "2017-11-30" "2017-10-19" "2017-04-20" "2017-05-09"
 [8] "2017-05-26" "2017-06-01" "2017-06-06" "2017-11-29"

同樣，按照這種方法，也找到另一些數據集，如：

rpart(CHANCE~Discount+BuyerCount+SellerCount+TradeToSelf+VolumeToCapital+LastDZJYDays+ClosedDays+ZSCloseToMA20+ZSCloseToMA5+CloseToMA20+CloseToMA5+FluctRange3, data=dzjy2)

n= 95 

node), split, n, loss, yval, (yprob)
      * denotes terminal node

1) root 95 13 1 (0.13684211 0.86315789)  
  2) ZSCloseToMA20< 0.0015 42  9 1 (0.21428571 0.78571429)  
    4) ZSCloseToMA5>=-0.0033 25  8 1 (0.32000000 0.68000000)  
      8) VolumeToCapital>=0.00055 7  3 0 (0.57142857 0.42857143) *
      9) VolumeToCapital< 0.00055 18  4 1 (0.22222222 0.77777778) *
    5) ZSCloseToMA5< -0.0033 17  1 1 (0.05882353 0.94117647) *
  3) ZSCloseToMA20>=0.0015 53  4 1 (0.07547170 0.92452830) *

綜合幾種情況後，就得到一些較高成功率的篩選規則，剩下的就是止損點的計算了，這是一個反覆嘗試的過程，估計出止損點是-7%，在買入後第5個交易日止損。