[发明专利]一种基于时间序列链的股票预测方法

权利要求书

1.一种基于时间序列链的股票预测方法，其特征在于，所述方法包括以下步骤：

步骤1.一支股票的每日收盘价历史数据作为一条时间序列，其中将数据根据从最近数据往历史方向的数据按位置值1，2，…排列，其中T_i,m为这条时间序列上的从位置值i开始长度为m的连续子集；

步骤2.收集所有待查找时间序列链的子序列长度，过程如下：

步骤2.1.获得第一个子序列长度m₁：从定位点anchor开始向时间序列上位置值增大的方向查找极值点x，如果从定位点anchor开始到第5个极值点x₅的长度x₅-anchor+1小于10，则设置m₁为10；否则，设置m₁为x₅-anchor+1；

步骤2.2.收集从第一个子序列长度m₁到2*m₁之间的子序列长度：从m1开始继续向位置值增大的方向在时间序列上查找极值点，遇到极值点x_j就将x_j-anchor+1记录下来作为子序列长度m_i，最后收集的子序列长度集合M即为

M＝{m_i|m_i＝x_j-anchor+1∩m₁≤m_i≤2m₁∩j≥5}；

步骤3.遍历子序列长度集合M，根据m_i查找相应的时间序列链，并记录时间序列链中每段子序列的起始位置值在集合indexCount中，过程如下：

步骤3.1.对于时间序列中的子序列T_i,m和T_j,m，计算它们之间的相似程度，即距离d_i,j：

其中QT_i,j是T_i,m和T_j,m的点积，μ_i是T_i,m的平均数，μ_j是T_j,m的平均数，σ_i是T_i,m的标准差，σ_j是T_j,m的标准差，τ_i是T_i,m的平方和，τ_j是T_j,m的平方和；

步骤3.2.根据步骤3.1.的距离公式，计算时间序列T的左距离分布DL_i和右距离分布DR_i，即给定查询子序列T_i,m与时间序列T中出现在T_i,m之前的每个子序列之间的距离的向量和给定查询子序列T_i,m与时间序列T中出现在T_i,m之后的每个子序列之间的距离的向量，其中，取DL_i中的最小值对应的子序列为T_i,m的最左邻居LNN(T_i,m)，取DR_i中的最小值对应的子序列为T_i,m的最右邻居RNN(T_i,m)；

步骤3.3.遍历子序列长度集合M，执行以m₁为例的以下操作：从定位点开始的长度为m₁第一个子序列开始，找到满足关系LNN(RNN(T_i,m1))＝T_i,m1的子序列，并根据找到的这个子序列继续往后找满足上述关系子序列，并向下继续传递，得到一条时间序列链并将这条时间序列链中的所有子序列的初始位置值记录在indexCount中；

步骤4.初始子序列插值处理：选取初始子序列长度m₁的这段子序列进行插值处理，即放大一倍；

步骤5.补充查找：在步骤4插值后的时间序列上再重复一次时间序列链查找作为补充查找，并记录该时间序列链中子序列的初始位置在集合indexCount中；

步骤6.根据步骤3和步骤5中所得的子序列初始位置值indexCount，统计其中所有子序列初始位置后是上涨或者下跌；

步骤7.预测：如果超过90％的子序列都呈现上涨趋势，则预测定位点anchor后时间序列将会上涨。