基于Apriori算法的股票分析仿真系统_郭淑红

第 27 卷 第 6期 文章编号 : 1006 9348( 2010) 06 0334 -04
计 算 于 A p r i o r i 算法的股票分析仿真系统
郭淑红
( 信阳农业高等专科学校 , 河南 信阳 464000) 摘要 : 为了对中国股票进行数据分析 , 针对股票市场中的股票价格之间的相关性 , 提出了一种基于 A p r i o r i 算法 的改进算法 。 算法在垂直数据表示方式上执行广度优先搜索和交叉计数 , 充分利用了垂 直数据表示和交 叉计数的高效 优势 , 以及 A p r i o r i 算法的剪枝策略 , 减少了计数的候选项集的数量 。 并对两种算法进行了性能比较 , 改进的 A p r i o r i 算法的 运行速度较 A p r i o r i 算法有明显的提高 。 最后将新算法应用于股票分析仿真系统 , 仿真结果表明 , 改进算法能够得到有意义的规则 , 快速发现股 票之间的涨跌关系 , 为投资者提供了实时 、准确的股票买入还是卖出的决策支持 。 关键词 : 关联规则 ; 股票分析 ; 交叉计数 ; 算法 中图分类号 : T P 18 文献标识码 : A
收稿日期 : 2010 01 -20 修回日期 : 2010 -02 01
[ 24]
A p r i o r i 算法是 一种基于水平数据表示 、广 度优先搜索 的挖掘 算法 。 本 文 结 合 对 众 多 股 票 之 间 的 涨 跌 关 系 的 分 析 , 对 A p r i o r i 算法进 行了深入的研究 , 提出了一 种在垂直数 据表示 的数据集上采用交叉计数执行广 度优先搜索 的新算法 , 新算 法充分利用 了垂 直数 据 表示 和 交叉 计数 的 高效 优势 , 以及 A p r i o r i 算法的剪枝策略 , 减少了计数的 候选项集 的数量 。 在 对股票分析的仿真实验中 , 新算法能够快 速发现股票 之间的 涨跌关系 , 为投资者提 供了 实时 、准确 的股 票买 入还是 卖出 的决策支持 , 仿真结果表明新算法产生的 知识库在推 荐股票 分析系统中取得了良好 的应用效果 。
k 4)如果 L ; 否则 k + 1为空集 , 则结束 , 所求结果即为 U i = 1L i
3 改进的 A p r i o r i 算法
在深入研究 A p r i o r i 算法中 , 发现如下 2 个性质 。 性质 1: 在判断 k 维候选项集 R的 ( k-1) 维子集 是否都 在 L 个( k-1) 维子 k 1的过程中 , 没有必要去判断其所有的 k 集 , 因为连接成候选项集 R的那两 个子集 { R [l ] 0≤l ≤k 2} 和{ R [l ] 0≤l ≤k -1, l ≠k-2} 一定在 L k 1 中 , 只需要判断 其他 k -2 个子集即可 。 反 证 :如 果 连 接 成 候 选 项 集 R 的 两 个 子 集 ≤k -2 和 R [l ] 0≤l ≤k -1, l ≠k -2 , 任 意 一 R [l ] 0≤l 个或者两个均不在 L 就 不存 在 。 逆反 定理 , 如 k 1 中 , 那么 R 果 R存 在 , 则 连 接 成 候 选 项 集 R的 那 两 个 子 集 R [l ] 0≤l ≤k -2 和 R [l ] 0≤l ≤k -1, l ≠k-2 均 在 L k 1中 。 性质 2: 将每个事务及事务中的项目 集按字典顺序排序 , 对于两个 ( k -1) 维频繁项集 I , 如果 I x和 I y x和 I y不能连接 , 则 I 与 I 之 后的所 有项目 集都不满 足连接 条件 , 不需 要进 x y 行连接判断 。 本文提出的改进 的 A p r i o r i 算法是 一种在垂 直数据 集表 示方式上的执行广度优先搜索策 略和交叉计 数的新算法 , 对 项集和项集中的项按照字典顺序 保存 , 即 先挖掘出所 有的频 繁 k项集并记录下来 , 然后对前 k-1 个项相同的项 集连接 成一个候选 k +1 项集 , 连接的时候 采用性质 2 的 策略 , 可以 减少判断的次数 ; 对候 选项 集采用 性质 1 进 行剪枝 判断 , 如 果候选项集不满足 A p r i o r i 性质 , 直接剪掉 , 反之 , 采用交叉计 数的方式直接计算出支 持度 。 改进的 A p r i o r i 算法描述 :
[ 1]
1 引言
自从 A g r a w a l 等人于 1993 年 引入 了关 联规 则挖 掘的 概念 , 关联规则挖掘算 法的 发展 就得到 了相 当多的 关注 , 在 过去的十余年间 , 学者们不断提出解决问 题的新理 念和新方 法 , 关联规则挖掘算 法面临的一个基本 问题是在 数据处 理中如何保证算法的高效运行 。 关 于算法的 效率 , 包括其在 不同特征的数据集下的运行效 率 , 李敏做 了比较完 整和系统 的比较 [ 5] 。 关联规则反映 了大 量数据 中项 之间 的关联 或相 关联系 , 挖掘频繁项目集是关联规则挖掘 应用中的 关键技术 和步骤 。 近年来 , 将关联规则应用于股票 分析系统 已经有了 较为成功的案例 [ 5] 。 在众多的频繁项目集挖 掘算法中 , 最为 著名的是 A g r a w a l 等提 出 的 A p r i o r i 算 法 , 该 算 法 通 过引 入 A p r i o r i 性质 , 大大减 少了参 与计算 的候选 项集 , 提高了 计算
2 理论基础
[ 6 -7]
2. 1 关 联规则 定义 1: 设 I ={i 为不 同项 的一 个集合 , i 1, i 2, … , i m} j ( 1≤j ≤m) 表示项集合中的第 j 个项 。 设任务 相关的 数据 D 是数据库事务的集合 , 其 中每一 个事 务 T是 一组项 的集 合 ,
— 334 —
S i m u l a t i o no f S t o c kA n a l y s i s S y s t e mB a s e do nA p r i o r i A l g o r i t h m
G U OS h u h o n g
( X i n y a n gA g r i c u l t u r a l C o l l e g e , X i n y a n gH e n a n554300, C h i n a ) AB S T R AC T : I no r d e r t oa n a l y s i sC h i n as t o c km a r k e t , a me da t t h er e l a t i v i t ya mo n gs o m es t o c kp r i c e s , a na d a p t e d a s s o c i a t i o nr u l emi n i n ga l g o r i t h mi s g i v e nb a s e do nA p r i o r i a l g o r i t h m .T h en e wa l g o r i t h mi s i m p l e m e n t e dw i t hv e r t i c a l d a t al a y o u t , b r e a d t hf i r s t s e a r c h i n g , a n di n t e r s e c t i n g .I t m a k e su s eo f t h ee f f i c i e n c yo f v e r t i c a l d a t al a y o u t a n di n t e r s e c t i n g , a n dp r u n e s c a n d i d a t ef r e q u e n t i t e ms e t s l i k eA p r i o r i .T h en e wa l g o r i t h mi s e x p e r i me n t a l l yc o m p a r e da g a i n s t A p r i o r i , a n di t i sf o u n dt h a t s i g n i f i c a n t p r o g r e s sh a sb e e nma d ei nr u n t i meo no u r t e s t d a t a b a s e .F i n a l l y ,t h en e wa l g o r i t h mi sa p p l i e di ns i m u l a t i o no f s t o c ka n a l y s i s s y s t e m.T h er e s u l t s h o w s t h a t t h e n e wa l g o r i t h mi s a b l et o mi n er e a s o n a b l er u l e s , f i n do u t t h er e l a t i o n s h i pa m o n gs t o c k s , a n dp r o v i d et i m e l y , a c c u r a t ed e c i s i o ns u p p o r t f o ri n v e s t o r s . KE Y WOR DS : A s s o c i a t i o nr u l e ;S t o c ka n a l y s i s ;I n t e r s e c t i n g ;A l g o r i t h m 效率 , 之后的 很多算法都 是在 A p r i o r i 算法的 基础上产生 的 。
1) 它具有支持度 S%, S%是事务集 D中包含 A ∪ B的 百分比 , S% = s u p p o r t ( A B )=P ( A ∪B ) , 即数据 库 D中至 少有 S% 的记录包含 A∪ B 。 2) 它具有可信度 C %, C %是事务 集 D中包含 事务 A同 时又包含事务 B 的百分 比 , C % =c o n f i d e n c e ( A B )=P ( B A )=P ( A ∪B ) /P ( A ) , 即在数据库 D中包含了 A 记录的同 时至少有 C %也包含 B 。 支持度定义了项 在整个数据库中所占的 比例 , 置信度定 义了该规则的强度 , 满足最小支 持度 mi ns u p 的项目 集合称 为频繁项集 , 同时 满 足最 小 支持 度 m i ns u p 和 可信 度 m i n c o n f 阈值的规则称谓强关 联规则 , 习 惯上将强 关联规 则表示 为 A B (S%, C %) 。 2. 2 A p r i o r i 算法 A p r i o r i 算法是一种最有 影响 力的 挖掘布 尔关 联规 则频 繁项集的算法 。 算法的名字基于这 样的事实 : 算法 使用频繁 项集性质的 先验知 识 。 A p r i o r i 使 用一 种称 为逐层 搜索 的迭 代方法 , k项集用于 搜索 ( k+1)项集 。 首 先 , 找 出频繁 1 项集的集合 , 该集合记作 L 项集 的集 1, L 1 用 于找频 繁 2 合 L 项 2,而 L 2 用于找 L 3 , 如此 下去 , 直到 不能 找到 频繁 k集 。 为提高频繁项集 逐层产 生的 效率 , A p r i o r i 的性 质 “ 频繁 项集的 所 有 非 空 子集 都 必 须 也 是 频 繁 的 ” 用 于 压 缩 搜 索 空间 。 A p r i o r i 算法的基本思路 。 1)先生成长度为 1 的频繁项集 , 记为 L 1。 2)在 L 的基础上 生成候 选项 目集 ( c a n d i d a t ei t e m s e t ) k C k + 1 , 候选 项目集必须保证包括所有的频繁项集 。 3)用事务数据库 D中的事务对 C k + 1 进行支持度测试以 生成长 度为 k +1 的 频繁项 集 L k + 1 , 计算 每个候 选项目 集的 支持度 , 如果大于 m i ns u p p , 则加入到 L 初始为空集 ) 。 k + 1中 (