大宗交易数据挖掘（四）

数据分析

维度初步整理好以后，可以尝试用R去做一些相关性分析，不过效果太差，因为实际情况中，线性回归的效果是很差的。
这里我定义了1个CHANCE的列（Factor），当买入天数（BuyRK）和卖出天数（SellRK）都存在时，则机会为1，否则为0。
当然，这是一个分类的问题，也就少不了用SVM和朴素贝叶斯尝试去做分类，不过效果都非常差（无法整体分类），所以都不展示了。如果第一篇所述，这里选择决策树来分析。
针对1万多条数据，统计的基本情况如下：

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

可以看到，只有21%的大宗交易是有机会的。之前看到有人分析，说大宗交易对于股价的影响为0（涨跌概率50%），这点算是符合的。机会远小于风险（指从逻辑上无法解释，不会产生机会的情况），其中有几类风险是要规避的：
1. 交易量不能超过流通股本的百分之二，这是因为这种行为不太可能是短期的，不符合假设；
2. 距离上一次大宗交易超过5个交易日，因为超频繁的大宗交易不符合假设；
3. 不存在同席位交易，同席位意味着大概率上是自导自演；
4. 近3日波动幅度低于15%，因为中间出现某只股票连续涨/跌停。

在过滤掉以上数据后，得到如下结果：

(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) *

虽然有机会的概率只提高了1%，但去掉那些数据毫无疑问是必需的。
再来查看折扣率（存在2.17是因为复权），波动幅度等数据：

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 

对这部分数据尝试用决策树求解，找到这样的叶节点：当折扣率介于 [-4%, 0.0%]，3日内波动幅度>=3%，交易量占流通股本的比例超过0.013%，指数在其20日线之下11%时（大盘超跌）：

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) *

查看具体是哪几天：

> 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"

同样，按照这种方法，也找到另一些数据集，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) *

综合几种情况后，就得到一些较高成功率的筛选规则，剩下的就是止损点的计算了，这是一个反复尝试的过程，估计出止损点是-7%，在买入后第5个交易日止损。