第五章：量化研究专题（第六篇：数据挖掘专题：分类与预测 ）

导语：数据挖掘，又译为数据采矿，是指从大量的数据中通过算法搜索隐藏于其中信息的过 


程。本篇内容主要向大家讲述如何使用 KNN 算法进行数据分类和数据预测。 






基础概念   






    数据分类就是相同内容、相同性质的信息以及要求统一管理的信息集合在一起，而把相 


异的和需要分别管理的信息区分开来，然后确定各个集合之间的关系，形成一个有条理的分 


类系统。 






    举个最简单的例子：我们定义K 线为三类：“上涨”：涨幅超过 1%，“下跌”：跌幅 


超过 1%，“震荡”涨跌幅不超过 1%，获取沪深300 指数过去 250 个交易 日的K 线，将数据 


进行分类： 






p=get_price('000300.SH', None, '20180125', '1d', ['quote_rate'], True, None, 250, is_panel=1) 


n1=len(p[p['quote_rate']>1]) 


n2=len(p[p['quote_rate']<-1]) 


n3=len(p)-n1-n2 


print('上涨K 线：{}，下跌K 线：{}，震荡K 线：{}'.format(n1,n2,n3)) 






上涨K 线：18，下跌K 线：12，震荡K 线：220 






    数据预测即用数据分类得出的模型对未知变量的预言。预言其目的是对未来未知变量的 


预测。 






    假设我们用历史数据发现上涨股票平均比例，所有个股平均量比，这二个指标可以用来 


定义当天市场是上涨、下跌还是震荡。其特征如下： 






市场                          上涨股票平均比例均值          所有个股平均量化均 


                                                值 






上涨（沪深300 涨幅超过 1%）           60%                 1.2 






 下跌（沪深300 跌幅超过 1%）          40%                 0.8 






震荡 （沪深300 涨跌幅不超过 1%）  50%                       1 




--------