Python金融数据分析与挖掘（微课版） 课件 11-2.周行业联动与轮动分析_第1页
Python金融数据分析与挖掘（微课版） 课件 11-2.周行业联动与轮动分析_第2页
Python金融数据分析与挖掘（微课版） 课件 11-2.周行业联动与轮动分析_第3页
Python金融数据分析与挖掘（微课版） 课件 11-2.周行业联动与轮动分析_第4页
Python金融数据分析与挖掘（微课版） 课件 11-2.周行业联动与轮动分析_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第11章

行业联动与轮动分析布尔值指标计算周行业联动与轮动关联规则挖掘周行业联动与轮动分析（布尔值指标计算）第11章

计算行业指数周上涨情况：当周最大交易日收盘指数−当周最小交易日收盘指数，如果大于0，则表示上涨，记为1，否则为0；本章提供的数据是日频数据，故需要找出每周的最大交易日和最小交易日，从而获得相应交易日的数据并进行计算。通过周最大交易日和最小交易日算法及程序，可获得每周的最大交易日和最小交易日列表总共得到359个交易周，第0行代表第0个交易周，该周的最小交易日为2010年1月4日，最大交易日为2010年1月8日。计算该周的涨跌情况可以用2010年1月8日的指数收盘价−2010年1月4日的指数收盘价得到，如果大于0，则表示该周指数上涨，用1表示，否则记为0周行业联动与轮动分析（布尔值指标计算）第11章

通过计算，获得周行业指数涨跌情况布尔指标值。从图中可以看出，交通运输业第0、2、3、7、8、10个交易周为下跌，第1、4、5、6、9个交易周为上涨周行业联动与轮动分析（联动规则挖掘）第11章

调用apriori关联规则挖掘算法，获得行业联动关联规则挖掘结果如下表。最小支持度、最小置信度分别在47%和90%以上的，共有20条行业联动的关联规则。IDrulesupportconfidence1化工_up—纺织服装_up—轻工制造_up0.4735376040.982658962纺织服装_up—轻工制造_up—化工_up0.4735376040.955056183纺织服装_up—轻工制造_up—综合_up0.4707520890.9494382024纺织服装_up—综合_up—轻工制造_up0.4707520890.9494382025化工_up—轻工制造_up0.5041782730.9476439796综合_up—轻工制造_up—纺织服装_up0.4707520890.9441340787化工_up—轻工制造_up—纺织服装_up0.4735376040.939226519……………………周行业联动与轮动分析（轮动规则挖掘）第11章

importOneRuleasORr=OR.rule(Data,0.2,0.58)同日行业轮动关联规则挖掘类似，我们调用定义的函数rule，设置最小支持度和最小置信度分别大于0.2和0.58周行业轮动关联规则置信度最大值都不超过0.6，而大于0.58的关联规则仅4条，因此，周行业轮动的关联规则可预测性也不强。IDrulesupportconfidence0银行_up—机械设备_up0.279329610.5882352941银行_up—电气设备_up0.282122910.5941176472银行_up—综合_

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论