CN115564582A - 股票数据分析方法、装置、电子设备和可读介质 - Google Patents

Abstract

本申请提供一种股票数据分析方法、装置、电子设备和可读介质。该方法包括：获取目标股票曲线和M个历史股票曲线，M为大于1的整数；从M个历史股票曲线中，筛选出与目标股票曲线的变化趋势相似的N个相似曲线，N为大于1并小于或等于M的整数；根据N个相似曲线，生成目标股票曲线的预测曲线；根据预测曲线，对目标股票曲线的变化趋势进行分析。该方法能够提升分析结果的准确性。

Description

股票数据分析方法、装置、电子设备和可读介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种股票数据分析方法、装置、电子设备和可读介质。

背景技术

股票(stock)是股份公司所有权的一部分，也是发行的所有权凭证，是股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券。股票是资本市场的长期信用工具，可以转让，买卖，股东凭借它可以分享公司的利润，但也要承担公司运作错误所带来的风险。每股股票都代表股东对企业拥有一个基本单位的所有权。每家上市公司都会发行股票。

在相关技术中，在进行股票数据分析时，会根据股票曲线的图形变化趋势来对股票数据进行分析。然而，在此类图形分析过程中，经常会由于曲线变化趋势的分析通常基于其历史变化和外部信息来进行分析，存在分析结果不准确的情况。

发明内容

基于上述技术问题，本申请提供一种股票数据分析方法、装置、电子设备和可读介质，以提升分析结果的准确性。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供一种股票数据分析方法，包括：

获取目标股票曲线和M个历史股票曲线，所述M为大于1的整数；

从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，所述N为大于1并小于或等于M的整数；

根据所述N个相似曲线，生成所述目标股票曲线的预测曲线；

根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析。

在本申请的一些实施例中，基于以上技术方案，所述从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，包括：

从滑动窗口曲线集合中获取与所述目标股票曲线的相似度最高的N个滑动窗口曲线，所述滑动窗口曲线集合中包括按照滑动时间窗口从所述M个历史股票曲线中截取的滑动窗口曲线以及所述滑动窗口曲线与所述目标股票曲线的相似度；

根据所述N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线。

在本申请的一些实施例中，基于以上技术方案，所述目标股票曲线为目标股票在第一时间段内的曲线，所述M个历史股票曲线为对应历史股票在第二时间段内的曲线，所述第二时间段的时长大于所述第一时间段的时长；所述从滑动窗口曲线集合中获取与所述目标股票曲线的相似度最高的N个滑动窗口曲线之前，所述方法还包括：

将所述第一时间段的时长作为所述滑动时间窗口，对于各个历史股票曲线滑动取值，得到所述滑动时间窗口内的滑动窗口曲线；

对于每个历史股票曲线，计算各个滑动窗口曲线与所述目标股票曲线的相似度；

根据每个历史股票曲线的各个滑动窗口曲线以及对应的相似度，生成并保存所述滑动窗口曲线集合。

在本申请的一些实施例中，基于以上技术方案，所述对于每个历史股票曲线，计算各个滑动窗口曲线与所述目标股票曲线的相似度，包括：

根据所述滑动窗口曲线与所述目标股票曲线的开盘收盘绝对值差、最高价差和最低价差的平均值，确定形态差；

根据所述滑动窗口曲线与所述目标股票曲线的均价差，确定趋势差；

根据预设权重，对所述形态差与所述趋势差进行加权计算，得到所述滑动窗口曲线与所述目标股票曲线的相似度。

在本申请的一些实施例中，基于以上技术方案，所述根据所述N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线，包括：

根据预测时长和各个滑动窗口曲线对应的时间段，确定对应的相似曲线时段；

从所述滑动窗口曲线所在的历史股票曲线中截取所述相似曲线时段内的曲线作为相似曲线，得到N个相似曲线。

在本申请的一些实施例中，基于以上技术方案，所述根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析，包括：

根据所述N个相似曲线对应的股票数据，确定所述预测时长对应的置信区间；

根据所述置信区间和所述预测曲线，生成所述目标股票在所述预测时长内的预测变化范围，作为分析结果。

在本申请的一些实施例中，基于以上技术方案，所述根据所述N个相似曲线，生成所述目标股票曲线的预测曲线，包括：

根据所述N个相似曲线在相似曲线时段中的每日数据，计算所述相似曲线时段中的每日数据均值；

根据所述每日数据均值，组成所述目标股票曲线的预测曲线。

根据本申请实施例的一个方面，提供一种股票数据分析装置，包括：

曲线获取模块，用于获取目标股票曲线和M个历史股票曲线，所述M为大于1的整数；

相似曲线筛选模块，用于从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，所述N为大于1并小于或等于M的整数；

预测曲线生成模块，用于根据所述N个相似曲线，生成所述目标股票曲线的预测曲线；

分析结果确定模块，用于根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析。

根据本申请实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，该处理器配置为经由执行可执行指令来执行如以上技术方案中的股票数据分析方法。

根据本申请实施例的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，当该计算机程序被处理器执行时实现如以上技术方案中的股票数据分析方法。

在本申请的实施例中，在本申请的实施例中，通过从历史股票曲线中筛选出与目标股票曲线变化趋势相似的多个相似曲线，再根据多个相似曲线生成的预测曲线来对目标股票曲线进行分析，得到分析结果，通过变化趋势相似的多个相似曲线进行综合分析，从而能够弱化变化趋势类似的单个股票中个例原因对分析结果的影响并且强化多个股票中共性对分析结果的，提升分析结果的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本申请技术方案在一个应用场景中的系统示意图；

图2为本申请实施例中一种股票数据分析方法的示意性流程图；

图3示意性地示出了本申请实施例中股票数据分析装置的组成框图；

图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本申请可以应用于图形数据分析领域，并且具体应用在股票图形的分析领域中。具体地，本申请的方案可以用于对股票交易价格曲线的变化趋势进行分析，以便为在股票交易的具体决策过程中提供辅助信息。股票交易价格曲线或者股票曲线具体可以是关于股票的价格或者成交量等相关信息的曲线，其通常按照一定的时间周期进行统计，从而形成对应的变化曲线，例如以天为单位或者以小时为单位，其通常可以采用K线图的方式来表示。K线图通常包含四个数据，即开盘价、最高价、最低价、收盘价，K线图能够反映股票交易变化形势的状况和价格信息。如果把每日的K线图综合统计，就能画出日K线图，类似地，也可画出出周K线图和月K线图等。在本申请的方案中，将以对日K线图进行数据分析为例进行介绍。本申请的方案中会根据作为分析目标的目标股票的股票曲线，即K线图，从其他股票的历史股票的K线图中查找变化趋势类似的部分，并且进一步根据相似的部分来对目标股票的的变化趋势进行分析，从而得到分析结果。该分析结果通常为目标股票在后续的变化取值中的取值范围或者变化概率等信息。

下面对本申请的应用场景进行介绍。请参阅图1，图1为本申请技术方案在一个应用场景中的系统示意图。如图1所示，该应用场景中包括终端设备110和分析系统120。终端用户通过终端设备110来访问分析系统120。在访问过程中，终端用户可以通过终端设备110来选择比较关注的目标股票，并且通过终端设备110上的图形界面触发关于目标股票的数据分析功能。终端设备110响应于终端用户的操作，会向分析系统120发送针对目标股票的数据分析请求，分析系统120会在从存储好的相似曲线集合中查询到多个与目标股票的变化趋势相似的相似曲线，并且根据多个相似曲线来进行数据分析，并且向终端设备110反馈分析结果以供展示。分析系统120会定期或者自动查找与终端用户关注的股票的变化趋势类似的股票，并且将相似的股票以及对应的相似度结果都存储在分析系统120中，以便在需要进行分析时直接获取到变化趋势相似的股票数据。

分析系统120的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)以及大数据和人工智能平台等基础云计算服务的云服务器，本处不对此进行限制。

终端设备110包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。终端设备110和分析系统120之间可以通过有线或无线通信方式进行直接或间接地连接。终端的数量以及支付系统和风控系统的服务器的数量也不做限制。

下面结合具体实施方式对本申请提供的技术方案做出详细说明。为了便于介绍，请参阅图2，图2为本申请实施例中一种股票数据分析方法的示意性流程图。该方法可以应用于上述的分析系统或者终端设备中。在本申请的实施例中，以分析系统的服务器为执行主体对股票数据分析方法进行介绍。该股票数据分析方法可以包括如下的步骤S210至S240：

步骤S210，获取目标股票曲线和M个历史股票曲线，所述M为大于1的整数。

在本实施例中，数据分析装置会从存储的股票数据中获取出目标股票的目标股票曲线以及其他股票的多个历史股票曲线。目标股票通常是预先选定的股票，例如由用户选择或者系统自动选定，其他股票则可以是交易市场中除了目标股票之外的任意其他股票，例如所有正股或者随机抽选。目标股票曲线是关于目标股票的K线图，其中通常包括股票的开盘价、最高价、最低价和收盘价等信息，并且通常是包含一段时间内的K线图，例如30天的K线图。目标股票曲线通常是近期的K线图，例如，以方案执行的当前时刻起，最近30天内的K线图。历史股票曲线是通常是目标股票之外的其他股票的历史K线图，例如交易市场中正股在最近一年内的K线图。可以理解得是，目标股票曲线和历史股票曲线的K线图类型通常是相同的，即都是日K线图或者都是周K线图等。

步骤S220，从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，所述N为大于1并小于或等于M的整数。

在本实施例中，数据分析装置会从M个历史股票曲线中，筛选出与目标股票曲线的变化趋势相似的N个相似曲线，N为大于1并小于或等于M的整数。变化趋势相似可以根据K线图的图形相似度来确定。具体地，数据分析装置可以将目标股票曲线与各个历史股票曲线中的曲线分段来进行图形相似匹配，当相似度达到一定的阈值时，就可以认为该曲线分段与目标股票曲线相似，从而从历史股票曲线中截取出与目标股票曲线的图形相似的一段曲线，形成相似曲线。

步骤S230，根据所述N个相似曲线，生成所述目标股票曲线的预测曲线。

数据分析装置会根据N个相似曲线来综合生成目标股票曲线的预测曲线。具体地，相似曲线中的时间跨度通常会比目标股票曲线长，并且其中会包含在目标股票曲线之后包含额外的一段曲线。例如，目标股票曲线的时间跨度为30天，则相似曲线可以包含40天或者更多，其中，前30天的曲线是与目标股票曲线相似的部分，而后面的天数则是在截取时额外截取的数据。数据分析装置可以根据N个相似曲线的数据进行曲线拟合、计算平均值或者通过训练过的模型等方式来生成对应于目标股票曲线的预测曲线。该预测曲线用于指示目标股票曲线在未来时段内的变化趋势。例如，对于目标股票曲线的时间跨度为30天而相似曲线为40天的情况，预测曲线则用于指示目标股票曲线在之后的10天内的可能变化趋势。可以立即的是，可以针对于目标股票曲线生成多条预测曲线，而每条预测曲线有可信度评分等信息，以便于进行数据分析。

步骤S240，根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析。

在得到预测曲线后，数据分析装置会根据预测曲线，对目标股票曲线的变化趋势进行分析。例如分析目标股票的价格变化情况或者交易量变化情况等，以便于为针对于目标股票的决策提供辅助信息。

在本申请的实施例中，在本申请的实施例中，通过从历史股票曲线中筛选出与目标股票曲线变化趋势相似的多个相似曲线，再根据多个相似曲线生成的预测曲线来对目标股票曲线进行分析，得到分析结果，通过变化趋势相似的多个相似曲线进行综合分析，从而能够弱化变化趋势类似的单个股票中个例原因对分析结果的影响并且强化多个股票中共性对分析结果的，提升分析结果的准确性。

在本申请的一个实施例中，基于以上的技术方案，上述步骤S220，从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，具体包括如下步骤：

从滑动窗口曲线集合中获取与所述目标股票曲线的相似度最高的N个滑动窗口曲线，所述滑动窗口曲线集合中包括按照滑动时间窗口从所述M个历史股票曲线中截取的滑动窗口曲线以及所述滑动窗口曲线与所述目标股票曲线的相似度；

根据所述N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线。

在本申请的实施例中，数据分析装置会从之前存储的滑动窗口曲线集合中获取与目标股票曲线的相似度最高的N个滑动窗口曲线，其中，N的数量通常是预先设置的，并且与相同或相关领域中的股票数量相关联。滑动窗口曲线集合会包含按照滑动滑动时间窗口从M个历史股票曲线中截取的滑动窗口曲线以及各个滑动窗口曲线与目标股票曲线的相似度。滑动窗口曲线是按照滑动滑动时间窗口对各个历史股票曲线滑动截取的，滑动时间窗口的时间宽度和滑动的步长通常取决于股票曲线中数据的统计频率，例如，对于日K线图，滑动时间窗口则通常为若干天，例如30天，窗口滑动的步长通常按天进行，每次滑动1天。滑动窗口曲线与目标股票曲线的相似度可以是按照图形比较的图形相似度或者按照数据变化比较的数据相似度。数据分析装置根据N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线。N个相似曲线的时间跨度通常相同，它们可以等于或者大于滑动窗口曲线的时间跨度。滑动窗口曲线的时间跨度等于滑动时间窗口的时间跨度，并且通常会等于目标股票曲线的时间跨度。例如，目标股票曲线的时间跨度为XX年8月1日至8月30日，则滑动时间窗口则通常设定为30天，例如一支股票与目标股票曲线相似度最高的滑动窗口曲线的时间跨度为YY年3月1日至3月30日，在根据该滑动窗口曲线，从对应股票曲线中截取相似曲线时，则可以截取YY年3月1日至3月30日或者更晚，例如至4月20日的股票曲线作为相似曲线。因此，可以理解的是，根据该滑动窗口曲线截取出的相似曲线通常会包含该滑动窗口曲线。

在滑动窗口曲线的时间跨度不等于目标股票曲线的时间跨度的情况下，例如滑动窗口曲线的时间跨度为25天而目标股票曲线的时间跨度为30天，则通常会将二者曲线的最后一天对齐来进行截取。例如，对于上述示例中，如果滑动时间窗口则通常设定为25天，截取相似曲线的时间跨度可以是3月5日至3月30日或者更晚，例如3月5日至4月20日。

在本申请的一个实施例中，基于以上的技术方案，所述目标股票曲线为目标股票在第一时间段内的曲线，所述M个历史股票曲线为对应历史股票在第二时间段内的曲线，所述第二时间段的时长大于所述第一时间段的时长；上述步骤，从滑动窗口曲线集合中获取与所述目标股票曲线的相似度最高的N个滑动窗口曲线之前，所述方法还包括如下步骤：

将所述第一时间段的时长作为所述滑动时间窗口，对于各个历史股票曲线滑动取值，得到所述滑动时间窗口内的滑动窗口曲线；

对于每个历史股票曲线，计算各个滑动窗口曲线与所述目标股票曲线的相似度；

根据每个历史股票曲线的各个滑动窗口曲线以及对应的相似度，生成并保存所述滑动窗口曲线集合。

在本实施例中，数据分析装置会将目标股票曲线的第一时间段的时长作为滑动时间窗口，对各个历史股票曲线滑动取值，从而截取出滑动时间窗口内的滑动窗口曲线。例如，假定第一时间段为30天，而第二时间段为300天，则在滑动时，会从300天的第一天开始，每次向后滑动一天来截取出滑动窗口曲线。可以理解，每个滑动窗口曲线的时间跨度也是30天。随后，计算各个滑动窗口曲线与目标股票曲线的相似度。将分辨率相同的滑动窗口曲线与目标股票曲线重叠，计算对应位置上像素之间的相似程度，随后综合所有像素的统计得到曲线相似度。随后，数据分析装置根据每个历史股票曲线的各个滑动窗口曲线以及对应的相似度，生成并保存滑动窗口曲线集合。具体地，滑动窗口曲线集合中通常会保存目标股票曲线的相关信息，例如股票编号和对应日期等。可以理解的是，滑动窗口曲线集合中，来自同一个历史股票曲线的滑动窗口曲线相互之间通常不存在时间重叠，对于存在时间重叠的滑动窗口曲线，则选择相似度最高的窗口曲线作为代表。

在本申请的一个实施例中，基于以上的技术方案，上述步骤，对于每个历史股票曲线，计算各个滑动窗口曲线与所述目标股票曲线的相似度，具体包括如下步骤：

根据所述滑动窗口曲线与所述目标股票曲线的开盘收盘绝对值差、最高价差和最低价差的平均值，确定形态差；

根据所述滑动窗口曲线与所述目标股票曲线的均价差，确定趋势差；

根据预设权重，对所述形态差与所述趋势差进行加权计算，得到所述滑动窗口曲线与所述目标股票曲线的相似度。

在本申请实施例中，数据分析装置会根据形态差和趋势差来确定两个曲线之间的相似度。

形态差是根据每天交易数据中上下限的确定的，而趋势差则是根据窗口中总的价格趋势额确定的。

数据分析装置根据所述滑动窗口曲线与所述目标股票曲线的开盘收盘绝对值差、最高价差和最低价差的平均值，来确定形态差。具体地，形态差＝1-窗口加总(标准化每天K线:开盘收盘绝对值差、最高价差、最低价差，取各个数据在窗口内的均值)。数据分析装置根据所述滑动窗口曲线与所述目标股票曲线的均价差，确定趋势差。具体地，趋势差＝窗口加总(每天K线均价差)。其中，针对于数据会使用最小值最大值正规化来避免数据量级的影响。最后，数据分析装置根据预设权重，对所述形态差与所述趋势差进行加权计算，得到所述滑动窗口曲线与所述目标股票曲线的相似度。具体地，相似度的计算过程采用如下公式：

相似度＝(形态差*形态权重+趋势差*趋势权重)/窗口大小

其中，形态权重和趋势权重则可以根据预设的比例确定。

在本申请的实施例中，通过形态差和趋势差来确定曲线之间的相似度，从而能够更准确体现对曲线中数据变化的趋势，提升曲线相似度的准确性。

在本申请的一个实施例中，基于以上的技术方案，上述步骤，根据所述N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线，具体包括如下步骤：

根据预测时长和各个滑动窗口曲线对应的时间段，确定对应的相似曲线时段；

从所述滑动窗口曲线所在的历史股票曲线中截取所述相似曲线时段内的曲线作为相似曲线，得到N个相似曲线。

在本实施例中，数据分析装置会根据预测时长和各个滑动窗口曲线对应的时间段，确定对应的相似曲线时段。预测时长为数据分析所针对的时长，例如，数据分析的目标为分析目标股票在之后的10天内的可能变化趋势，则预测时长则确定为10天，假定滑动窗口曲线对应的时间段为4月1日到4月20日，则对应的相似区间时间则为4月1日到4月30日。随后，数据分析装置从滑动窗口曲线所在的历史股票曲线中截取所述相似曲线时段内的曲线作为相似曲线，得到N个相似曲线。具体地，对于N个滑动窗口曲线，分别截取对应的相似曲线，从而得到N个相似曲线。例如，股票的300天的K线图中截取4月1日到4月30日的K线图作为相似曲线。可以理解的是，N个相似曲线可以来自相同的曲线或者不同的曲线。

在本申请的一个实施例中，基于以上的技术方案，上述步骤S230，根据所述N个相似曲线，生成所述目标股票曲线的预测曲线，具体包括如下步骤：

根据所述N个相似曲线在相似曲线时段中的每日数据，计算所述相似曲线时段中的每日数据均值；

根据所述每日数据均值，组成所述目标股票曲线的预测曲线。

在该实施例中，股票曲线采用日K线图，数据分析装置根据N个相似曲线在相似曲线时段中的每日数据，计算相似曲线时段中的每日数据均值。随后根据每日数据均值，组成目标股票曲线的预测曲线。具体地，N个相似曲线的时间跨度是相同的，例如都为50天，因此可以按照在相似曲线时段的对应的天数来计算每日数据，例如，对于N个相似曲线，分别获取第1天的数据来计算第1天的每日数据均值，获取第2天的数据计算第2天的每日数据均值，依次类推，得到50天对应的50个每日数据均值。随后将这50个每日数据均值按照50天的顺序组合成预测曲线。

在本申请的一个实施例中，基于以上的技术方案，上述步骤，根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析，具体包括如下步骤：

根据所述N个相似曲线对应的股票数据，确定所述预测时长对应的置信区间；

根据所述置信区间和所述预测曲线，生成所述目标股票在所述预测时长内的预测变化范围，作为分析结果。

在本实施例中，数据分析装置会根据N个相似曲线对应的股票数据，确定所述预测时长对应的置信区间。具体地，数据分析装置会先对N个相似曲线对应的股票数据计算样本均值，随后，根据预设的抽样误差和样本均值计算出置信区间的两个端点。在确定置信区间后，数据分析装置会根据置信区间，对预测曲线中的数据进行对应的上下限的调整，从而得到对于股票在所述预测时长内的预测变化范围，作为分析结果。

应当注意，尽管在附图中以特定顺序描述了本申请中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

以下介绍本申请的装置实施，可以用于执行本申请上述实施例中的股票数据分析方法。图3示意性地示出了本申请实施例中股票数据分析装置的组成框图。如图3所示，股票数据分析装置300主要可以包括：

曲线获取模块310，用于获取目标股票曲线和M个历史股票曲线，所述M为大于1的整数；

相似曲线筛选模块320，用于从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，所述N为大于1并小于或等于M的整数；

预测曲线生成模块330，用于根据所述N个相似曲线，生成所述目标股票曲线的预测曲线；

分析结果确定模块340，用于根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析。

在本申请的一些实施例中，基于以上技术方案，相似曲线筛选模块320包括：

窗口曲线获取单元，用于从滑动窗口曲线集合中获取与所述目标股票曲线的相似度最高的N个滑动窗口曲线，所述滑动窗口曲线集合中包括按照滑动时间窗口从所述M个历史股票曲线中截取的滑动窗口曲线以及所述滑动窗口曲线与所述目标股票曲线的相似度；

相似曲线截取单元，用于根据所述N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线。

在本申请的一些实施例中，基于以上技术方案，所述目标股票曲线为目标股票在第一时间段内的曲线，所述M个历史股票曲线为对应历史股票在第二时间段内的曲线，所述第二时间段的时长大于所述第一时间段的时长；股票数据分析装置300还包括：

滑动取值模块，用于将所述第一时间段的时长作为所述滑动时间窗口，对于各个历史股票曲线滑动取值，得到所述滑动时间窗口内的滑动窗口曲线；

相似度计算模块，用于对于每个历史股票曲线，计算各个滑动窗口曲线与所述目标股票曲线的相似度；

曲线集合生成模块，用于根据每个历史股票曲线的各个滑动窗口曲线以及对应的相似度，生成并保存所述滑动窗口曲线集合。

在本申请的一些实施例中，基于以上技术方案，相似度计算模块包括：

形态差确定单元，用于根据所述滑动窗口曲线与所述目标股票曲线的开盘收盘绝对值差、最高价差和最低价差的平均值，确定形态差；

趋势差确定单元，用于根据所述滑动窗口曲线与所述目标股票曲线的均价差，确定趋势差；

加权计算单元，用于根据预设权重，对所述形态差与所述趋势差进行加权计算，得到所述滑动窗口曲线与所述目标股票曲线的相似度。

在本申请的一些实施例中，基于以上技术方案，相似曲线截取单元包括：

相似时段确定子单元，用于根据预测时长和各个滑动窗口曲线对应的时间段，确定对应的相似曲线时段；

相似曲线截取子单元，用于从所述滑动窗口曲线所在的历史股票曲线中截取所述相似曲线时段内的曲线作为相似曲线，得到N个相似曲线。

在本申请的一些实施例中，基于以上技术方案，分析结果确定模块340包括：

置信区间确定单元，用于根据所述N个相似曲线对应的股票数据，确定所述预测时长对应的置信区间；

变化范围生成单元，用于根据所述置信区间和所述预测曲线，生成所述目标股票在所述预测时长内的预测变化范围，作为分析结果。

在本申请的一些实施例中，基于以上技术方案，预测曲线生成模块330包括：

均值计算单元，用于根据所述N个相似曲线在相似曲线时段中的每日数据，计算所述相似曲线时段中的每日数据均值；

曲线组成单元，用于根据所述每日数据均值，组成所述目标股票曲线的预测曲线。

需要说明的是，上述实施例所提供的装置与上述实施例所提供的方法属于同一构思，其中各个模块执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。

图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图4示出的电子设备的计算机系统400仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统400包括中央处理单元(Central Processing Unit，CPU)401，其可以根据存储在只读存储器(Read-Only Memory，ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory，RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input/Output，I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分407；包括硬盘等的储存部分408；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入储存部分408。

特别地，根据本申请的实施例，各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种股票数据分析方法，其特征在于，包括：

获取目标股票曲线和M个历史股票曲线，所述M为大于1的整数；

从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，所述N为大于1并小于或等于M的整数；

根据所述N个相似曲线，生成所述目标股票曲线的预测曲线；

根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析。

2.根据权利要求1所述的方法，其特征在于，所述从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，包括：

从滑动窗口曲线集合中获取与所述目标股票曲线的相似度最高的N个滑动窗口曲线，所述滑动窗口曲线集合中包括按照滑动时间窗口从所述M个历史股票曲线中截取的滑动窗口曲线以及所述滑动窗口曲线与所述目标股票曲线的相似度；

根据所述N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线。

3.根据权利要求2所述的方法，其特征在于，所述目标股票曲线为目标股票在第一时间段内的曲线，所述M个历史股票曲线为对应历史股票在第二时间段内的曲线，所述第二时间段的时长大于所述第一时间段的时长；所述从滑动窗口曲线集合中获取与所述目标股票曲线的相似度最高的N个滑动窗口曲线之前，所述方法还包括：

将所述第一时间段的时长作为所述滑动时间窗口，对于各个历史股票曲线滑动取值，得到所述滑动时间窗口内的滑动窗口曲线；

对于每个历史股票曲线，计算各个滑动窗口曲线与所述目标股票曲线的相似度；

根据每个历史股票曲线的各个滑动窗口曲线以及对应的相似度，生成并保存所述滑动窗口曲线集合。

4.根据权利要求3所述的方法，其特征在于，所述对于每个历史股票曲线，计算各个滑动窗口曲线与所述目标股票曲线的相似度，包括：

根据所述滑动窗口曲线与所述目标股票曲线的开盘收盘绝对值差、最高价差和最低价差的平均值，确定形态差；

根据所述滑动窗口曲线与所述目标股票曲线的均价差，确定趋势差；

根据预设权重，对所述形态差与所述趋势差进行加权计算，得到所述滑动窗口曲线与所述目标股票曲线的相似度。

5.根据权利要求2所述的方法，其特征在于，所述根据所述N个滑动窗口曲线，从对应历史股票曲线中截取N个相似曲线，包括：

根据预测时长和各个滑动窗口曲线对应的时间段，确定对应的相似曲线时段；

从所述滑动窗口曲线所在的历史股票曲线中截取所述相似曲线时段内的曲线作为相似曲线，得到N个相似曲线。

6.根据权利要求5所述的方法，其特征在于，所述根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析，包括：

根据所述N个相似曲线对应的股票数据，确定所述预测时长对应的置信区间；

根据所述置信区间和所述预测曲线，生成所述目标股票在所述预测时长内的预测变化范围，作为分析结果。

7.根据权利要求5所述的方法，其特征在于，所述根据所述N个相似曲线，生成所述目标股票曲线的预测曲线，包括：

根据所述N个相似曲线在相似曲线时段中的每日数据，计算所述相似曲线时段中的每日数据均值；

根据所述每日数据均值，组成所述目标股票曲线的预测曲线。

8.一种股票数据分析装置，其特征在于，包括：

曲线获取模块，用于获取目标股票曲线和M个历史股票曲线，所述M为大于1的整数；

相似曲线筛选模块，用于从所述M个历史股票曲线中，筛选出与所述目标股票曲线的变化趋势相似的N个相似曲线，所述N为大于1并小于或等于M的整数；

预测曲线生成模块，用于根据所述N个相似曲线，生成所述目标股票曲线的预测曲线；

分析结果确定模块，用于根据所述预测曲线，对所述目标股票曲线的变化趋势进行分析。

9.一种电子设备，其特征在于，包括：

处理器；

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述的股票数据分析方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的股票数据分析方法。

Images