本發(fā)明涉及股票數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其是涉及一種基于局部及全局語法統(tǒng)計的股票推薦方法。

背景技術(shù)：

股票市場是一個風(fēng)險和利益共存的市場,股票市場的建模和預(yù)測研究對我國的經(jīng)濟發(fā)展和金融建設(shè)具有重要的意義。

股票技術(shù)分析的目的是預(yù)測市場價格未來的趨勢,為達到此目的所采用的手段是分析股票市場過去和現(xiàn)在的市場行為。市場行為包括：(1)價格的高低和價格的變化；(2)發(fā)生這些變化所伴隨的成交量；(3)完成這些變化所經(jīng)過的時間。技術(shù)分析的理論基礎(chǔ)主要是三大假設(shè):市場行為包含一切信息；價格沿趨勢波動并保持趨勢;歷史會重演。

在數(shù)據(jù)極為豐富的股票預(yù)測領(lǐng)域,數(shù)據(jù)挖掘的方法得到了越來越廣泛的研究與應(yīng)用。股票數(shù)據(jù)挖掘的研究主要集中在4個方面：相似序列匹配、股票價格預(yù)測、交易規(guī)則抽取以及時間模式發(fā)現(xiàn)。常用的方法有神經(jīng)網(wǎng)絡(luò)、進化算法、模糊邏輯、粗糙集、支持向量機等。

技術(shù)實現(xiàn)要素：

本發(fā)明公開了一種基于局部及全局語法統(tǒng)計的股票推薦方法。方法把股票小段時間序列的漲跌幅量化值看作是自然語言中的符號串，對股票下一交易日漲跌幅度的預(yù)測則類似于對符號串中的下一符號的預(yù)測。

本發(fā)明方法結(jié)合股票的實際，應(yīng)用n元語法的思想，對股票自身的歷史數(shù)據(jù)和全局的股票數(shù)據(jù)進行股票語法的規(guī)則統(tǒng)計，而后分別利用局部語法和全局語法計算股票下一交易日的漲跌幅得分。最后對兩種結(jié)果計算綜合得分，排序后進行股票的推薦。方法除了可用于股票的每日推薦外，還可用于股票每天的實時推薦。

假設(shè)股票列表為S,S=[S₁, S₂,…,S_i,…,S_m],m為股票池中股票的數(shù)量，如中國上市股票的數(shù)量或美國上市股票的數(shù)量。本發(fā)明方法的步驟如下：

（1）對股票的漲跌幅值進行量化；

（2）基于股票自身歷史數(shù)據(jù)進行局部多元語法統(tǒng)計；

（3）基于所有股票歷史數(shù)據(jù)進行全局多元語法統(tǒng)計；

（4）獲得待預(yù)測股票的近期漲跌幅數(shù)據(jù)并量化；

（5）計算待預(yù)測股票的局部語法預(yù)測得分；

（6）計算待預(yù)測股票的全局語法預(yù)測得分；

（7）計算每只股票的綜合得分并進行排序推薦。

其中，步驟(1)的對股票的漲跌幅值進行量化，具體為：對于每只股票，獲取某個時間點以來（如2005年1月1日）的漲跌幅數(shù)據(jù)，而后對漲跌幅值進行量化，即對漲跌幅值進行四舍五入的操作，變換為[-10,10]區(qū)間的整數(shù)值；最后股票池中的每只股票都變換為包含股票漲跌幅整數(shù)值的數(shù)組。

其中，步驟(2)的基于股票自身歷史數(shù)據(jù)進行局部多元語法統(tǒng)計，具體為：對于每只股票，假設(shè)當前股票為S_i,i=1,…,m ,對該股票自身的歷史數(shù)據(jù)進行k元語法統(tǒng)計，k取1到5。首先設(shè)置一個k維數(shù)組，每個維度的長度為21，即每維有21個槽。然后遍歷S_i股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的兩個值，對這兩個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入k維數(shù)組對應(yīng)的槽中。k元語法統(tǒng)計完后，結(jié)合k-1元語法的結(jié)果，計算條件概率，對于k維數(shù)組中的每一行，計算最后一個維的數(shù)值出現(xiàn)的條件概率，其中一元語法不計算條件概率。條件概率的分子為k維數(shù)組每行的整數(shù)值組合的統(tǒng)計數(shù)，分母為k維數(shù)組每行整數(shù)值去掉最后一位的組合在k-1元語法中所對應(yīng)的統(tǒng)計數(shù)。計算分母時如果k-1元語法沒有相應(yīng)的整數(shù)值組合則跳過該條件概率的計算。最后每只股票都有自己的k元語法統(tǒng)計結(jié)果。

其中，步驟(3)的基于所有股票歷史數(shù)據(jù)進行全局多元語法統(tǒng)計，具體為：對于所有股票的歷史數(shù)據(jù)進行k元語法統(tǒng)計。統(tǒng)計過程類似步驟（2），不同的是針對所有股票歷史數(shù)據(jù)進行統(tǒng)計，并且最后所有股票只有一組k元語法的統(tǒng)計結(jié)果。

其中，步驟(4)的獲得待預(yù)測股票的近期漲跌幅數(shù)據(jù)并量化，具體為獲取待預(yù)測股票近4個交易日的漲跌幅數(shù)據(jù)，然后對這4日的漲跌幅數(shù)據(jù)進行量化，即對漲跌幅值進行四舍五入操作，形成整數(shù)值，記為D4,D3,D2,D1，分別代表股票近四個交易日的近似整數(shù)漲跌幅。而即將預(yù)測的下一交易日近似漲跌幅記為D0。

其中，步驟(5)的計算待預(yù)測股票的局部語法預(yù)測得分，；具體為：以D4,D3,D2,D1搜索匹配局部五元語法數(shù)組的前四個維度，獲取條件概率最大的3個數(shù)值A(chǔ)Percent_k，及其對應(yīng)的第五維的數(shù)值A(chǔ)D0_k；以D3,D2,D1搜索匹配局部四元語法數(shù)組的前三個維度，獲取條件概率最大的3個數(shù)值BPercent_k，及其對應(yīng)的第四維的數(shù)值BD0_k；以D2,D1搜索匹配局部三元語法數(shù)組的前二個維度，獲取條件概率最大的3個數(shù)值CPercent_k，及其對應(yīng)的第三維的數(shù)值CD0_k；以D1搜索匹配局部二元語法數(shù)組的前一個維度，獲取條件概率最大的3個數(shù)值DPercent_k，及其對應(yīng)的第二維的數(shù)值DD0_k；最后對所有結(jié)果進行加權(quán)求和，作為局部語法的預(yù)測得分，具體公示為：

（A）

；

（B） 。

其中，步驟(6)的計算待預(yù)測股票的全局語法預(yù)測得分,具體為：以D4,D3,D2,D1搜索匹配全局五元語法數(shù)組的前四個維度，獲取條件概率最大的3個數(shù)值A(chǔ)Percent_k，及其對應(yīng)的第五維的數(shù)值A(chǔ)D0_k；以D3,D2,D1搜索匹配全局四元語法數(shù)組的前三個維度，獲取條件概率最大的3個數(shù)值BPercent_k，及其對應(yīng)的第四維的數(shù)值BD0_k；以D2,D1搜索匹配全局三元語法數(shù)組的前二個維度，獲取條件概率最大的3個數(shù)值CPercent_k，及其對應(yīng)的第三維的數(shù)值CD0_k；以D1搜索匹配全局二元語法數(shù)組的前一個維度，獲取條件概率最大的3個數(shù)值DPercent_k，及其對應(yīng)的第二維的數(shù)值DD0_k；最后對所有結(jié)果進行加權(quán)求和，作為全局語法的預(yù)測得分，具體公示為：

（A）

；

（B）。

其中，步驟(7)的計算每只股票的綜合得分并進行排序推薦，具體為：對于每只股票，計算股票的綜合得分，具體公示為：

其中為權(quán)重系數(shù)，考慮股票自身的特點，這里取值。對所有股票的綜合得分進行從大到小的排序，排序后取出前h個, 這些股票即為推薦的股票。推薦的周期為每日推薦，因此推薦的有效期僅為一天，只為下一交易日做股票推薦。推薦股票的所得綜合得分可以作為該股票下一天近似漲幅的一種參考。

附圖說明

圖1 是本發(fā)明基于局部及全局語法統(tǒng)計的股票推薦方法的流程圖。

圖2 是基于本發(fā)明方法輸出的某一日期的推薦股票列表。具體為2016年11月10日推薦的股票，第三列的得分可以認為是對下一交易近似漲幅的預(yù)測，同時在第四列提供了當日股票的換手率作為參考。

具體實施方式

下面結(jié)合附圖和實例，對本發(fā)明進行詳細的描述。

n元語法((n-gram grammar)是建立在馬爾可夫模型上的一種概率語法。它通過對自然語言的符號串中n個符號同時出現(xiàn)概率的統(tǒng)計數(shù)據(jù)來推斷句子的結(jié)構(gòu)關(guān)系。當n=2時，稱為二元語法，二元文法（n=2時）被稱作一階馬爾科夫鏈；當n = 3時，稱為三元語法，三元文法模型稱作二階馬爾科夫鏈。

本發(fā)明方法把股票小段時間序列的漲跌幅量化值看作是自然語言中的符號串，而對股票下一交易日漲跌幅度的預(yù)測類似于對符號串中的下一符號的預(yù)測。

本發(fā)明方法結(jié)合股票的實際，應(yīng)用n元語法的思想，對股票自身的歷史數(shù)據(jù)和全局的股票數(shù)據(jù)進行股票語法規(guī)則統(tǒng)計，而后分別利用局部語法和全局語法計算股票下一交易日的漲跌幅得分。最后對兩種結(jié)果計算綜合得分，排序后進行股票的推薦。本發(fā)明方法的推薦方式為每日推薦。

假設(shè)股票列表為S,S=[S₁, S₂,…,S_i,…,S_m],m為股票池中股票的數(shù)量，如中國上市股票的數(shù)量或美國上市股票的數(shù)量?；诰植考叭终Z法統(tǒng)計的股票推薦過程具體如下。

一、對股票的漲跌幅值進行量化。

對于每只股票，獲取某個時間點以來（如2005年1月1日）的漲跌幅數(shù)據(jù)，而后對漲跌幅值進行量化，即對漲跌幅值進行四舍五入的操作，變換為[-10,10]區(qū)間的整數(shù)值；最后股票池中的每只股票都變換為包含股票漲跌幅整數(shù)值的數(shù)組。

二、基于股票自身歷史數(shù)據(jù)進行局部多元語法統(tǒng)計。

對于每只股票，假設(shè)當前股票為S_i,i=1,…,m ,則該股票的多元語法統(tǒng)計過程如下。

2.1 局部一元語法統(tǒng)計。

由于股票有漲跌幅限制，量化后的整數(shù)值有21種情況，即[-10,10]區(qū)間的整數(shù)，因此設(shè)置一個有21槽的數(shù)組，遍歷S_i股票的漲跌幅整數(shù)值數(shù)組，根據(jù)漲跌幅整數(shù)值的出現(xiàn)次數(shù)進行累加統(tǒng)計，并放入對應(yīng)的槽中。最后，每只股票有自己的一元語法統(tǒng)計數(shù)組。

2.2 局部二元語法統(tǒng)計。

設(shè)置一個21X21的二維數(shù)組，遍歷S_i股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的兩個值，對這兩個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入二維數(shù)組對應(yīng)的槽中。每只股票有自己的二元語法統(tǒng)計數(shù)組。

二元語法統(tǒng)計完后，結(jié)合一元語法的結(jié)果，計算條件概率。對于每只股票二元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的兩個整數(shù)值為AB，則后件B出現(xiàn)的條件概率P(B)=P(AB)/P(A), 即AB共同出現(xiàn)的次數(shù)占A單獨出現(xiàn)次數(shù)的比例。A單獨出現(xiàn)的次數(shù)已經(jīng)在一元語法統(tǒng)計中得到。而AB共同出現(xiàn)的次數(shù)已在二元語法的統(tǒng)計中得到。如果前件A沒出現(xiàn)過，則跳過條件概率的計算。

2.3 局部三元語法統(tǒng)計。

設(shè)置一個21X21 X21的三維數(shù)組，遍歷S_i股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的三個值，對這三個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入三維數(shù)組對應(yīng)的槽中。每只股票有自己的三元語法統(tǒng)計數(shù)組。

三元語法統(tǒng)計完后，結(jié)合二元語法的結(jié)果，計算條件概率。對于每只股票三元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的三個整數(shù)值為ABC，則后件C出現(xiàn)的條件概率P(C)=P(ABC)/P(AB), 即ABC共同出現(xiàn)的次數(shù)占AB出現(xiàn)次數(shù)的比例。AB出現(xiàn)的次數(shù)已經(jīng)在二元語法統(tǒng)計中得到。而ABC共同出現(xiàn)的次數(shù)已在三元語法的統(tǒng)計中得到。如果前件AB沒出現(xiàn)過，則跳過條件概率的計算。

2.4 局部四元語法統(tǒng)計。

設(shè)置一個21X21 X21 X21的四維數(shù)組，遍歷S_i股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的四個值，對這四個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入四維數(shù)組對應(yīng)的槽中。每只股票有自己的四元語法統(tǒng)計數(shù)組。

四元語法統(tǒng)計完后，結(jié)合三元語法的結(jié)果，計算條件概率。對于每只股票四元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的四個整數(shù)值為ABCD，則后件D出現(xiàn)的條件概率P(D)=P(ABCD)/P(ABC), 即ABCD共同出現(xiàn)的次數(shù)占ABC出現(xiàn)次數(shù)的比例。ABC出現(xiàn)的次數(shù)已經(jīng)在三元語法統(tǒng)計中得到。而ABCD共同出現(xiàn)的次數(shù)已在四元語法的統(tǒng)計中得到。如果前件ABC沒出現(xiàn)過，則跳過條件概率的計算。

2.5 局部五元語法統(tǒng)計。

設(shè)置一個21X21 X21 X21 X21的五維數(shù)組，遍歷S_i股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的五個值，對這五個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入五維數(shù)組對應(yīng)的槽中。每只股票有自己的五元語法統(tǒng)計數(shù)組。

五元語法統(tǒng)計完后，結(jié)合四元語法的結(jié)果，計算條件概率。對于每只股票五元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的五個整數(shù)值為ABCDE，則后件E出現(xiàn)的條件概率P(E)=P(ABCDE)/P(ABCD), 即ABCDE共同出現(xiàn)的次數(shù)占ABCD出現(xiàn)次數(shù)的比例。ABCD出現(xiàn)的次數(shù)已經(jīng)在四元語法統(tǒng)計中得到。而ABCDE共同出現(xiàn)的次數(shù)已在五元語法的統(tǒng)計中得到。如果前件ABCD沒出現(xiàn)過，則跳過條件概率的計算。

三、基于所有股票歷史數(shù)據(jù)進行全局多元語法統(tǒng)計。

對于所有股票，全局多元語法的統(tǒng)計過程如下。

3.1 全局一元語法統(tǒng)計。

設(shè)置一個有21槽的數(shù)組，遍歷所有股票的漲跌幅整數(shù)值數(shù)組，根據(jù)漲跌幅整數(shù)值的出現(xiàn)次數(shù)進行累加統(tǒng)計，并放入對應(yīng)的槽中。最后，形成一個全局的一元語法統(tǒng)計數(shù)組。

3.2 全局二元語法統(tǒng)計。

設(shè)置一個21X21的二維數(shù)組，遍歷所有股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的兩個值，對這兩個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入二維數(shù)組對應(yīng)的槽中。最后，形成一個全局的二元語法統(tǒng)計數(shù)組。

二元語法統(tǒng)計完后，結(jié)合一元語法的結(jié)果，計算條件概率。對全局二元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的兩個整數(shù)值為AB，則后件B出現(xiàn)的條件概率P(B)=P(AB)/P(A), 即AB共同出現(xiàn)的次數(shù)占A單獨出現(xiàn)次數(shù)的比例。A單獨出現(xiàn)的次數(shù)已經(jīng)在全局一元語法統(tǒng)計中得到。而AB共同出現(xiàn)的次數(shù)已在全局二元語法的統(tǒng)計中得到。如果前件A沒出現(xiàn)過，則跳過條件概率的計算。

3.3 全局三元語法統(tǒng)計。

設(shè)置一個21X21 X21的三維數(shù)組，遍歷所有股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的三個值，對這三個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入三維數(shù)組對應(yīng)的槽中。最后，形成一個全局的三元語法統(tǒng)計數(shù)組。

三元語法統(tǒng)計完后，結(jié)合二元語法的結(jié)果，計算條件概率。對全局三元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的三個整數(shù)值為ABC，則后件C出現(xiàn)的條件概率P(C)=P(ABC)/P(AB), 即ABC共同出現(xiàn)的次數(shù)占AB出現(xiàn)次數(shù)的比例。AB出現(xiàn)的次數(shù)已經(jīng)在全局二元語法統(tǒng)計中得到。而ABC共同出現(xiàn)的次數(shù)已在全局三元語法的統(tǒng)計中得到。如果前件AB沒出現(xiàn)過，則跳過條件概率的計算。

3.4 全局四元語法統(tǒng)計。

設(shè)置一個21X21 X21 X21的四維數(shù)組，遍歷所有股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的四個值，對這四個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入四維數(shù)組對應(yīng)的槽中。最后，形成一個全局的四元語法統(tǒng)計數(shù)組。

四元語法統(tǒng)計完后，結(jié)合三元語法的結(jié)果，計算條件概率。對全局四元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的四個整數(shù)值為ABCD，則后件D出現(xiàn)的條件概率P(D)=P(ABCD)/P(ABC), 即ABCD共同出現(xiàn)的次數(shù)占ABC出現(xiàn)次數(shù)的比例。ABC出現(xiàn)的次數(shù)已經(jīng)在全局三元語法統(tǒng)計中得到。而ABCD共同出現(xiàn)的次數(shù)已在全局四元語法的統(tǒng)計中得到。如果前件ABC沒出現(xiàn)過，則跳過條件概率的計算。

3.5 全局五元語法統(tǒng)計。

設(shè)置一個21X21 X21 X21 X21的五維數(shù)組，遍歷所有股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的五個值，對這五個值的共同出現(xiàn)的次數(shù)進行累加統(tǒng)計，并放入五維數(shù)組對應(yīng)的槽中。最后，形成一個全局的五元語法統(tǒng)計數(shù)組。

五元語法統(tǒng)計完后，結(jié)合四元語法的結(jié)果，計算條件概率。對全局五元語法數(shù)組中的每一行，假設(shè)共同出現(xiàn)的五個整數(shù)值為ABCDE，則后件E出現(xiàn)的條件概率P(E)=P(ABCDE)/P(ABCD), 即ABCDE共同出現(xiàn)的次數(shù)占ABCD出現(xiàn)次數(shù)的比例。ABCD出現(xiàn)的次數(shù)已經(jīng)在全局四元語法統(tǒng)計中得到。而ABCDE共同出現(xiàn)的次數(shù)已在全局五元語法的統(tǒng)計中得到。如果前件ABCD沒出現(xiàn)過，則跳過條件概率的計算。

四、獲得股票的近期漲跌幅數(shù)據(jù)并量化。

獲取股票近4個交易日的漲跌幅數(shù)據(jù)，然后對這4日的漲跌幅數(shù)據(jù)進行量化，即對漲跌幅值進行四舍五入操作，形成整數(shù)值，記為D4,D3,D2,D1，分別代表股票近四個交易日的近似整數(shù)漲跌幅。而即將預(yù)測的下一交易日近似漲跌幅記為D0。

五、計算局部語法的預(yù)測得分。

對每只股票的近期量化漲跌幅，搜索股票自身的局部語法統(tǒng)計數(shù)組，并計算得分。具體過程如下。

5.1 以D4,D3,D2,D1搜索匹配局部五元語法數(shù)組的前四個維度，獲取條件概率最大的3個數(shù)值A(chǔ)Percent_k，及其對應(yīng)的第五維的數(shù)值A(chǔ)D0_k，k=1,2,3。同時對該部分分配權(quán)重4。

5.2 以D3,D2,D1搜索匹配局部四元語法數(shù)組的前三個維度，獲取條件概率最大的3個數(shù)值BPercent_k，及其對應(yīng)的第四維的數(shù)值BD0_k，k=1,2,3。同時對該部分分配權(quán)重3。

5.3 以D2,D1搜索匹配局部三元語法數(shù)組的前二個維度，獲取條件概率最大的3個數(shù)值CPercent_k，及其對應(yīng)的第三維的數(shù)值CD0_k，k=1,2,3。同時對該部分分配權(quán)重2。

5.4 以D1搜索匹配局部二元語法數(shù)組的前一個維度，獲取條件概率最大的3個數(shù)值DPercent_k，及其對應(yīng)的第二維的數(shù)值DD0_k，k=1,2,3。同時對該部分分配權(quán)重1。

5.5 計算局部語法預(yù)測得分

（1）

；

（2） 。

計算過程中，如果分母部分的條件概率和為0，則跳過該部分分數(shù)的貢獻分值。

六、計算全局語法的預(yù)測得分。

對每只股票的近期量化漲跌幅，搜索股票全局的語法統(tǒng)計數(shù)組，并計算得分。具體過程如下。

6.1 以D4,D3,D2,D1搜索匹配全局五元語法數(shù)組的前四個維度，獲取條件概率最大的3個數(shù)值A(chǔ)Percent_k，及其對應(yīng)的第五維的數(shù)值A(chǔ)D0_k，k=1,2,3。同時對該部分分配權(quán)重4。

6.2以D3,D2,D1搜索匹配全局四元語法數(shù)組的前三個維度，獲取條件概率最大的3個數(shù)值BPercent_k，及其對應(yīng)的第四維的數(shù)值BD0_k，k=1,2,3。同時對該部分分配權(quán)重3。

6.3 以D2,D1搜索匹配全局三元語法數(shù)組的前二個維度，獲取條件概率最大的3個數(shù)值CPercent_k，及其對應(yīng)的第三維的數(shù)值CD0_k，k=1,2,3。同時對該部分分配權(quán)重2。

6.4 以D1搜索匹配全局二元語法數(shù)組的前一個維度，獲取條件概率最大的3個數(shù)值DPercent_k，及其對應(yīng)的第二維的數(shù)值DD0_k，k=1,2,3。同時對該部分分配權(quán)重1。

6.5 計算全局語法預(yù)測得分

（1）

；

（2）。

計算過程中，如果分母部分的條件概率和為0，則跳過該部分分數(shù)的貢獻分值。

七、計算綜合得分并進行排序推薦。

7.1 對于每只股票，計算股票的綜合得分。具體為：

其中為權(quán)重系數(shù)，考慮股票自身的特點，這里取值。

7.2 對所有股票的綜合得分進行從大到小的排序，排序后取出前h個, 這些股票即為推薦的股票。推薦的有效期僅為一天，只為下一交易日做股票推薦。推薦股票的所得綜合得分可以作為該股票下一天近似漲幅的一種參考。

綜上所述，本發(fā)明公開了一種基于局部及全局語法統(tǒng)計的股票推薦方法。方法對股票自身的歷史數(shù)據(jù)和全局的股票數(shù)據(jù)進行股票語法規(guī)則統(tǒng)計，而后分別利用局部語法和全局語法計算股票下一交易日的可能漲跌幅得分。最后對兩種結(jié)果計算綜合得分。方法除了可用于股票的每日推薦外，還可用于股票每天的實時推薦。進行實時推薦時，僅需將所用的日線數(shù)據(jù)換成分鐘線數(shù)據(jù)即可。

本發(fā)明方法同樣可應(yīng)用于證券類具有時間序列特征的數(shù)據(jù)，如基金、期貨等。因此，盡管為說明目的公開了本發(fā)明的具體實施例和附圖，其目的在于幫助理解本發(fā)明的內(nèi)容并據(jù)以實施，但是本領(lǐng)域的技術(shù)人員可以理解：在不脫離本發(fā)明及所附的權(quán)利要求的精神和范圍內(nèi)，各種替換、變化和修改都是不可能的。因此，本發(fā)明不應(yīng)局限于最佳實施例和附圖所公開的內(nèi)容。當前公開的實施例在所有方面應(yīng)被理解為說明性的而非對其請求保護的范圍的限制。