股票不仅能广泛地聚积社会的闲散资金来扩大国家经济建设规模,而且能推动资金的融通和经济之间的联系,提升资源的使用率。股票价格的波动不仅反映国内经济的发展形势和上市公司的运营状况,更是企业融资和股民投资的重要依据。因此,预测股票市场价格的涨跌,可以为广大投资者有效地克服盲目的投资。本文分析了国内外股票趋势预测的相关研究和存在的问题,采用统计量对描述股票价格的指标进行融合,以达到降维的目的,从而构建描述股票价格的新的指标空间。根据以往采集的股票价格指标数据,对现有股票价格趋势进行研判。本文工作如下:首先,股票价格指标及其趋势的分析与确定。在分析各类常用反映股票价格趋势指标的基础上,本文选取一定周期内的收盘价格、最低价格、总手、换手率、成交金额、成交次数、涨跌幅和振幅作为描述股票价格的特征指标,将股票价格的上涨和下跌两种趋势作为分类标签,基于此,将股票价格趋势预测问题转化为两分类问题。其次,股票价格指标的融合与降维。提取15天内的股票价格指标,则形成维数为150的指标向量。维数过大,极易导致运算量和干扰的出现,从而导致研判的不准确性。本文采用基于统计量的方法来计算一个周期内的各项指标的统计量,如均值、标准差、中位数、峰度和偏度,以获取融合指标,从而达到降维的目的,获取到维数为50的股票价格指标向量。采用此种方法,可以获取训练数据集与测试数据集。再次,基于K近邻分类方法的股票价格趋势研判。对要预测价格趋势的股票,采用K近邻方法对其进行研判,并给出具体算法步骤。最后,本文选取A股市场中五个行业(如计算机应用、中药、食品加工制造、生物制品和通讯设备)的历史交易数据,通过融合与降维处理构建训练数据集与测试数据集。在每个行业的数据中,选取200组上升趋势和200组下降趋势的趋势片段,将具有上涨趋势特征的股票数据作为第一类,具有下跌趋势特征的股票数据作为第二类,分别选取两类数据总数的前2/3作为训练集,后1/3作为测试集,其中,K近邻方法中K取15,5个行业的分类精度依次为100%、99.25%、99.00%、99.75%和98.75%;同花顺模拟平台的实验结果是,除一支股票有配股的基本面影响外,其于4支股票趋势的短期预测均是准确的。实验结果显示,采用基于数据驱动原理的KNN方法对股票价格趋势进行研判是可行的。但是,利好消息对股票的增长趋势也具有一定的影响,因此,在今后的研究中,需要融合基本面信息,做到定性分析与定量分析相结合。