量化投资、数据挖掘及matlab入门

量化投资模型的构建需要处理大量的数据，建立在对历史信息统计分析的基础上。数据挖掘（Data Mining）也称为数据开采、数据采掘等，就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们事先不知道的，但是又潜在有用的信息和知识的过程。可以说，数据挖掘技术是量化模型产生的主要技术和手段。

量化投资和数据挖掘

数据挖掘和传统数据分析（查询，报表，OLAP）的本质区别在于其在没有明确假设的前提下去挖掘信息，发现知识。在发现知识的过程中需要用到数据库、统计学、应用数学、机器学习、可视化、信息科学、程序开发及其他学科的内容。数据挖掘的核心在于对输入和输出数据进行训练，得到模型，使模型能够最大程度上刻画数据从输入到输出之间的关系。然后利用该模型，对于新的输入预测其输出。目前数据挖掘技术主要应用在宏观经济分析，股票估值，量化选股，量化择时，算法交易等方面。数据挖掘的内容主要集中在六个方面， 关联、回归、分类、聚类、预测和诊断。

啤酒和尿布是典型的关联关系。若两个或多个变量的取值之间存在规律性，就称为关联。关联可以分为简单关联，时序关联和因果关联。

回归是确定两种或两种变量之间相互定量关系的一种统计方法，是数据挖掘中最为基础的方法，也是应用领域和场景最多的方法。

分类问题，在人们的日常生活中也经常会遇到，如垃圾分类投放，分类收纳衣物等等。数据挖掘中的分类问题也是类似，根据事物的数据层面特征将其归于不同的类别。

聚类分析，是根据“物以类聚”的原理，将事物归于不同的类或者簇中的一个过程，使得同一簇中的对象具有尽可能大的相似性，而不同簇中的对象具有尽可能大的相异性。和分类问题的不同在于聚类问题事先不知道类别，而分类问题事先已经定义好了类别。

预测基于历史数据建立模型，用来推算将来。

诊断的对象是离散点或称为孤立点。离散点代表了异常状态，包含了非常重要的信息，可以被用来发现欺诈行为，定位病灶等。

对于这六个方面内容的典型算法归纳如下，由于诊断主要基于其他5个方面的问题，在此并未列出其涉及的具体算法。

数据挖掘的过程主要包含六个阶段，如下图所示。实施数据挖掘的第一步是确定目标，要确定数据挖掘的目标，就必须了解数据和相关业务。数据挖掘的基础是数据，因此数据准备是数据挖掘中耗时最多的环节，包含数据选择，质量分析，预处理三个子环节。数据探索是对数据的初步研究，可以从描述统计，可视化等方面展开。模型建立是数据挖掘的核心，在这一步要确定具体的数据挖掘算法，训练出模型参数。模型评估阶段需要对数据挖掘过程进行一次全面的回顾，目的在于判断是否还存在一些重要的商业问题仍未得到充分的考虑。模型部署用于体现数据挖掘的成果，将其部署到实际业务系统中，进行知识消化。

工欲善其事，必先利其器。下面对数据挖掘常用的工具进行一下总结。工具眼花缭乱，各有长短，适合自己的便是最好，在后面的学习研究中，matlab就是我们的绝世好剑。

初识Ｍatlab

Matlab软件是一种用于数值计算、可视化及编程的高级语言和交互式环境，支持命令行模式，脚本模式和面向对象模型。本例中，我们使用命令行模式来评估单只股票的风险。股票风险度量有各种各样的方法，为简便起见，本例使用最大回撤来定量度量单只股票的风险。

OS: win7 64bits

Matlab: R2012b 64bits

(1). 打开matlab，导入股票数据文件。

(2). 成功导入后，弹出如下窗口，点击“Import Selection", 将数据导入工作区（matlab运行内存）

(3). 回到软件主界面，可以看到工作区（workspace）已经显示了导入表格的字段内容，选中“DateNum”和“Pclose”两个字段，点击“plot”图标，会绘制出股价随时间序列变化的曲线，这个点击动作实际上是在命令行中执行了 plot(DateNum,Pclose);figure(gcf)命令。

(4). 在命令行中执行risk = maxdrawdown(Pclose)得到该只股票收盘价的最大回撤，并赋值给risk，值为0.1155，也就是该只股票从前一高点到最低点的最大跌幅为11.55%。