模式识别短线择时
一般而言，对于股票较长时间的趋势判断难度很大，但对于短期趋势，投资者收集信息的方式及反映信息的方式有助于判断趋势。投资者的预期通过市场的交易价格进行体现，在非有效的市场中部分知情交易者可以提前对未来行情进行研判，依此获取超额收益。
知情交易者基于其信息优势很可能在当日的最后交易时段对第二日提前布局，所以最后交易时段价格的波动比其余时段包含了更多预期因素，更有可能预示第二日的行情演绎。挖掘这些信息我们可以进行短线择时判断，这些择时判断可开发成短线交易策略。
从价格波动中分解出投资者预期
最后交易时段价格的波动中蕴含了充分的投资者预期，那么，如何从最后交易时段的价格波动中分解投资者的预期呢?
这里提供两种方法：一是提取特征点，二是价格序列相似性聚类。
1)提取特征点
尽管半小时内交易数据的量比较大，通过观察不难发现，实际上这一时间段内的股票/指数价格是由少量的趋势及转折构成的。如果可以提取出几个趋势的转折点，就可以以少量的数据描述这段时间的价格行为模式。
提取的过程按照下面的步骤进行：
(1)决定需要提取的特征点数量，把开盘后一分钟的价格及开盘后半小时的价格作为初始特征点。
(2)把所有找到的特征点按顺序连接起来，构成一个简化的走势图。
(3)把简化后的走势图与原走势图比较，寻找两者之间差异最大的点，作为新的特征点。
(4)如果达到预设的特征点数量，即停止，否则从步骤(2)开始重复。
通过以上的步骤，可以只用少量的点来描述开盘半小时内的股票价格走势。下一步就是把需要判断的那一天的价格走势与之前的价格走势放在一起做模式匹配，如果发现若干天的开盘模式与我们需要判断的相同，那么再看匹配的这几个交易日的涨跌情况，把涨跌出现的频率作为今日涨跌概率的估计。
2)股价序列相似性模式识别
受相似程度预期驱动的价格序列，其波动的相似性将比较强，第二日的涨跌状态也应该比较相似。历史上N个时间序列可以根据相似性进行分类，每个类别与该类别下第二日涨跌分布可以建立关联，那些第二日行情表现为大概率上涨的类别值得关注。
对于最后交易时段，主要利用最后半小时的交易数据，数据频率为1分钟，第二日的市场表现第二日开盘后涨跌幅(收盘价/开盘价-1)来度量。
如何度量价格波动的相似性呢?
对于时间序列的相似性度量，我们在两个维度进行衡最，分别是水平偏移和相似性分量。
(1)水平偏移相似性分量
(2)幅度相似性分量
这里主要采用价格序列相似性模式识别进行短线择时交易策略的开发，以分析这周模式识别交易的特性和未来改进的着眼点。
股价序列相似性模式识别流程如图10-5所示。
图10-5 股价序列相似性模式识别流程
