在进行反转点预测前，首先需要获取某只股票的历史交易数据，这些数据包括每天的开盘价、收盘价、最高价、最低价等。然后对这些数据进行预处理，并在预处理后的数据上进行反转点定义。最后抽取符合要求的技术指标组合向量，并使用SVM进行训练和预测。各部分的具体流程和方法如图13-3所示。
图13-3 SVM进行趋势拐点预测的流程
数据预处理
股票价格历史数据只包含了股票交易的最基本信息，要在这些历史数据上进行数据挖掘从而揭示股价反转的特征，首先需要对历史交易数据进行预处理。系统中数据预处理主要包括两方面：技术指标的计算和股票收盘价的平滑。
本案例采用了3个趋势技术指标，分别为MACD、 KDJ和RSI。
(1)MACD的计算公式如下：
（1）
其中EMA(J,T)表示数值J的T日指数移动平均值，Cx表示第x天的收盘价，S表示快速指数移动平均线的天数，L表示慢速指数移动平均线的天数，通常S取值为12, L取值为26, N取值为9。
(2)KDJ的计算公式如下：
（2）
其中，Cx表示第x天的收盘价，CHx,表示x天内的最高价，RLx表示x天内的最低价，通常x取值为9。
(3)RSI的计算公式如下：
（3）
其中MEANUP(C, x)表示x天内上涨收盘价的平均值，MEANDOWX(C, x)表示x天内下跌收盘价的平均值，通常x取值为12。
(4)收盘价平滑。股票每日收盘价连线最能表现股价走势，但是由于股票市场的特殊性，股票收盘价会在趋势方向上存在着一定的波动。为了消除收盘价波动对反转点定义的影响，本案例对股票收盘价进行平滑。
收盘价平滑公式如下：
其中，y(n)是指第n天股票的收盘价，y(n)是平滑后第n天股票的收盘价。同时，如果收盘价在趋势方向上的波动范围小于某一个足够小的给定值r'(r'>0)，则忽略该小波动，具体处理方式为：假设在时间序列上有4个点t1,t2,t3,t4，它们对应的股价分别是Yt1, Yt2,Yt3、Yt4，则其变化率分别是：η=(Yt2-Yt1)/Yt2、r2=(Yt3-Yt2)/Yt2，r3=(Yt4-Yt3)/Yt3，如果η*r3>O, η*r2<0且abs(r2)<r，则将变化率r2置为0。
