我想起以前上数据挖掘这门课的时候，老师曾经给我们讲过麻省理工大学计算机系开发人脸识别程序的基本思路：每个人的人脸在计算机中可以表示为一组特征向量，而人脸的每一种表情都可以标示为这一组特征向量的线性组合，因此要识别两幅人脸是不是属于同一张，只要将两幅人脸的特征向量进行匹配，匹配上了就是同一张脸。

因此，基于这样的思路，我立刻就想到了，通过历史数据来获得每个庄家操盘行为的特征向量，然后通过这些特征向量解析每一笔交易行为，标识属于庄家的交易，积累一段时间的庄家交易便可以获取庄家的持仓成本和现在所处的操盘阶段。

把思路的来龙去脉理顺了以后，我对自己的想法兴奋不已，然后便开始着手实施自己的股票分析软件。

首先要需要解决数据来源，这个问题比较简单。我在自己的笔记本上装了一个“嗅包器”，把沈军给我那个软件的在网络上传输的数据包都截获下来，分析出网络对端提供数据源的服务器，然后反向破解出交互的用户名和密码，变可以伪装成那个软件从网络服务器上获取所有的交易数据。

接下来就需要确定特征向量。每个特征向量包含若干行为变量，如何在交易行为的若干行为变量中挑选出属于特性向量的行为变量，就非常关键。好在数据挖掘这门课我学的非常好，决策树是确定行为变量以及变量权重的常用手段。我用决策树从上千个行为变量中挑选出关键变量组成特征变量，然后不断用数学模型去训练这些特征变量，没日没夜的忙活了三天，把标识每个人行为的特征向量最终确定下来。

Loading...

未加载完，尝试【刷新】or【退出阅读模式】or【关闭广告屏蔽】。

尝试更换【Firefox浏览器】or【Chrome谷歌浏览器】打开多多收藏！

移动流量偶尔打不开，可以切换电信、联通、Wifi。

收藏网址：www.finalbooks.work

(＞人＜；)