股价分析方法及装置与流程

本发明涉及运算
技术领域：
，尤其涉及一种股价分析方法及装置。
背景技术：
：目前，通过中药材与A股(人民币普通股票)中药生产企业股票涨跌进行相关系数分析，主要集中在对企业产品主要原产料药材的种植、供应、价格等因素进行分析。但是，除了主要原产料药材会影响企业股票价格走势外，与企业产品并不相关的中药材品种也会对企业股票价格产生影响。因此，现有的对中药材板块上市公司股票走势的分析方法并不全面。技术实现要素：本发明的主要目的在于提供一种股价分析方法及装置，旨在解决现有的对中药材板块上市公司股票走势的分析方法分析不全面的技术问题。为实现上述目的，本发明提供一种股价分析方法，所述股价分析方法应用于中药材板块上市公司股价分析，所述股价分析方法包括以下步骤：获取中药材板块上市公司中预设公司在第一预设时间区间内所有交易日的股票数据；基于预设的中药材价格指数系统获取所有中药材在所述第一预设时间区间内的价格指数数据；将所述价格指数数据与股票数据进行相关系数分析，并获取所述预设公司各品种中药材的相关系数，选取所述预设公司各品种中药材中相关系数由大至小前预设个数的目标中药材品种；获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析预设公司在第二预设时间区间内每一交易日的股价走势。优选地，所述获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析预设公司在第二预设时间区间内每一交易日的股价走势的步骤包括：获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势；根据所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。优选地，所述分析预设公司在第二预设时间区间内每一交易日的股价走势的步骤包括：获取所述目标中药材品种中每一中药材品种的相关系数值及权重；获取每一中药材品种的相关系数值与权重的乘积，选取乘积最大的中药材品种分析其在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。优选地，所述通过ARIMA模型算法分析所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势的步骤包括：将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据时间序列化，并获取对应的差分序列图，根据差分序列图确定差分次数值；将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据基于自相关函数和偏相关函数确定自相关值和偏自相关值；根据差分次数值、自相关值和偏自相关值确定ARIMA模型，并预测所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势。优选地，所述股票数据为每一交易日的开盘价、收盘价、最高价、最低价中的一种或多种。此外，为实现上述目的，本发明还提供一种股价分析装置，所述股价分析装置应用于中药材板块上市公司股价分析，所述股价分析装置包括：第一获取模块，用以获取中药材板块上市公司中预设公司在第一预设时间区间内所有交易日的股票数据；第二获取模块，用以基于预设的中药材价格指数系统获取所有中药材在所述第一预设时间区间内的价格指数数据；第三获取模块，用以将所述价格指数数据与股票数据进行相关系数分析，并获取所述预设公司各品种中药材的相关系数，选取所述预设公司各品种中药材中相关系数由大至小前预设个数的目标中药材品种；分析模块，用以获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析预设公司在第二预设时间区间内每一交易日的股价走势。优选地，所述分析模块包括：第一分析单元，用以获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势；第二分析单元，用以根据所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。优选地，所述第二分析单元包括：获取单元，用以获取所述目标中药材品种中每一中药材品种的相关系数值及权重；分析单元，用以获取每一中药材品种的相关系数值与权重的乘积，选取乘积最大的中药材品种分析其在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。优选地，所述第一分析单元包括：第一算法单元，用以将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据时间序列化，并获取对应的差分序列图，根据差分序列图确定差分次数值；第二算法单元，用以将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据基于自相关函数和偏相关函数确定自相关值和偏自相关值；第三算法单元，用以根据差分次数值、自相关值和偏自相关值确定ARIMA模型，并预测所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势。优选地，所述股票数据为每一交易日的开盘价、收盘价、最高价、最低价中的一种或多种。本发明提供的技术方案中，所述目标中药材品种的获取并非为预设公司的主要原产料中药材品种，只要为预设公司的中药材，均能作为分析因素之一，来对预设公司的股价走势进行分析预测，使得对预设公司的股价走势的预测更加全面，进而为购买或准备购买中药材上市公司股票的股民提供一定的数据参考，为股民选股或者购买股票提供一种准确性更高的参考方向。附图说明图1为本发明股价分析方法第一实施例的流程示意图；图2为本发明股价分析方法第二实施例中ARIMA模型算法分析预设公司股价走势步骤的细化流程示意图；图3为本发明股价分析方法第三实施例中根据目标中药材品种分析预设公司股价走势步骤的细化流程示意图；图4为本发明股价分析方法第四实施例中ARIMA模型确定步骤的细化流程示意图；图5为本发明股价分析装置第一实施例的功能模块示意图；图6为本发明股价分析装置第二实施例中分析模块的细化功能模块示意图；图7为本发明股价分析装置第三实施例中第二分析单元的细化功能模块示意图；图8为本发明股价分析装置第四实施例中第一分析单元的细化功能模块示意图；图9为本发明股价分析方法中重楼价格指数的一阶差分至四阶差分的差分序列图；图10为本发明股价分析方法中重楼价格指数的自相关图和偏相关图。本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。本发明提供一种股价分析方法，需要说明的是，所述股价分析方法应用于中药材板块上市公司股价分析。请参照图1，在一实施例中，该股价分析方法包括：步骤S10，获取中药材板块上市公司中预设公司在第一预设时间区间内所有交易日的股票数据；需要说明的是，本发明中所述预设公司为A股市场中药材板块上市公司中任意一家公司。目前，A股市场中药材板块的上市公司包括有康美药业、云南白药、同仁堂、东阿阿胶、白云山等。本实施例中，将以云南白药作为预设公司进行具体说明。进一步地，运用R语言quantmod包获取所述预设公司在第一预设时间区间内所有交易日的股票数据。需要说明的是，所述股票数据包括每一交易日的最高价、最低价、开盘价、收盘价、换手率、成交量、成交额等数据中的一种或是多种；本实施例中，所述股票数据为每一交易日的收盘价。在本实施例的一种优选实施方案中，所述第一预设时间区间为距离当前时间过去一年的时间。步骤S20，基于预设的中药材价格指数系统获取所有中药材在所述第一预设时间区间内的价格指数数据；需要说明的是，所述中药材价格指数系统能基于一定的时间单元获取所有中药材的价格指数数据；所述时间单元可以为每一交易日、每一周、每一月或是每一季度。本实施例中，所述所有中药材指的是目前市场上生产及销售的中药材品种，或者是已经列入中国药典的中药材品种。具体地，基于预设的中药材价格指数系统即能获取所有中药材品种过去一年时间内每一交易日的价格指数数据。步骤S30，将所述价格指数数据与股票数据进行相关系数分析，并获取所述预设公司各品种中药材的相关系数，选取所述预设公司各品种中药材中相关系数由大至小前预设个数的目标中药材品种；需要说明的是，相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。可以理解地，通过将预设公司所有中药材过去一年每一交易日的价格指数与股票数据进行相关系数分析，进而能得出所有中药材中每一种中药材与所述预设公司的相关系数，并能根据其相关系数由大致小的顺序对所有中药材进行排名。在本实施例的一种优选实施方案中，所述目标中药材品种为根据预设公司所有中药材相关系数由大致小排名的前三种中药材品种。本实施例中，所述预设公司为云南白药，通过将云南白药在过去一年内所有交易日的股票数据与所有中药材品种过去一年时间内每一交易日的价格指数数据进行相关系数分析，得出相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡。步骤S40，获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析预设公司在第二预设时间区间内每一交易日的股价走势。需要说明的是，所述ARIMA模型算法即为自回归积分滑动平均模型，通过将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型，进而可以从时间序列的过去值及现在值来预测未来值。本实施例中，所述第二预设时间区间为当前时间的未来五个交易日。也就是说，通过ARIMA模型算法即可对预设公司未来五个交易日的股价走势进行预测，为购买A股中药材上市公司股票的股民提供一定的数据参考。本实施例中，所述预设公司为云南白药，且得出其相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡，获取重楼、鱼腥草、柴胡在过去一年内所有交易日的收盘价价格数据，通过ARIMA模型算法对重楼、鱼腥草和柴胡在未来五个交易日的价格指数走势进行分析，得出重楼、鱼腥草和柴胡在未来五个交易日的价格指数呈下跌趋势，进而分析预测云南白药在未来五个交易日的股价走势也为下跌趋势。本发明提供的技术方案中，所述目标中药材品种并非为预设公司的主要原产料中药材品种，只要为预设公司的中药材，均能作为分析因素之一，来对预设公司的股价走势进行分析预测，使得对预设公司的股价走势的预测更加全面，进而为购买或准备购买中药材上市公司股票的股民提供一定的数据参考，为股民选股或者购买股票提供一种准确性更高的参考方向。进一步地，请参照图2，基于上述实施例，本实施例中，所述步骤S40包括：步骤S41，获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势；步骤S42，根据所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。具体地，基于中药材价格指数系统获取所述目标中药材品种过去一年每一交易日的价格指数数据，并通过ARIMA模型算法分别对所述目标中药材品种未来五个交易日的价格指数走势进行预测，也就会分别得到每一种中药材未来五个交易日每一交易日的价格指数的预测值，进而就能得出该中药材在这五个交易日的价格走势是涨还是跌。基于实施例一中预设公司为云南白药的例子，对本实施例的方案进行具体说明。云南白药所有中药材品种中相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡，通过ARIMA模型算法分别对上述三种中药材进行未来五个交易日价格指数预测，得出的预测结果为：重楼2138.3572137.9342136.5112135.0882133.664鱼腥草1078.6931073.1161067.8871063.6381059.823柴胡1189.4781188.2351186.1891184.8361183.443可以看出上述三种中药材在未来五个交易日的价格指数走势均表现为下降趋势，因上述三种中药材为云南白药所有中药材中相关系数最大的三种中药材，说明上述三种中药材的价格指数对该公司的影响最大，进而能预测云南白药在未来五个交易日的股价走势也应该是呈下跌趋势。本实施例提供的技术方案中，通过ARIMA模型算法来预测所述目标中药材品种未来五个交易日的价格指数走势，并据此预测预设公司未来五个交易日的股价走势，进而提供了一种更为可靠的股价分析方法。进一步地，请参照图3，基于实施例二，本实施例中，所述步骤S42包括：步骤S421，获取所述目标中药材品种中每一中药材品种的相关系数值及权重；步骤S422，获取每一中药材品种的相关系数值与权重的乘积，选取乘积最大的中药材品种分析其在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。具体地，本实施例中，分别获取重楼、鱼腥草和柴胡的相关系数值及权重，并选取所述相关系数值与权重的乘积中最大的乘积对应的中药材品种，分析该中药材品种在未来五个交易日的价格指数走势，进而分析云南白药在未来五个交易日的股价走势。例如，当重楼、鱼腥草和柴胡的相关系数值及权重的乘积分别为0.7、0.3和0.24，则获取重楼在未来五个交易日的价格指数走势为下降趋势，并以此为依据来分析预测云南白药在未来五个交易日的股价走势也为下跌趋势。本实施例提供的技术方案中，进一步提出了根据相关系数值和权重的乘积来选择一种目标中药材品种，并据此分析预设公司在第二预设时间区间内每一交易日的股价走势，使得对所述预设公司股价走势的分析预测提供了一种更具参考性的分析方法。进一步地，请参照图4，基于实施例二或实施例三，本实施例中，所述步骤S41包括：步骤S411，将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据时间序列化，并获取对应的差分序列图，根据差分序列图确定差分次数值；步骤S412，将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据基于自相关函数和偏相关函数确定自相关值和偏自相关值；步骤S413，根据差分次数值、自相关值和偏自相关值确定ARIMA模型，并预测所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势。在本实施例的一种实施方案中，基于预设公司为云南白药的例子，得出云南白药所有中药材品种中相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡，以下将以重楼为例对本实施例的实施步骤进行具体说明。请具体参照图9和图10，首先将重楼的价格指数时间序列化，观察其一阶差分到十阶差分的差分序列图，得出从第四次差分后的时间序列在均值和方差上趋于平稳，且随着时间的推移，时间序列的水平和方差大致保持不变，因此确定差分次数值为4。进一步地，基于ARIMA模型算法中的自相关函数和偏相关函数分别画出自相关图和偏相关图，并且观察其真实数据。从图中可以看出，滞后4阶自相关值基本没有超过边界值，虽然9、10、11阶自相关值超出边界，那么很可能属于偶然出现的，而自相关值在其他上都没有超出显著边界，而且我们可以期望1到100之间的会偶尔超出95％的置信边界。故自相关值选4阶。同理，从偏相关值图可得偏自相关值选8阶。因此，确定重楼的ARIMA模型为arima(1，2，5)，进而预测重楼未来五个交易日的价格指数走势如下：重楼2138.3572137.9342136.5112135.0882133.664可以理解地，根据上述具体步骤，能得出其他两种中药材鱼腥草和柴胡未来五个交易日的价格指数走势。本实施例提供的技术方案中，进一步提出了如何确定ARIMA模型的具体实施步骤，使得所述股价分析方法更加具体化，确保对预设公司股价走势的分析预测更加准确。本发明还提供一种股价分析装置，参照图5，在一实施例中，本发明提供的股价分析装置包括：第一获取模块10，用以获取中药材板块上市公司中预设公司在第一预设时间区间内所有交易日的股票数据；需要说明的是，本发明中所述预设公司为A股市场中药材板块上市公司中任意一家公司。目前，A股市场中药材板块的上市公司包括有康美药业、云南白药、同仁堂、东阿阿胶、白云山等。本实施例中，将以云南白药作为预设公司进行具体说明。进一步地，第一获取模块10运用R语言quantmod包获取所述预设公司在第一预设时间区间内所有交易日的股票数据。需要说明的是，所述股票数据包括每一交易日的最高价、最低价、开盘价、收盘价、换手率、成交量、成交额等数据中的一种或是多种；本实施例中，所述股票数据为每一交易日的收盘价。在本实施例的一种优选实施方案中，所述第一预设时间区间为距离当前时间过去一年的时间。第二获取模块20，用以基于预设的中药材价格指数系统获取所有中药材在所述第一预设时间区间内的价格指数数据；需要说明的是，所述中药材价格指数系统能基于一定的时间单元获取所有中药材的价格指数数据；所述时间单元可以为每一交易日、每一周、每一月或是每一季度。本实施例中，所述所有中药材指的是目前市场上生产及销售的中药材品种，或者是已经列入中国药典的中药材品种。具体地，第二获取模块20基于预设的中药材价格指数系统即能获取所有中药材品种过去一年时间内每一交易日的价格指数数据。第三获取模块30，用以将所述价格指数数据与股票数据进行相关系数分析，并获取所述预设公司各品种中药材的相关系数，选取所述预设公司各品种中药材中相关系数由大至小前预设个数的目标中药材品种。需要说明的是，相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。可以理解地，第三获取模块30通过将预设公司所有中药材过去一年每一交易日的价格指数与股票数据进行相关系数分析，进而能得出所有中药材中每一种中药材与所述预设公司的相关系数，并能根据其相关系数由大致小的顺序对所有中药材进行排名。在本实施例的一种优选实施方案中，所述目标中药材品种为根据预设公司所有中药材相关系数由大致小排名的前三种中药材品种。本实施例中，所述预设公司为云南白药，通过将云南白药在过去一年内所有交易日的股票数据与所有中药材品种过去一年时间内每一交易日的价格指数数据进行相关系数分析，得出相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡。分析模块40，用以获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析预设公司在第二预设时间区间内每一交易日的股价走势。需要说明的是，所述ARIMA模型算法即为自回归积分滑动平均模型，通过将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型，进而可以从时间序列的过去值及现在值来预测未来值。本实施例中，所述第二预设时间区间为当前时间的未来五个交易日。也就是说，通过ARIMA模型算法即可对预设公司未来五个交易日的股价走势进行预测，为购买A股中药材上市公司股票的股民提供一定的数据参考。本实施例中，所述预设公司为云南白药，且得出其相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡，所述分析模块40获取重楼、鱼腥草、柴胡在过去一年内所有交易日的收盘价价格数据，通过ARIMA模型算法对重楼、鱼腥草和柴胡在未来五个交易日的价格指数走势进行分析，得出重楼、鱼腥草和柴胡在未来五个交易日的价格指数呈下跌趋势，进而分析预测云南白药在未来五个交易日的股价走势也为下跌趋势。本发明提供的技术方案中，所述目标中药材品种并非为预设公司的主要原产料中药材品种，只要为预设公司的中药材，均能作为分析因素之一，来对预设公司的股价走势进行分析预测，使得对预设公司的股价走势的预测更加全面，进而为购买或准备购买中药材上市公司股票的股民提供一定的数据参考，为股民选股或者购买股票提供一种准确性更高的参考方向。进一步地，请参照图6，基于上述实施例，本实施例中，所述分析模块40包括：第一分析单元41，用以获取所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据，并通过ARIMA模型算法分析所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势；第二分析单元42，用以根据所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。具体地，第一分析单元41基于中药材价格指数系统获取所述目标中药材品种过去一年每一交易日的价格指数数据，并通过ARIMA模型算法分别对所述目标中药材品种未来五个交易日的价格指数走势进行预测，也就分别得到每一种中药材未来五个交易日每一交易日的价格指数的预测值，进而就能得出该中药材在这五个交易日的价格走势是涨还是跌。基于实施例一中预设公司为云南白药的例子，对本实施例的方案进行具体说明。云南白药所有中药材品种中相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡，通过ARIMA模型算法分别对上述三种中药材进行未来五个交易日价格指数预测，得出的预测结果为：重楼2138.3572137.9342136.5112135.0882133.664鱼腥草1078.6931073.1161067.8871063.6381059.823柴胡1189.4781188.2351186.1891184.8361183.443可以看出上述三种中药材在未来五个交易日的价格指数走势均表现为下降趋势，因上述三种中药材为云南白药所有中药材中相关系数最大的三种中药材，说明上述三种中药材的价格指数对该公司的影响最大，进而能预测云南白药在未来五个交易日的股价走势也应该是呈下跌趋势。本实施例提供的技术方案中，通过ARIMA模型算法来预测所述目标中药材品种未来五个交易日的价格指数走势，并据此预测预设公司未来五个交易日的股价走势，进而提供了一种更为可靠的股价分析方法。进一步地，请参照图7，基于实施例二，本实施例中，所述第二分析单元42包括：获取单元421，用以获取所述目标中药材品种中每一中药材品种的相关系数值及权重；分析单元422，用以获取每一中药材品种的相关系数值与权重的乘积，选取乘积最大的中药材品种分析其在第二预设时间区间内每一交易日的价格指数走势，分析预设公司在第二预设时间区间内每一交易日的股价走势。具体地，本实施例中，获取单元421分别获取重楼、鱼腥草和柴胡的相关系数值及权重，分析单元422并选取所述相关系数值与权重的乘积中最大的乘积对应的中药材品种，分析该中药材品种在未来五个交易日的价格指数走势，进而分析云南白药在未来五个交易日的股价走势。例如，当分析单元422获取重楼、鱼腥草和柴胡的相关系数值及权重的乘积分别为0.7、0.3和0.24，则获取重楼在未来五个交易日的价格指数走势为下降趋势，并以此为依据来分析预测云南白药在未来五个交易日的股价走势也为下跌趋势。本实施例提供的技术方案中，进一步提出了根据相关系数值和权重的乘积来选择一种目标中药材品种，并据此分析预设公司在第二预设时间区间内每一交易日的股价走势，使得对所述预设公司股价走势的分析预测提供了一种更具参考性的分析装置。进一步地，请参照图8，基于实施例二或实施例三，本实施例中，所述第一分析单元41包括：第一算法单元411，用以将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据时间序列化，并获取对应的差分序列图，根据差分序列图确定差分次数值；第二算法单元412，用以将所述目标中药材品种在第一预设时间区间内每一交易日的价格指数数据基于自相关函数和偏相关函数确定自相关值和偏自相关值；第三算法单元413，用以根据差分次数值、自相关值和偏自相关值确定ARIMA模型，并预测所述目标中药材品种在第二预设时间区间内每一交易日的价格指数走势。在本实施例的一种实施方案中，基于预设公司为云南白药的例子，得出云南白药所有中药材品种中相关系数最大的三种中药材分别为重楼、鱼腥草和柴胡，以下将以重楼为例对本实施例的实施步骤进行具体说明。首先将重楼的价格指数时间序列化，观察其一阶差分到十阶差分的差分序列图，并确定差分次数值；进一步地，基于ARIMA模型算法中的自相关函数和偏相关函数分别画出自相关图和偏相关图，并且观察其真实数据；确定重楼的ARIMA模型，进而预测重楼未来五个交易日的价格指数走势为下降趋势。可以理解地，根据上述具体步骤，能得出其他两种中药材鱼腥草和柴胡未来五个交易日的价格指数走势。本实施例提供的技术方案中，进一步提出了如何确定ARIMA模型的具体实施步骤，使得所述股价分析方法更加具体化，确保对预设公司股价走势的分析预测更加准确。以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
技术领域：
，均同理包括在本发明的专利保护范围内。当前第1页1 2 3