大数据炒股
一、大数据时代
（一）概念
这是一个变革时代，是信息时代，是大数据时代。大数据正在以不可阻拦的磅礴气势，与当代同样具有革命意义的最新科技进步 (如纳米技术、生物工程、全球化等)一起，揭开人类新世纪的序幕。那么到底大数据是什么，规范来讲，大数据即为巨量资料（big data），是由数量巨大、结构复杂、类型众多数据构成的数据集合；是基于云计算的数据处理与应用模式，通过数据的整合共享、交叉复用形成的智力资源和知识服务能力，其核心的价值是依托互联网的云计算对于海量数据进行存储和分析。
（二）特征
大数据的4V特点：
Volume（大量）数据体量巨大：从TB级别，跃升到PB级别；
Velocity（高速）处理速度快：1秒定律，与传统的数据挖掘技术有本质的不同；
Variety（多样）数据类型繁多：网络日志、视频、图片、地理位置信息等等；
Value（价值）价值密度低:以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。
（三）发展领域
大数据技术离你我都并不遥远，它已经来到我们身边，渗透进入我们每个人的日常生活消费之中，时时刻刻，事事处处，我们无法逃遁，因为它无微不至：它提供了光怪陆离的新媒体，难以琢磨的云计算，无法抵御的仿真环境。大数据让人类对一切事物的认识回归本源，它通过影响经济生活、政治博弈、社会管理、文化教育科研、医疗保健休闲等等行业，与每个人产生密切的联系。
而尤为引人注目之处，便是大数据在现今时代在股票投资中的应用。虽然大数据是眼下炙手可热的词汇，但在投资界，利用大数据投资不算新鲜事。从当年英格兰报社的信鸽、费城股票交易所的信号灯到报纸电话，再到如今的互联网、云计算、大数据，前沿技术迅速在投资领域落地。
如何利用大数据炒股？具体来讲，在资本市场中，传统的技术分析主要是“量价分析”，分析对象是股价和成交量，看均线、RSI、OBV等。而通过“大数据”分析市场，显然是量价之外的技术“第三维”，即包括量化非结构化的信息（政策文件、自然事件、地理环境、科技创新等）以及市场情绪（通过计算机做出分
析新闻、研究报告、社交信息、搜索行为得到）来度量股价变动因素，以此来有效预测未来股市活跃度（以交易量指标衡量）及股价走势的变化。
二、大数据炒股——“互联网+股市”、“互联网+证券”
（一）案例解读——以中证百度百发策略100指数、财经大数据策略指数为例随着互联网技术的发展，资本市场的跨界合作进行地如火如荼。2014年7月8日，中证指数有限公司、百度、广发基金管理有限公司跨界合作，宣布推出“中证百度百发策略100指数”。这是国内首只互联网大数据金融市场指数和首个可直接反映市场情绪的指数。此次三方的跨界合作，成为互联网金融向纵深发展的创新标杆，同时颠覆性地改造了传统股票市场指数编制方法和量化投资方法。
中证百度百发策略100指数指数以2008年12月31日为基日，以该日收盘后所有样本股的调整市值为基期，以1000点为基点。该炒股模型除了运用百度提供的用户搜索和行为数据指标之外，还融入了8个财务指标的财务因子、动量因子和动量反转策略两大数据，筛选出100只基本面好、成长空间良好，能反映未来一个月内市场行业轮动热点的样本股。
同时，百度率先推出一款可以利用全网“大数据”的炒股APP，百度股市通。得益于百度的大数据引擎和深度学习研究院等积累，百度股市通实现了信息搜集方式和大数据应用的创新突破。产品聚合了百度每天数亿量级的政经类搜索数据和数百万新闻资讯信息，并创建了一套基于中国股市的“知识图谱”，通过专业的数据挖掘和分析技术，将每天产生的新闻信息、搜索数据等与股票建立起相应的关系，从而实现通过各种信息的热度变化来实时分析股票市场板块、个股的异动。目前，“百度股市通”独家提供的“智能选股”服务，基于大数据的“知识图谱”，帮助用户快速获知全网关注的投资热点，并掌握这些热点背后的驱动事件及相关个股，有效解决了股民最基础、最迫切的“信息不对称”问题，使普通股民可以跨越信息搜集难题，享受机构大户VIP式的高端信息服务。
另一方面，新浪财经与东方基金也以不甘落后的态势推出财经大数据策略指数，通过新闻、评论、微博、点击量和点击路径等多位途径量化“民意”，测量股票“热度”，并衡量器成长固执指标后，再遴选个股纳入指数。
（二）大数据炒股的核心及优势分析
事实上，无论是百度、新浪财经还是南方基金的互联网金融大数据，从某种意义上看都是度量非结构化投资数据、捕捉投资者情绪的量化方法之一，可用它反映市场的投资意愿或预期。这也是利用大数据炒股的核心思想。
从一定程度上来讲，大数据炒股利用的是巨量数据汇集而成的整合性信息对股价的预测，这给股民们带来的是好的讯息，对于股价变动的因素进行不断地完善与改进，使其更为准确，有用性更强。从历史数据可以看到，百发100指数自
发布以来表现不俗。累计收益方面，百发100自2009年以来已经取得了545%（截至2014年6月30日）的收益，远高于同期沪深300指数19%的收益，更高于上证综指的12%，也远胜全市场业绩基准中证全指56%的累计收益。此外，截至9月24日，百发100指数自去年以来涨幅已达47.42%。含着大数据“金钥匙”出身的大数据策略指数表现同样大幅超越大盘，2010年1月29日至2014年9月12日，i300涨幅超过180%，i100涨幅超过290%，同期沪深300指数下跌了近24%。此外i100去年以来则累计上涨了35.56%。有目共睹，运用大数据炒股诚然给大家到来了切实的收益。
三、大数据炒股存在的问题
（一）案例解读——以华尔街长期资本管理公司为例
华尔街曾利用股价大数据赚了很多钱，当然随后也亏了很多钱。这个领域的代表就是由两位诺贝尔经济学奖得主创办的长期资本管理公司(LTCM)。长期资本管理公司以"不同市场证券间不合理价差生灭自然性"为基础，制定了"通过电脑精密计算，发现不正常市场价格差，资金杠杆放大，入市图利"的投资策略。斯科尔斯和默顿将金融市场历史交易资料，已有的市场理论、学术研究报告和市场信息有机结合在一起，形成了一套较完整的电脑数学自动投资模型。他们利用计算机处理大量历史数据，通过连续而精密的计算得到两种不同金融工具间的正常历史价格差，然后结合市场信息分析它们之间的最新价格差。如果两者出现偏差，并且该偏差正在放大，电脑立即建立起庞大的债券和衍生工具组合，大举套利入市投资；经过市场一段时间调节，放大的偏差会自动恢复到正常轨迹上，此时电脑指令平仓离场，获取偏差的差值。
但是模型假设前提和计算结果都是在历史统计基础上得出的，但历史统计永不可能完全涵盖未来现象；LTCM投资策略是建立在投资组合中两种证券的价格波动的正相关的基础上。尽管它所持核心资产德国债券与意大利债券正相关性为大量历史统计数据所证明，但是历史数据的统计过程往往会忽略一些小概率事件，亦即上述两种债券的负相关。他们基于大数据统计的套利模型在遭遇了亚洲金融危机、俄罗斯债券危机这样的“非常态事件”，半年亏了43亿美元，最后被迫由美联储接管。
（二）大数据炒股的缺陷
1. 在收集并判断用户情绪的过程中，计算机对于语意的理解存在不准确的情况。
有的人在表达的过程中，不自然语意的语义分析技术尚不成熟。会直抒胸臆，而会使用反语、双关语等间接的方式表达。如果通过搜索关键词来分析，可能会漏掉一些表意不明的用户情绪，造成分析的误差。
2. 大数据讲求相关性而非因果。
大数据通过分析用户的搜索量以及情绪来预测股票走势。虽然有数据表明用户的搜索量和热情程度与股价的走势有较高的相关性，但是并不能说明这两者之间有因果关系。用户的搜索量高不一定就必然导致股价的上升，因为关注度不一定带来股票的需求。
3. 个股分析中难以排除人为制造的扰动。
如果是在一篮子股票中，分析结果取决与所有关键字的加权搜索量和众多用户的不同反应，某个关键字的搜索量变动对整体数据分析结果的影响或许是较小的，对股价的预期走势也不会产生过大的影响。但是当分析个股时，如果“水军”故意刷关键字，提高了某个关键字的搜索量，会在很大程度上影响数据分析结果。
4. 大数据炒股具有一定的滞后性。
有一种说法是，股票市场中真正赚到钱的都是各个上市公司的董秘，他们有自己的小群体，并掌握着各个上市公司内部的重要信息。按规定，他们不能购买自己公司的股票，但是他们可以使用这些信息在彼此之间进行交换。在这些重要信息被市场上的一般股民知道之前，他们已经完成了股票的买入或卖出。而当这些有效信息被一般股民所知，也就变成了无效信息，因为公开信息所产生的效果已经反映到了股价中。因此我认为，大数据利用搜索量和用户的情绪分析来进行股价的预期，当有大量用户在搜索某个关键词时，说明这个关键词的热度已经达到了一定的程度，低价买入的用户已经完成了买入操作，股价已经涨上去了。此时再进行买入操作，股价的上升空间很小，甚至已经达到了顶峰，或者已经开始进入下降阶段。
《海量数据挖掘技术及工程实践》题目 一、单选题（共80题） 1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到 和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖 掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数 据相分离？(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 哪一类任务？(C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 7)下面哪种不属于数据预处理的方法？ (D) A.变量代换 B.离散化
C.聚集 D.估计遗漏值 8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ (B) A.第一个 B.第二个 C.第三个 D.第四个 9)下面哪个不属于数据的属性类型：(D) A.标称 B.序数 C.区间 D.相异 10)只有非零值才重要的二元属性被称作：( C ) A.计数属性 B.离散属性 C.非对称的二元属性 D.对称属性 11)以下哪种方法不属于特征选择的标准方法： (D) A.嵌入 B.过滤 C.包装 D.抽样 12)下面不属于创建新属性的相关方法的是： (B) A.特征提取 B.特征修改 C.映射数据到新的空间 D.特征构造 13)下面哪个属于映射数据到新的空间的方法？ (A) A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约 14)假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方 法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) A.0.821 B.1.224 C.1.458 D.0.716 15)一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年 级110人。则年级属性的众数是： (A) A.一年级 B.二年级 C.三年级 D.四年级
A. 变量代换 B. 离散化 海量数据挖掘技术及工程实践》题目 、单选题(共 80 题) 1) ( D ) 的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得 到 和原始数据相同的分析结果。 A. 数据清洗 B. 数据集成 C. 数据变换 D. 数据归约 2) 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数 据挖 掘的哪类问题 (A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3) 以下两种描述分别对应哪两种对分类算法的评价标准 (A) (a) 警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b) 描述有多少比例的小偷给警察抓了的标准。 据相分离 (B) 哪一类任务 (C) A. 根据内容检索 B. 建模描述 7) 下面哪种不属于数据预处理的方法 (D) A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4) 将原始数据进行集成、 变换、维度规约、数值规约是在以下哪个步骤的任务 (C) 5) A. 频繁模式挖掘 C. 数据预处理 B. D. 当不知道数据所带标签时， 分类和预测 数据流挖掘 可以使用哪种技术促使带同类标签的数据与带其他标签的数 6) A. 分类 C. 关联分析 建立一个模型， B. D. 聚类 隐马尔可夫链 通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 C. 预测建模 D. 寻找模式和规则
C.聚集 D. 估计遗漏值 8) 假设12 个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频(等深)划分时，15 在第几个箱子内(B) A. 第一个 B. 第二个 C. 第三个 D. 第四个 9) 下面哪个不属于数据的属性类型：(D) A. 标称 B. 序数 C.区间 D. 相异 10) 只有非零值才重要的二元属性被称作：( C ) A. 计数属性 B. 离散属性 C.非对称的二元属性 D. 对称属性 11) 以下哪种方法不属于特征选择的标准方法：(D) A. 嵌入 B. 过滤 C.包装 D. 抽样 12) 下面不属于创建新属性的相关方法的是：(B) A. 特征提取 B. 特征修改 C. 映射数据到新的空间 D. 特征构造 13) 下面哪个属于映射数据到新的空间的方法(A) A. 傅立叶变换 B. 特征加权 C. 渐进抽样 D. 维归约 14) 假设属性income 的最大最小值分别是12000元和98000 元。利用最大最小规范化的方 法将属性的值映射到0 至 1 的范围内。对属性income 的73600 元将被转化为：(D) 15) 一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130 人，四年 级110 人。则年级属性的众数是：(A) A. 一年级 B. 二年级 C. 三年级 D. 四年级 16) 下列哪个不是专门用于可视化时间空间数据的技术：(B) A. 等高线图 B. 饼图
五行最新报道：中国税收70%属间接税，被指推高物价转嫁消 费者 当前我国税收收入的70%以上是间接税，这一比例是否过高？会不会加重居民负担？有没有改革的必要？ “去年，国家调整个人所得税，普通工薪阶层税负确实减轻了不少。如果普通商品中含的税能再少点，那咱百姓消费起来就更有底气了。”在北京通州区某商场，一位正给孩子选购书包的家长说。 近期，关于中国商品中含税过高的议论成为社会热点话题。中国商品中含了多少税？中国商品含税是否高于发达国家？未来我国税制结构应如何调整？ 向企业征收的间接税比重过高，加重了企业和普通消费者负担 数据显示，2011年，我国全部税收收入中来自流转税的收入占比为70%以上，而来自所得税和其他税种的收入合计占比不足30%。来自各类企业缴纳的税收收入占比更是高达92.06%，而来自居民缴纳的税收收入占比只有7.94%。 “这些数字告诉我们，当前我国税收收入的70%以上是间接税，而间接税作为价格的构成因素之一，通常可以直接嵌入商品售价之中，属于可通过价格渠道转嫁的税。”中国社科院财经战略研究院院长高培勇说。
高培勇认为，由企业法人缴税、走商品价格通道，是我国现实税收运行格局的典型特征，也集中体现了我国现行税制结构失衡的状况。这种失衡的税制结构和税收收入结构，其弊端正在不断地显露出来。 比如，高比例、大规模的间接税收入集中于商品价格渠道向全社会转嫁，不仅使得税收与物价之间处于高度关联状态，在现实生活中确有推高物价之嫌。特别是生活必需品等商品中含税过高，在事实上成为由广大消费者负担的大众税。 同时，这种高比例、大规模的税收收入集中来源于各类企业，会普遍加重各类企业的税收负担。加之不同规模企业之间竞争能力的差异，小微企业会承受更重的事实税收负担。此外，以所得税和财产税为代表的直接税比例过小，也不利于调节收入分配、缩小收入差距等税收功能的发挥。 中国商品含税高，主要在于我国的税制与发达国家有很大不同 “在美国，联邦政府收入超过40%来自个人所得税，如果加上薪酬税，占比达到80%左右，而我国个人所得税只占税收总收入的6.7%。在财产税方面，房产税刚刚开始试点，其他几乎没有。”财政部财科所所长贾康说。 贾康分析，目前，我国的税制结构与发达国家有很大不同。我国主要征流转税，流转税属于间接税，可作为价格的构成因素之一直接含在商品售价之中。而一些发达国家则主要是向居民直接征税，流转环节征税很少，所以商品中含税也
《计算机科学与技术前沿》 课程论文 大数据背景下数据挖掘技术的应用 2016年1月7日 题目 学院 学号 姓名 指导老师 日期
大数据背景下数据挖掘技术的应用 摘要 当今社会是一个信息化社会的时代，同时又是一个大数据时代。随着互联网、物联网、云计算和人工智能等信息技术和计算机产业的不断发展和进步，使得数据的处理成为一个亟待解决的问题。因此在大数据的背景下,如何高效地从大量包含有用数据的库获得有用信息已成为企业和科研工作重点关注的点，而这一工作涉及的关键技术就是数据挖掘技术。总得说，数据处理的需要既给数据挖掘技术带来了机遇，于此同时带来了一系列的挑战。 本文分别从企业、图书管理和情报学领域三个方面阐述数据挖掘技术的应用，同时对它的发展现状、存在的问题和未来的发展趋势进行了一些阐述，从而加深了对数据挖掘技术的理解，以便更好地了解数据挖掘在各个领域的应用，最后对数据挖掘技术的应用进行一个整体的总结。 【关键字】：大数据；数据挖掘；数据挖掘的应用
Application of data mining technology in the context of data Abstract Today is the age of information society,but it is also an age of big data．With development and progress of information technology and the computer industry which include the Internet, the Internet of things, cloud computing and artificial intelligence, data processing has become an urgent problem．Therefore,in the context of big data,how to get useful information from a large library of useful data have become focuses of enterprises and scientific and research work．The work involved is the key technology of data mining．In General spedking, data processing needs for data mining technology, and at the same time poses a series of challenges． The paper aims to account the development present situation,existing problems,and developmenttrend in the future based on companies,library management and the field of information science development,so as to enhance understanding of the data mining technology ,to better understand data mining applications in various fields,and to draw an overall summary of the application of data mining technology． 【Key words】：Large amounts of data；Data mining；Application of data mining
股票投资组合分析 一.数据的搜集、整理与录入 （一）.我们组选择的五支股票分别为： 韦国照-通鼎互联（002491），杨志武-常林股份（600710），赖玲玲-长城集团（300089），黄筱予-青松建化（600425）.黄艳色-中联重科（002157）。 （二）.收集与录入数据 根据自2014年以来的这五支股票的月收盘价数据。通过整理，用excel表
计算，分别得到每支股票的各自的月百分比收益率和对数收益率。 根据公式： 月百分比收益率= 1 1t t t P P P ---， 月的对数收益率=1 ln t t P P -（其中，t P 表示该月的收盘价，1t P -表示该月的开盘价） 对数据进行录入，根据上面的公式我们得到上证指数以及我们所选择的五支股票的各自的百分比月收益率和月的对数收益率，用excel 计算，得到如下所示： 1.上证指数（1A0001） 2.通顶互联（002491） 月份 开盘价 收盘价 每股月盈利 每股收益率（%） 对数收益率（%） 1月
3月 4月 5月 6月 7月 8月 9月 10月 11月 3.常林股份（600710） 月份开盘价收盘价每股月盈利每股收益率（%）对数收益率（%）1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月
4.长城集团（300089） 5.青松建化（600425） 月份开盘价收盘价每股月盈利每股收益率（%）对数收益率（%）1月 2月 3月 4月 5月
6月 7月 8月 9月 10月 11月0 12月 6.中联重科002157） 月份开盘价收盘价每股月盈利每股收益率（%）对数收益率（%）1月 2月 3月 4月 5月0 6月 7月 8月 9月 10月 11月 12月 二.对百分比收益率和对数收益率的结果进行分析 观察上表中的数据，可知（1）：上证指数的收益率较小时其他的股票收益率 也较小甚至出现收益率为负值的情况，说明股票价格的变动在一定程度上受到上
浅谈大数据背景下数据挖掘的方法及其应用 人类已迈入大数据时代，但很多时候我们会感到被数据淹没，却缺乏知识的困窘，并没有“得数据者得天下”的能力。因此，数据挖掘成了我们提取海量数据信息的必要窗口，本文主要探讨数据挖掘的一些算法、模型及其应用以提高大数据处理能力。 1 什么是大数据 虽然說“大数据”一词在当今时期是炙手可热，很多人都曾对大数据进行定义，但至今为止仍然没有人给出一个明确的定义。大家都认为它具备规模大、多样化、动态化、处理速度快、蕴含有价值的信息，由于其具有规模庞大的特点，我们只能通过机器从浩如烟海、杂乱无章的数据中挖掘对我们有价值的信息，实现数据为我们所用。 2 什么是数据挖掘 数据挖掘是面向事实的，利用数据挖掘工具，以客观统计分析方法挖掘出企业经营的需求信息，得到正确的销售模式、客户关系和行为策略等，有利于企业掌握正确的经营动态，增加利润并减少开支。“数据挖掘”在方法论上强调“面向数据”，由于它充分运用了自动化的数据收集技术与速度快、容量大的计算机，从而具有处理大量复杂数据库的能力。数据挖掘技术能够进一步运用统计等方法对数据进行再分析，以获得更深入的了解，并具有预测功能，可借助已有的数据预测未来。 3 數据挖掘的过程 数据挖掘的过程一般可分为三个阶段，包括数据准备、模式发现与数据挖掘结果。数据准备阶段用于为后续的模式发现提供有质量的数据。包括数据净化、数据集成、数据变换和数据归约。模式发现阶段是数据挖掘过程中的核心阶段，第一要确定挖掘任务和挖掘算法，通过对历史数据的分析，结合用户需求、数据特点等因素，得到供决策使用的各种模式与规则，从该任务的众多算法中选择合适算法进行实际挖掘，得出挖掘结果，即相应的模式。挖掘结果阶段是怎样将挖掘出来的模式与规则以一种直观、容易理解的方式呈现给用户，即可视化。 4 数据挖掘的方法及应用 4.1 关联规则 关联规则挖掘是数据挖掘的本质，它通过对规模庞大的信息进行量化处理，然后建立各类信息的联系，从而让那些看似无关的信息的关联性得以显现并为我们所用。
大数据下数据挖掘技术的算法 在大数据背景下，许多传统科学技术的发展达到了新的高度，同时也衍生 出一些新兴技术，这些推动着互联网行业的前行。新技术的发展也伴随着新问 题的产生，现有的数据处理技术难以满足大数据发展的需要，在数据保护等方 面依旧存在着一定的风险。因此，进一步完善大数据技术是当下需要攻克的难题。本文主要进行了大数据的简单引入，介绍数据挖掘技术及其应用，分析了 当下的发展进度和面临的困难。 1大数据的相关引入 1.1大数据的概念。大数据主要指传统数据处理软件无法处理的数据集，大 数据有海量、多样、高速和易变四大特点，通过大数据的使用，可以催生出新 的信息处理形式，实现信息挖掘的有效性。大数据技术存在的意义不仅在于收 集海量的信息，更在于专业化的处理和分析，将信息转化为数据，从数据中提 取有价值的知识。大数据分析与云计算关系密切，数据分析必须依托于云计算 的分布式处理、分布式数据库等。1.2大数据的特点。伴随着越来越多的学者投 入到对大数据的研究当中，其特点也逐渐明晰，都广泛的提及了这四个特点。（1）海量的数据规模，信息的数据体量明显区别于以往的GB、TB等计量单位，在大数据领域主要指可以突破IZP的数量级。（2）快速的数据流转，大数据作用的领域时刻处在数据更新的环境下，高效快速的分析数据是保证信息处理有效 的前提。（3）多样的数据类型，广泛的数据来源催生出更加多样的数据结构。（4）价值低密度，也是大数据的核心特征，相较于传统数据，大数据更加多变、模糊，给数据分析带来困扰，从而难以从中高密度的取得有价值的信息。1.3大 数据的结构。大数据主要分为结构化、半结构化和非结构化三种数据结构。结 构化一般指类似于数据库的数据管理模式。半结构化具有一定的结构性，但相 比结构化来说更加灵活多变。目前非结构化数据占据所有数据的70%-80%，原
1 关于账面市值比的实证分析举例 研究样本和变量计算 研究样本 本文的数据样本的时间区间是2003年7月-2011年6月，样本包括了我国A 股市场钢铁的45支股票，剔除了一些由于特殊性不能采纳的股票：ST 股票；年报中净资产（股东权益）为负的股票；数据缺失的股票。 变量计算 2. 收益率计算 （1）个股收益率的计算 股票i 在t 月的收益率计算公式为：11()/it it it it R P P P --=-（1） 其中it P 和1it P -分别为股票i 在t 月和t-1月的股权收盘价格。 （2）投资组合收益率的计算 投资组合P 在t 月的收益率pt R 为投资组合中所含股票的个股月收益率it R 的等权重平均值，也便是其算数平均值。()p f R R -是投资组合的超额收益率，其中，f R 代表的是我国三个月期的定期存款年利率折算出来的月无风险利率。市场投资组合收益率M R 代表的是所选择样本区间内我国钢铁全部股票（包括被删除的股票）月收益率的等权重平均值。 3. 账面市值比（BE/ME ）的计算 本文在每年的6月末对所选的样本数据进行分组，用t-1年末的个股权益值和t-1年末的股价之比BE/ME 来衡量股票从t 年7月到t+1年6月的账面市值比的大小。比如，用2003年末的BE/ME 来衡量股票从2006年7月到2007年6
月的账面市值比大小，以后的隔年也按照这个规律类推。用ln(/) BE ME来表示BE/ME的自然对数值。 描述性统计 投资组合分组 投资组合分组的方法是指投资组合以特定的指标或变量进行分组的前提下，通过考察各组合的平均收益，利用所选特征值的最大值和最小值的组合平均收益的差值，并用差值的显著性来判断横截面收益现象存在与否。 经过上文的解释分析，我们认为账面市值比对股票收益的影响作用是非常大的，可以看作是影响股票收益的最重要的原因之一。所以在考虑不同市场情况下，特征变量对股票收益的影响时，可以只考虑账面市值比因子对股票收益率的影响。股票自身的影响因素β值代表的股票的系统风险，虽然剔除之后可以更好的考察账面市值比本身对股票收益的影响，但是在本文中为了全面性的考察相关因素对股票收益的影响，还是选择不剔除β值进行研究。 1.市场阶段划分 本文选定的时间范围为2003年7月-2011年6月钢铁股票的收益情况，在这期间，中国股市也存在上涨与下跌的阶段划分。其中，上涨阶段包括2003年10月—2007年10月；2008年11月—2009年7月；下跌的阶段包括2007年11月-2008年10月，2009年8月至今；在本文的研究中，我们把股票指数上涨的期间称为牛市，把股票指数下跌的期间称为熊市，并根据此时间段的划分分别对钢铁股票进行研究分析。 2. 投资组合划分 我们先把选定的样本区间内的钢铁股票按照β排序后分为5组，然后再根据其账面市值比把钢铁股票分为5组，这样就考虑在剔除股票的系统风险对其收益的影响之后，钢铁股票收益与账面市值比之间的影响关系。 统计性描述分析
Python获取股票历史数据并简单分析 最近股市又跌的厉害，又有人鼓吹股灾了。纵观最近2年的A股几乎每隔一段实际就一次大调整，然后每次的调整都亏一大把。心想有没有办法可以预测这种调整，经过几度分析，发现一个简单的规律，就是每次有大调整时，跌幅大于3%的股票就会出现很多。于是想是不是可以以跌幅大于3%的比例作为一种参考呢。于是就开始验证这种预警是否可靠。 要验证这种猜想需要大量的数据，基本需要每只股票的每天交易数据。下面就要想办法获取这些历史数据。数据包含：股票编码、交易日、开盘价、最高价、收盘价、最低价、价格涨幅、涨幅、5日、10日、20日均线 5日、10日、20日平均成交量 一共获取3198只股票最近三年的成交数据，一共190万条数据。 下面看看每日的上证指数、股票涨幅超过3%的比率（up3）、以及股票跌幅超过3%的比率三者之间的关系图如下：
再看看每日的上证指数涨幅、股票涨幅超过3%的比率（up3）、以及股票跌幅超过3%的比率三者之间的关系图如下： 如上有几个简单规律 1、当跌幅超过3%的股票占比超过10%时，意味股市的调整开始了。所以大家要小心 2、上证上涨时，涨幅超过3%的股票占比变化不明显，说明上涨起来慢，不让你发现。跌起来快不让你逃跑。 3、当跌幅超过3%的股票占比超过20%时，一定要先出来，意味着后面还有调整 获取股票历史数据以及分析源码如下： #以下为股票数据获取的源码 import sqlite3 import pandas as pd import datetime
import math import tushare as ts dbname='stocks' if 'stocks' not in dir(): stocks=ts.get_stock_basics() def getTag(x): tag=math.floor(x) if tag>=8 : return 8 elif tag<=-8: return -8 else: return tag def tableCheck(): curs= conn.cursor() sql="SELECT name num FROM sqlite_master WHERE type='table' AND name='stocks'" curs.execute(sql) isexists=curs.fetchall() if len(isexists)>0: curs.close() else: sql="""CREATE TABLE stocks ( date TEXT, open REAL, high REAL, close REAL, low REAL, volume REAL, price_change REAL, p_change REAL, ma5 REAL, ma10 REAL, ma20 REAL, v_ma5 REAL, v_ma10 REAL, v_ma20 REAL, code TEXT, tag REAL )""" curs.execute(sql) curs.close() def getLastDate(): curs= conn.cursor() sql="SELECT code,date(ifnull(max(date),'2000-01-01'),'start of day','1 day') maxdate FROM stocks group by code" curs.execute(sql)
实时股票数据接口大全 股票数据的获取目前有如下两种方法可以获取: 1. http/javascript接口取数据 2. web-service接口 1.http/javascript接口取数据 1.1Sina股票数据接口 以大秦铁路（股票代码：601006）为例，如果要获取它的最新行情，只需访问新浪的股票数据 接口： https://www.doczj.com/doc/c315321725.html,/list=sh601006 这个url会返回一串文本，例如： var hq_str_sh601006="大秦铁路, 27.55, 27.25, 26.91, 27.55, 26.20, 26.91, 26.92, 22114263, 589824680, 4695, 26.91, 57590, 26.90, 14700, 26.89, 14300, 26.88, 15100, 26.87, 3100, 26.92, 8900, 26.93, 14230, 26.94, 25150, 26.95, 15220, 26.96, 2008-01-11, 15:05:32"; 这个字符串由许多数据拼接在一起，不同含义的数据用逗号隔开了，按照程序员的思路，顺序号从0开始。 0：”大秦铁路”，股票名字； 1：”27.55″，今日开盘价； 2：”27.25″，昨日收盘价； 3：”26.91″，当前价格； 4：”27.55″，今日最高价； 5：”26.20″，今日最低价； 6：”26.91″，竞买价，即“买一”报价； 7：”26.92″，竞卖价，即“卖一”报价； 8：”22114263″，成交的股票数，由于股票交易以一百股为基本单位，所以在使用时，通常把该值除以一百； 9：”589824680″，成交金额，单位为“元”，为了一目了然，通常以“万元”为成交金额的单位，所以通常把该值除以一万； 10：”4695″，“买一”申请4695股，即47手； 11：”26.91″，“买一”报价； 12：”57590″，“买二” 13：”26.90″，“买二” 14：”14700″，“买三”
一个量化投资者的自白：我是如何用大数据玩转股市的！ 经济学有个著名的有效市场假说：如果一个证券市场上所有的信息都能及时被投资者获取，那么证券价格会与其风险相当，是由公平竞争导致的股票真实价值。换句话来说，如果你想以合理的价位购买一只股票，你至少要知道有关这只股票的所有信息，并能够对其进行合理地分析。一只股票有多少“相关信息”？一从基本面角度来看，判断个股对应的上市公司质地的好坏，是取得投资成功与否最重要的因素。数据分析如下：第1步从各个渠道获取上市公司这四十多项指标的数据。第2步对这些数据进行分析。二从技术面角度来看，每只股票的K线形态，走势以及各类技术指标是择时的重要依据。数据分析如下：第1步获得K线形态、技术指标的相关知识，并取得对应个股的即时数据。第2步根据个股的即时数据和掌握的技术指标来计算个股的技术形态，从几百种不同类型的K线形态、技术指标中选择有效性较高的上涨形态，从而预测股票未来的涨跌，这是目前市场上绝大多数股民最痴迷的股票投资“技术”。三在股市的不同时间周期，必须考虑板块轮动效应，从而进行投资决策。数据分析如下：第1步取得所有公司的各类维度属性的数据。第2步对每个维度的数据进行分类，根据最近几个交易日每个类别所含股票的市场表现，分析并寻找出当前热点板块和下一个
有可能热起来的板块。四从机构动态来看，有些个股受到基金公司或者股票研究机构追捧，有些则被大量机构选择或建议减持，做股票投资至少不能与机构对着来这是前提。进行数据分析：第1步搜集所有机构的动态，包括研报、个股评级、基金\券商重仓、社保重仓、QFII重仓、高管增持\减持、机构新进十大流通股等。第2步根据对所有搜集到的数据进行分析和研判，进行跟风操作。五事件驱动是股票价格变动最重要的诱因。第1步通过新闻资讯网络等各个渠道，获得驱动事件。第2步根据事件寻找跟该事件相关的个股，比如今年夏天有种新的血液传染病发生，那么国内针对血液传染病的医药个股就是直接受益者，据此进行股票操作。股票投资类似打牌，你要搜集到牌桌上已经出掉的牌，从而计算你手里的牌的组合胜率有多少，利用概率去战胜市场，才能保证最高的收益。以上这些数据，你每多搜集一份，你的胜率就会提高一分。如果你选中的股票具备以上五点逻辑特征，无疑你将拥有最高的胜率！要找到这样的股票，你需做如下几件事：第一步：搜集所有公司数据，分析后寻找成长型价值公司；第二步：在符合第一点的公司里，寻找有合适的上涨技术形态的公司；第三步：在这些公司里寻找符合当前板块轮动热点的公司；第四步：在以上股票池中挑选被QFII 重仓的公司；第五步：在以上股票池中寻找有当前热门概念的公司。总的来说，其实就做了两件事：搜集数据，分析数
保利房地产 （集团）股份有限公司股票数据分析 股票代码：600048
1. 目录 (1) 2. 公司简介 (2) 3. β值的计算 (2) 4. 股票的理论价值与市场价值的比较 (3) 5. 股票基本面分析 (3) 质因分析——经济分析 (3) 量因分析——财务分析 (5) 6. 采用技术分析方法进行股票分析 (10)
公司简介 保利房地产（集团）股份有限公司广州成立于1992年。2006年7月，公司股票在上海证券交易所上市（代码（600048）。公司的主营业务是房地产开发、销售、租赁及其物业管理。 股票β系数计算 β值的含义：β值是用来测定一种证券的收益随整个证券市场收益变化程度的指标，也可以解释为用于衡量一种证券的收益对市场平均收益敏感性或反应性的程
由表可知，保利地产2012年度的β系数大于1.0而小于1.5，同期股价收益率为0.44%. 1.0＜Β＜1.5:在市场收益率上升时，保利地产的股票收益率上升幅度比市场平均幅度大；当市场收益率下降时，它的下降幅度也比市场平均幅度大。这是一只进攻型股票。 股票的理论价值与市场价值的比较 保利地产公司发布2012年报,报告期内实现营业收入689.06亿元,同比增长46.5%;归属于上市公司股东的净利润为84.38亿元,同比增长29.2%;基本每股收益1.18元。基本符合预期。2013年 3月23日，经公司第四届董事会第六次会议审议通过，同意以截至2012 年12月 31日公司7,137,994,391股总股本为基数，每10股派发现金红利 2.32元（含税），共计分配利润为1,656,014,698.71元，公司的β值为1.15，股票收益率为3.16%，同期股价综合指数的收益率0.44%，故同期股价综合指数的超额收益率为2.72%，国库券利率3.59%，公司股票2012年末的股票价格是13.60元。 公司当年的每股股息：2.32÷10=0.232元 必要收益率：3.59%+1.15×2.72%=6.718% 股票理论价值（V）：0.232÷6.718%=3.45元 净现值（NPV）：V-P=3.45-13.60=-10.15元 由此可知，公司股票的市场价格被高估。 保利地产股票（600048）基本面分析 一、质因分析——经济分析 （1）宏观经济状况 当前中国的经济形势的基本特点： 1、在金融危机下成功实现经济V型反转。 2、内需对经济增长拉动作用明显增强。消费需求开始起到较好的作用，但仍然未能取代投资，说明投资拉动依然起着主要的作用。 3、积极的财政政策和适度宽松的货币政策取得明显成效。 4、改善民生政策起到一定成效。 5、在国际中的经济地位得到提升，对世界经济的影响力日益加大。中国和
《金融类股票数据分析》综合实训任务书 任务步骤与要求 (1).数据分析前准备 1.导入数据分析所需相关库。 (2).数据探查与预处理 1.读取阿里巴巴股票数据，并查看前5行数据； 2.查看数据类型； 3.将日期列修改为日期时间类型； 4.将日期转换为行索引数据，保存到新的变量中，并查看前5行数据。 (3).金融类行业经济学业务逻辑 1.以股票的收盘价格计算中位数的基本数学原理，并使用format函数进行输出，小数位精确到5位； 2.使用pandas进行计算收盘价的中位数，并使用format函数进行输出，小数位精确到5位； 3.计算收盘价格与收盘价格中位数的差异，保存到新的变量中。并查看前5行数据； 4.运用numpy和pandas进行计算金融股票中的加权平均价格，并使用format函数进行输出，小数位精确到5 位； 5.计算收盘价格与加权平均价格的差异，保存到新的变量中。并查看前5行数据； 6.计算金融股票中的平均收盘价格，并使用format函数进行输出，小数位精确到5位； 7.计算收盘价格与平均收盘价格的差异，保存到新的变量中。并查看前5行数据； 8.使用最简单的方式计算金融股票中的时间加权平均价格，并使用format函数进行输出，小数位精确到5位； 9.计算收盘价格与时间加权平均价格的差异，保存到新的变量中。并查看前5行数据； 10.使用pandas将收盘价格与收盘价格中位数的差异、收盘价格与加权平均价格、收盘价格与平均收盘价格和收 盘价格与时间加权平均价格的差异数据进行连接，主要为绘制图形取最高值和最低值。并查看合并后的数据元素的个数. 11.绘制收盘价格与收盘价格中位数的差异、收盘价格与加权平均价格、收盘价格与平均收盘价格和收盘价格与 时间加权平均价格的差异走势图； 12.以股票的最高价计算差值的基本数学原理，并使用format函数进行输出，小数位精确到2位； 13.分别使用pandas的函数计算最高价和最低价的差值，并使用format函数进行输出，小数位精确至2位。(4).金融类分析股票的收益率 1.计算收盘价的收益率，类似于微积分中的微分，并查看前5行数据； 2.计算收盘价收益率的标准差，并使用format函数进行百分比输出，小数位精确到2位； 3.筛选出收盘价的收益率正值数据，并绘制其柱形图，要求：绘制图表的Y轴按百分比进行计算，最高收益率 柱的颜色为绿色，最低收益柱的颜色为红色，其它柱为蓝色； 4.根据收益率计算股票年波动率，并使用format函数进行输出，小数位精确到5位； 5.根据收益率计算股票月波动率，并使用format函数进行输出，小数位精确到5位。 (5).金融类分析股票的周期分析 1.创建映射字典或者函数，提取出日期所对应的周期，取值只有周一到周五，并查看前5行数据； 2.使用分组进行统计周一到周五的最高收盘价和对应的日期，并查看数据。注意：需要将列名进行重设； 3.使用分组进行统计周一到周五的最低收盘价和对应的日期，并查看数据。注意：需要将列名进行重设； 4.使用分组进行统计周一到周五的平均收盘价；
全推概念解析 全推 所谓全推，就是所有证券数据同步发送(每隔3秒发送一次），无论翻看与否，内存中均是当前最新数据，翻看时无停滞感。目前只有飞狐(真的？)是全推行情（软件设计时决定的），老版本的分析家也是全推（设计功能）。“有一点必须要清楚，当前所有的L2行情均是点播行情！” 。 点播 以通达信、经典版大智慧、钱龙为代表，更新模式为：当前页面股票和上证指数行情更新最快，其中上证指数无条件更新（功能设计），其次是行情列表或自选股版面行情，依屏幕大小为30—50支股票，这个版面可见股票是自动更新的，其他股票一律不更新，大智慧新一代点播更绝（只有当前股票能够实时更新）。所以相比飞狐和分析家的全推行情，要省掉95%以上的传输数据，服务器承受的压力当然要小得多，也就是为什么通达信能够一直坚持提供免费行情的原因。即便如此也需要用1000多台服务器（和联众游戏差不多吧），要是通达信也搞全推，估计要增加50倍以上的服务器投入。 由于L2数据基本上个股的各种综合行情数据和以前整个市场数据有得一拼，以目前的软硬条件注定他不可能提供全部股票数据。所以L2全是点播行情。点播行情完全扼**全市场行情预警的途径，是所有技术交易者最不愿看到的。 全推与点播的区别 源码如下： 全推与点播的区别： 1. 全推行情： 优点：在实时接收中，软件会按照服务器的全部推送数据发送方式把所有深沪数据源源不断获得到本地，这种方式有利于盘中实时指标预警和及时盘中选股。盘中及时有信息地雷提示。提供国内期货测试数据行情给用户参考使用。 缺点：该数据传递方式占有网络资源很大，一旦出现网络问题或服务器问题，所缺少数据只能人为自己手动补充数据，否则会影响计算结果。是面对点的关系，数据是存在对方的服务器上，每天必须保证收盘作业，否则次日开盘股票没有昨日数据。
海量数据挖掘技术及工程实践》题目 单选题(共 80 题) ( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和 原始数据相同的分析结果。 A.数据清洗 C.数据变换 B.数据集成 D.数据归约 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖 掘的哪类问题 (A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 以下两种描述分别对应哪两种对分类算法的评价标准 (A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务 (C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 当不知道数据所带标签时， 可以使用哪种技术促使带同类标签的数据与带其他标签的数 据相分离 (B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 建立一个模型， 通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 哪一类任务 (C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 面哪种不属于数据预处理的方法 (D) A.变量代换 B.离散化 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18)
C.聚集 D.估计遗漏值 假设 12个销售价格记录组已经排序如下： 5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215使 用如下每种方法将它们划分成四个箱。等频(等深)划分时， 15 在第几个箱子内 (B) A. 第一个 B.第二个 C.第三个 D.第四个 下面哪个不属于数据的属性类型： (D) A. 标称 B.序数 C.区间 D.相异 只有非零值才重要的二元属性被称作： ( C ) A. 计数属性 B.离散属性 C.非对称的二元属性 D.对称属性 以下哪种方法不属于特征选择的标准方法： (D) A. 嵌入 B.过滤 C.包装 D.抽样 下面不属于创建新属性的相关方法的是： (B) A.特征提取 B.特征修改 C.映射数据到新的空间 D.特征构造 下面哪个属于映射数据到新的空间的方法 (A) A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约 假设属性 income 的最大最小值分别是 12000 元和 98000 元。利用最大最小规范化的方 法将属性的值映射到 0 至 1 的范围内。对属性 income 的 73600元将被转化为： (D) 一所大学内的各年纪人数分别为：一年级 200人，二年级 160 人，三年级 130人，四年 级 110 人。则年级属性的众数是： (A) A.一年级 B.二年级 C.三年级 D.四年级 19) 20) 21) 22) 23) 24) 25) 26) 27) 28) 29) 30) 31) 32) 33) 34) 35) 列哪个不是专门用于可视化时间空间数据的技术： (B)
大数据时代下数据挖掘技术与应用 【摘要】人类进入信息化时代以后，短短的数年时间，积累了大量的数据，步入了大数据时代，数据技术也就应运而生，成为了一种新的主流技术。而研究数据挖掘技术的理念、方法以及应用领域，将对我国各个领域的未来带来更多的机遇和挑战。本文就大数据时代下数据挖掘技术与应用进行探究。 【关键词】大数据，数据挖掘，互联网 数据挖掘是一门新兴的学科，它诞生于20世纪80年代，主要面向商业应用的人工只能研究领域。从技术角度来看，数据挖掘就是从大量的复杂的、不规则的、随机的、模糊的数据中获取隐含的、人们事先没有发觉的、有潜在价值和知识的过程。从商业角度来说，数据挖掘就是从庞大的数据库中抽取、转换、分析一些潜在规律和价值，从中获取辅助商业决策的关键信息和有用知识。 1.数据挖掘的基本分析方法 分析方法是数据挖掘的核心工作，通过科学可靠的算法才能实现数据的挖掘，找出数据中潜在的规律，通过不同的分析方法，将解决不同类型的问题。目前常用的方法有聚类分析、特征数据分析法、关联性分析等。 1.1聚类分析法。简单来说聚类分析就是通过将数据对象进行聚类分组，然后形成板块，将毫无逻辑的数据变成了有联系性的分组数据，然后从其中获取具有一定价值的数据内容进行进一步的利用。由于这种分析方法不能够较好的就数据类别、属性进行分类，所以聚类
分析法一般都运用心理学、统计学、数据识别等方面。 1.2特征性数据分析法。网络数据随着信息时代的到来变成了数据爆炸式，其数据资源十分广泛并且得到了一定的普及，如何就网络爆炸式数据进行关于特性的分类就成为了当下数据整理分类的主要内容。此外还有很多方法都是通过计算机来进行虚拟数据的分类，寻找数据之间存在的普遍规律性完成数据的特性分析从而进行进一步分类。 1.3关联性分析法。有时数据本身存在一定的隐蔽性使得很难通过普通的数据分析法进行数据挖掘和利用，这就需要通过关联性分析法完成对于数据信息的关联性识别，来帮助人力完成对于数据分辨的任务，这种数据分析方法通常是带着某种目的性进行的，因此比较适用于对数据精准度相对较高的信息管理工作。 2.数据挖掘技术的应用 数据挖掘技术的具体流程就是先通过对于海量数据的保存，然后就已有数据中进行分析、整理、选择、转换等，数据的准备工作是数据挖掘技术的前提，也是决定数据挖掘技术效率及质量的主要因素。在完成数据准备工作后进一步对数据进行挖掘，然后对数据进行评估，最后实现运用。因此，数据挖掘能够运用到很多方面。如数据量巨大的互联网行业、天文学、气象学、生物技术，以及医疗保健、教育教学、银行、金融、零售等行业。通过数据挖掘技术将大数据融合在各种社会应用中，数据挖掘的结果参与到政府、企业、个人的决策中，发挥数据挖掘的社会价值，改变人们的生活方式，最大化数据挖掘的