我们可以按照以下步骤挖掘和分析模式的预测能力。

1)模式识别根据K线模式的定义,我们识别出属于某个模式(例如TIU或TID)的所有K线序列,然后将它们形成一个集合

2)模式聚类我们使用KNSSC算法进行聚类然后就可以得到一组聚类,其中不同的聚类表示同一模式的不同形状。

3)知识挖掘我们定义了一些有关股票价格的统计指标,用于从每个集群中挖掘股票预测知识。

该模式的预测能力主要是通过分析该模式随之产生的K线序列的趋势来获得的。论文[ 22 ]发现,K线技术适用于短期投资预测,最有效的预测时间是10天。因此,我们主要分析该模式随后的K线系列在10天内的收盘价趋势。三天的K线形态;其相应的K线序列用表示的统计指标定义如下。

(a)表示的第k个收盘价表示的趋势的可能性是上升趋势,而表示的趋势的可能性是下降趋势。通过计算其中,代表满足in的条件的模式数量代表满足in的条件的模式数量代表的收盘价表示的未来趋势正在上升。表示的未来趋势正在下降。

(b)表示如果出现此格局,收盘价在接下来的几天会上涨的可能性表示如果出现此格局,收盘价在接下来的几天将下跌的可能性通过计算的较高值表示预测看涨或看跌市场的能力更强。

4)分析基于统计结果,我们分析了模式的预测能力。