✏️ 编者按：

在股市里，光是一支股票，其 K 线、状态、指标就曾经含有丰盛的信息，更何况股市里有大几千支股票，各种信息令人目迷五色。一般散户到底如何全盘剖析，选出一支潜力股？

向量搜寻畛域的技术大牛、业余股民老莫给出了他的答案：他尝试将简单的数组转化成向量，而后应用开源向量数据库 Milvus 辅助剖析股票 ，为「选股」这一世纪难题给出了量化剖析选股的思考角度。当今时代，各个领域的数据体量和品种呈几何式增长，为了剖析海量的结构化与非结构化数据， 将数据转化成高维向量并进行向量类似度剖析 已逐步成为一种卓有成效的形式。

本文转载自知乎用户 @yhmo，已取得原作者受权。

🤫 小声揭示 🤫

关注公众号并回复「炒股源码」

获取本文辅助选股源代码！

猜测：Milvus 数据库或者能够帮忙选股？

Milvus 数据库是什么？

在我的项目主页上，是这样介绍 Milvus 的：Milvus 向量数据库专为向量查问与检索设计，可能为万亿级向量数据建设索引。你能够应用 Milvus 向量数据库搭建合乎本人场景需要的向量类似度检索系统，比方图片检索系统、视频检索系统、音频检索系统、分子式检索系统、举荐零碎、智能问答机器人、DNA 序列分类零碎、文本搜索引擎……

那么 Milvus 向量数据库就只能做这些事件么？

Milvus 向量数据库具备计算和检索向量类似度的性能，只有你能把生存中的事物用数字向量示意进去，那么，Milvus 向量数据库就能帮你在这些向量中进行含糊搜寻和匹配。

股票就是一种跟数字强相干的事物。笔者不禁联想，Milvus 数据库能在股市上有所作为么？

玩过股票的人应该有领会，散户选股是件令人特地头疼的事件，各种蜡烛图、曲线、数字经常让人目迷五色、莫衷一是。而且股市里有大几千只股票，一个人根本无法看全，基本上只能关注其中几只。

股票的蜡烛图，是以每个交易日的 4 个数值（开盘价、最高价、最低价、收盘价）画出的图形。这 4 个数值就是一组数字，而一组数字在数学上能够转化成一个数字向量。剖析这个向量，或者就得出些令人惊喜的后果，并且能帮忙咱们大幅晋升剖析效率！

带着这些猜测，笔者在业余时间做了一些尝试：

原理

笔者初步的想法是：假如有 n 个交易日数据，咱们把每个交易日的 4 个价格开展，造成 4n 个数值，作为一条向量，它的维度就是 4n。

例如，某只股票最近 3 个交易日的数据如下：

那么，咱们就能够把这些数据转换为一条 12 维的向量：

[20.82, 21.45, 20.53, 21.15, 21.28, 21.37, 21.01, 21.05, 20.73, 21.35, 20.67, 21.25]

如果有另一只股票，其最近 3 个交易日数据如下：

同样，咱们能够把这些数据转换为一条 12 维的向量：

[6.32, 6.58, 6.28, 6.56, 6.30, 6.53, 6.26, 6.36, 6.18, 6.39, 6.13, 6.31]

这两只股票在这 3 个交易日里类似度是多少？咱们不能间接用这两条 12 维向量做比拟，因为前一只股票 20 多块，后一只 6 块多，这两条向量的模长不同，间接计算间隔毫无意义。

笔者是这么解决的：咱们将每条向量的 12 个数值别离减去它们的最小值，而后做归一化，再进行比对。

做这些比对有何意义呢？咱们得拿出一个逻辑使得这些比对变得有意义。咱们常常说股票里有“主力”、有“庄家”，这两个词可能含意不同，但他们都能决定或影响股价的涨跌。要管制股价涨跌，手里必须得有筹码，而且手里的筹码与流通股的比例越高，控制力越强。短时间内，庄家是很难获取足够的筹码的，所以庄家会有一个较长时间的吸筹，短则一两个月，长则几个月甚至一年，在这段时间里上上下下各种洗盘。在股价腾飞之前，其状态或多或少有肯定的法则。咱们要比对的，就是这个吸筹期间的股价状态。

下一个问题是，谁跟谁比？咱们是拿最近的 n 天的状态，跟历史上产生大涨之前的 n 天状态比。哪只股不重要，咱们是要遍历整个市场中的每只股，看它们最近 n 天的状态，是否和历史上产生大涨之前 n 天状态类似。如果类似，那么咱们有理由认为，这只股有可能近期会产生大涨。

 筹备工作

历史数据怎么来？能够关注“数据即服务”微信公众号（非广告），点击公众号左下角的“下载”选项能够下载到“股票历史行情”，本文下载到的历史数据是从 A 股开市到 2020 年 7 月 24 号的：

其文件格式是 xls，笔者用 Python 转换为 csv 格局。

最新数据怎么来？这要借助于一个 Python 库 Tushare(https://tushare.pro/document/2)。比方要拉取某只股票最新的数据，Python 代码如下：

import tushare
def fetch_stock(dir, stock_id, date):
 current_path = dir + str(date) + "/"
if not os.path.exists(current_path):
 os.mkdir(current_path)

 data = tushare.get_hist_data(stock_id, start='2010-01-01', end=str(date))
# print(data)
 csv_path = current_path + stock_id + ".csv"
if os.path.exists(csv_path):
 os.remove(csv_path)
 data.to_csv(csv_path, encoding="utf-8", index=True, mode='a')
 print('save csv:', csv_path)

提取数据

下一步就是开始提取“历史上产生大涨之前的 n 天状态”了。笔者这里把 n 设为 100，也就是 100 个交易日，大概是 5 个月工夫。而后把“大涨”的规范定义一下，笔者是这么定义的：在 5 个交易日里股价上涨了 40%，就认为是“大涨”，并且在大涨之前 100 天里最初 10 天的均价低于头 10 天的均价（这是因为笔者心愿失去那些从底部涨起的股票）。依据这个定义，笔者在历史数据中一共找出了将近 3000 个股票，这里笔者疏忽掉了 ST 股（Special treatment，财务状况或其它情况出现异常的上市公司股票股票）。

须要留神的是，在笔者之后回溯试验时发现，有些状态并不是那么无效，容易造成误判。比方，上面的一些状态就容易造成误判（有些在大涨前曾经上坡一段时间），须要将这些状态的股票筛除：

通过筛选后，大概剩下不到 1000 个状态，比方上面一些：

能够看到，这些状态的股票基本上都是在股价低位起涨。

而后咱们把这些 1000 条向量（400 维）输出 Milvus 数据库，因为向量数很少所以不须要建索引，暴搜就足够了。向量的 ID 怎么设比拟好？为了不便察看，咱们按如下形式定义向量的 ID：

股票 ID +“00”+ 100 日的最初一个日期

两头加两个“0”是为了把股票 ID 和日期离开，以利于识别。比方，咱们在某只股票 000629 的历史数据中提取到 2015 年 12 月 16 号这天是大涨日，那么咱们把这天的前 100 个交易日的数据转为一条向量，这条向量的 ID 就是：6290020151216

选股

咱们须要写一个 Python 脚本，每天拉取股市里的最新数据。每只股票抽取最近 100 天的数据构建成一条 400 维向量，通过解决（减去最小值，归一化）后，应用 L2 的间隔计算形式，在 Milvus 数据库搜寻出最类似的一条向量。依据间隔做排名，咱们能够失去前 20 名的 20 只股票。

为了验证这个办法的有效性，笔者还做了一些回溯试验。后面咱们说过，拿到的历史数据是截止到 2020 年 7 月份，那咱们能够用 2020 年 8 月份之后的数据来做回溯。同样，咱们能够写一个 Python 脚本遍历 2020 年 8 月份之后每一天的行情，从每天的行情里举荐出 20 只股票，别离察看它们在 5 个交易日以及 10 个交易日之后的涨幅。

比方对于 2021 年 4 月 6 日的行情，计算失去的前 5 名是：

===== 300207 : 欣旺达 ===== 1
id: 6008440020050422 distance: 101.06045532226562
===== 600340 : 华夏幸福 ===== 2
id: 0026950020170608 distance: 118.332275390625
===== 688313 : 仕佳光子 ===== 3
id: 6002730020120717 distance: 124.2621841430664
===== 603283 : 赛腾股份 ===== 4
id: 0008760020100722 distance: 134.43807983398438
===== 603920 : 世运电路 ===== 5
id: 0026280020180719 distance: 135.54197692871094

它们的盈利状况是：

No.1 300207 欣旺达
 5 days growth: 9.86 (-0.47, 1.82, -4.4, 5.89, 7.02,)
 10 days growth: 11.709999999999999 (-0.47, 1.82, -4.4, 5.89, 7.02, 3.16, 0.69, -2.0,)
No.2 600340 华夏幸福
 5 days growth: 4.450000000000001 (10.05, -1.74, -0.29, -0.59, -2.98,)
 10 days growth: 6.040000000000001 (10.05, -1.74, -0.29, -0.59, -2.98, -0.61, -1.08, 3.28,)
No.3 688313 仕佳光子
 5 days growth: -5.04 (-0.23, -0.29, 0.59, -4.2, -0.91,)
 10 days growth: 2.1700000000000004 (-0.23, -0.29, 0.59, -4.2, -0.91, 5.65, 1.16, 0.4,)
No.4 603283 赛腾股份
 5 days growth: -12.1 (-0.42, -2.85, -2.57, -2.11, -4.15,)
 10 days growth: -7.239999999999999 (-0.42, -2.85, -2.57, -2.11, -4.15, 0.69, 1.72, 2.45,)
No.5 603920 世运电路
 5 days growth: -9.040000000000001 (-0.18, -1.58, 1.49, -4.29, -4.48,)
 10 days growth: 2.0599999999999987 (-0.18, -1.58, 1.49, -4.29, -4.48, 10.03, -2.28, 3.35,)

对于第一名的 300207，结果显示它跟 600844 的 2005 年 4 月 22 日的前 100 天类似度间隔为 101，后续 5 到 10 天的盈利为 10% 左右。
咱们先看一下 600844 的 2005 年 4 月 22 日的前 100 天（笔者应用 Python 的 mpl_finance 库以及 Matplotlib 库来绘制蜡烛图）：

再来看看 300207 的 2021 年 4 月 6 号之前 100 天的行情：

几乎神似，对不对？

在回溯试验中也看到不少排名靠前，但前期却还持续上涨的股票。比方，下面第 4 名的 603283，在后续 10 个交易日里又持续上涨了 10% 左右。咱们能够想到，尽管和历史上的大涨状态类似，但这只股票还没跌够，还处于上涨趋势中，咱们须要依据其余的因素来判断，比方量价的变动，基本面的变动等等。

 论断

总体来说，笔者的做法大抵是以下几个步骤：

1. 以某种条件定义股票大涨，依据这些条件在历史数据中提取特色 4n 维向量，输出 Milvus 数据库中；
2. 从最新的股票行情里遍历每只股票，构建近期的 4n 维向量，大概 4000 条（剔除 ST 股）；
3. 对第 2 步失去的 4000 条向量，在 Milvus 数据库中搜寻最类似的 Top1，只取间隔最小的前若干名；
4. 对第 3 步失去的前几名若干只股票，做进一步研判。

这样的办法给出的后果并不是相对盈利的，其最大的价值是给咱们提供了一个疾速遍历整个市场做比对的伎俩（在笔者应用了 8 年的苹果笔记本上，拉取近期行情数据大概须要十几分钟，遍历一次 4000 多只股票大概须要 4 分钟，我是一条条搜寻的，如果批量搜应该快很多），它得出的后果能够作为我进一步研判的根据。

对股票感兴趣的敌人，心愿这篇文章可能对他们有帮忙，同时也心愿 Milvus 能在这个畛域有所帮忙。笔者尽管钻研过一段时间的股票，不过属于三脚猫的那种程度，如有不当请多担待。

注：Milvus 数据库利用面十分宽泛，能够解决很多日常生活中的数字问题，不仅限于辅助选股。须要留神的是，本文写于约半年前，文中举荐的五支股票当初有两支跌得很惨，所以本文并不是财经领导类文章，而是一个采纳数据分析办法进行的炒股试验。欢送大家一起摸索更多 Milvus 数据库的打开方式！