毕业设计之：基于 Python 的股票价格序列相似性分析 完整代码+数据集

摘要：本文主要能够根据用户所提供的股票寻找同行业内与其价格序列相似的股票，并能通过其在历史中的重复性对今后的趋势做预测。使用 Python 及相关库，结合动态时间弯曲(DTW)算法，用折线图的方式形象直观地展现出分析结果。

关键字：Python；股票价格序列；相似性；时间动态弯曲法；DTW

研究目的与意义

随着经济的发展，人民生活水平的提高，越来越多的人开始在股票、债券、基金等金融产品中投资理财。其中，股票市场无疑是非常火热的一个地方。如何找到一个好的投资策略无疑是大家最关心的问题。股票之间的关联度非常高，因此股市之间的联动性研究成为了股票市场研究的一个重要内容。股票市场联动性的研究不仅能够帮助投资者分析股票信息、掌握市场动态，还能够协助投资者做出相对正确的投资策略，从而实现收益增加[1]。

证券市场是否有效率，一直是金融理论界和业界关注的问题。1965 年，美国学者尤金·法马提出了“市场有效性假说”(EMH)。在这个假说下，证券市场的有效性是指信息的有效性，也就是说，若“市场内所有证券的价格在任何时候都能准确地反映出所有有关的信息”，则称市场是有效的。从法马提出 EMH 之后的近 40 多年来，市场有效性假说一直是金融学理论的核心命题。按照这一理论，证券市场的许多现象都可以用理性交易者模型来诠释[2]。