關(guān)于我們
書(shū)單推薦
新書(shū)推薦

金融時(shí)間序列的分析與挖掘

金融時(shí)間序列的分析與挖掘

定  價(jià):40 元

        

  • 作者:吳學(xué)雁著
  • 出版時(shí)間:2018/7/1
  • ISBN:9787535970022
  • 出 版 社:廣東科技出版社
  • 中圖法分類(lèi):F830 
  • 頁(yè)碼:140
  • 紙張:膠版紙
  • 版次:1
  • 開(kāi)本:16開(kāi)
9
7
9
8
7
7
0
5
0
3
2
5
2
  在金融領(lǐng)域中,時(shí)間序列是非常重要的一種數(shù)據(jù)類(lèi)型,例如證券市場(chǎng)中的股票價(jià)格和交易量、外匯市場(chǎng)上的匯率、期貨和黃金的交易價(jià)格等,這些數(shù)據(jù)都形成了持續(xù)不斷的時(shí)間序列。金融市場(chǎng)中的時(shí)間序列主要使用基礎(chǔ)分析和技術(shù)分析方法進(jìn)行分析,這兩種方法使用簡(jiǎn)單,但是無(wú)法對(duì)數(shù)據(jù)中隱含的更深層次的規(guī)律和特征進(jìn)行挖掘。數(shù)理統(tǒng)計(jì)分析方法是目前金融時(shí)間序列分析中比較常用的方法,隨著數(shù)據(jù)量的不斷增加,這種方法的分析能力存在一定的缺陷,各種數(shù)理統(tǒng)計(jì)分析方法都無(wú)法有效地處理較大規(guī)模的數(shù)據(jù)集,也不適合從大量數(shù)據(jù)中主動(dòng)地發(fā)現(xiàn)各種潛在的規(guī)則。因此面對(duì)金融行業(yè)不斷涌現(xiàn)的海量數(shù)據(jù),需要尋找新的數(shù)據(jù)分析和挖掘的方法。
  《金融時(shí)間序列的分析與挖掘》將數(shù)據(jù)挖掘技術(shù)運(yùn)用到金融時(shí)間序列研究中,使用關(guān)聯(lián)規(guī)則、聚類(lèi)分析等數(shù)據(jù)挖掘方法對(duì)金融時(shí)間序列中的隱含模式進(jìn)行挖掘,本文的創(chuàng)新點(diǎn)主要基于以下幾個(gè)方面:
 。1)針對(duì)金融時(shí)間序列需要保留形態(tài)特征與趨勢(shì)特征的特點(diǎn),提出了適合金融時(shí)間序列的多層次極值點(diǎn)分段表示法(MEPS),此方法能在多個(gè)層次上很大限度地保留關(guān)鍵特征點(diǎn)信息,從而能更好地捕捉和表示時(shí)間序列的形態(tài)和走勢(shì)。
 。2)針對(duì)金融時(shí)間序列需要保留形態(tài)特征與趨勢(shì)特征的特點(diǎn),在MEPS算法的基礎(chǔ)上提出了分層的動(dòng)態(tài)時(shí)間彎曲相似性度量方法(HDTW)及其改進(jìn)方法IHDTW,將時(shí)間序列在不同層次上進(jìn)行分段,然后計(jì)算對(duì)應(yīng)分段層次中子序列間的相似性,最后匯總得到序列間的相似度,在算法中對(duì)動(dòng)態(tài)時(shí)間彎曲算法(DTW)進(jìn)行了改進(jìn),并且考慮到了分層的均勻因素及趨勢(shì)因素,實(shí)驗(yàn)結(jié)果證明能大大提高相似性度量的效果和效率。
  (3)金融市場(chǎng)的運(yùn)行非常復(fù)雜,其中人的因素也非常重要,為了在金融時(shí)間序列挖掘的過(guò)程中更好地體現(xiàn)用戶(hù)的實(shí)際需求,提出了基于事件的時(shí)間序列相似性度量方法(SMBE),此算法通過(guò)對(duì)事件的定義引入用戶(hù)在相似性度量時(shí)的偏好與需求,并設(shè)計(jì)了基于SMBE的層次聚類(lèi)算法,完全以事件的相似性為中心進(jìn)行聚類(lèi),定義了類(lèi)間相似度和類(lèi)間一般距離兩個(gè)參數(shù),并以它們之間的比較作為判斷類(lèi)間距離的依據(jù),使得時(shí)間序列相似性度量及其聚類(lèi)的結(jié)果更加符合實(shí)際金融市場(chǎng)的狀態(tài)與需求。
 你還可能感興趣
 我要評(píng)論
您的姓名   驗(yàn)證碼: 圖片看不清?點(diǎn)擊重新得到驗(yàn)證碼
留言?xún)?nèi)容