收藏本站
《华南理工大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

金融时间序列模式挖掘方法的研究

吴学雁  
【摘要】:金融机构的大量业务活动都越来越依赖于对大量历史数据的分析,从金融数据中挖掘出有价值的信息是金融管理决策智能化的必要手段与核心工作。时间序列是金融领域中非常重要的一种数据类型,而传统的金融时间序列分析方法都无法有效地处理较大规模的数据集,也无法从大量数据中主动地发现各种潜在规则。数据挖掘技术为金融时间序列的模式挖掘提供了有效的途径。 本文结合金融时间序列的特征与金融分析的需求,运用数据挖掘技术对金融时间序列模式挖掘的相关方法进行研究,包括金融时间序列的分段与表示、金融时间序列的相似性计算、金融时间序列的关联规则挖掘与聚类分析等等,这些问题的研究对于金融市场隐含模式与规律的主动发现以及金融领域趋势分析与趋势预测具有非常重要的意义。本文的研究成果主要包括以下几个方面: (1)金融时间序列的形态和趋势本身都蕴含了大量的信息,然而,很多时间序列分段和表示的方法都破坏了序列的形态,或者平滑掉了关键点。针对这一问题,本文提出了多层次极值点分段表示法(MEPS),根据序列点与相关邻域内的点之间的比较来确定该点的重要程度,并在不同重要程度的层次上对序列进行分段。此方法在不同层次上保留了序列的关键点信息,从而能充分捕捉和表示时间序列的趋势与形态。 (2)针对金融时间序列相似性度量的问题,本文提出了基于分层的动态时间弯曲相似性度量方法(HDTW),使用MEPS算法将时间序列在不同层次上进行分段,然后使用DTW算法计算对应层次的相似性。并在此基础上从三个方面进一步提出了改进算法(IHDTW),提高了相似性度量的准确性与效率。最后,在相似性度量过程中加入了用户的实际偏好与需求,通过事件的定义来抽象用户的挖掘需求,提出了基于事件的时间序列相似性度量方法(SMBE),使得时间序列相似性度量的结果更加符合实际。 (3)多元时间序列跨事务时间序列关联规则挖掘对于准确预测金融时间序列的走势具有非常重要的意义。本文首先提出了一种优化的O-Apriori算法,设计并定义了频繁状态矩阵来存放项集的频繁状态,并根据跨事务时间序列关联规则的定义对寻找频繁项集的过程进行约简,大大提高了算法的效率。然后,提出了基于可变支持度的O-Apriori算法(VSO-Apriori),设置变化的最小支持度阂值来对应不同级别的频繁项集,能挖掘出更多有效的关联规则。最后,基于滑动时间窗口的思想提出了一种动态关联规则挖掘的算法(SI-DARM),该算法能对多条实时时间序列数据流在不同挖掘区间进行频繁项集与关联规则的挖掘,并能跟踪及演化频繁项集在不同挖掘区间的模式变化。 (4)聚类分析也是金融时间序列挖掘中非常重要的一项内容,通常为其他的数据挖掘任务提供先期的分类结果。本文首先提出了基于IHDTW的聚类算法,采用共享最近邻相似度(SNN)的思想构建序列间的相似性计数矩阵,并利用相似性计数矩阵来寻找聚类中心序列,大大提升了聚类效果。然后,提出了一种基于SMBE的层次聚类算法,该算法专门针对满足用户需求的事件的相似性进行聚类,采用类间相似度和类间一般距离两个参数的比较作为判断类间距离的依据,大大提升了聚类的效果。最后,提出了一种基于形态特征的多时间序列数据流的实时聚类算法,在数据概要设计中采用重要特征点作为子序列的特征信息,采用动态滑动窗口设计保证了多条数据流之间的数据同步,该算法可以实现任意时刻的数据流聚类,并且能够实时追踪聚类结果的演化过程。 (5)综合运用前面提出的金融时间序列的关联规则挖掘算法和金融时间序列的聚类算法,提出了金融时间序列的综合预测方法,并以实际的沪深A股交易市场的数据为例对预测方法进行了验证,该方法可以对3个交易日内股票价格的变化区间和60个交易日内股票价格变化的趋势进行比较准确的分析与预测。
【学位授予单位】:华南理工大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP311.13

【引证文献】
中国博士学位论文全文数据库 前2条
1 李海林;时间序列数据挖掘中的特征表示与相似性度量方法研究[D];大连理工大学;2012年
2 郭洪伟;消费者信心指数的研究[D];首都经济贸易大学;2012年
中国硕士学位论文全文数据库 前4条
1 袁杰;关于股票市场中股票间相关性测量方法的研究[D];哈尔滨工业大学;2015年
2 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年
3 陈金佑;数据挖掘在股票分析中的应用研究[D];华南理工大学;2014年
4 董曼丽;基于时序分析的隧道通风控制技术研究[D];西安电子科技大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 朱天;白似雪;王柏;吴斌;;基于时间段的时序规则发现[J];通信学报;2009年08期
2 刘俊;张忠林;谢彦峰;米伟;;基于时间序列模型的动态关联规则元规则挖掘[J];计算机工程;2009年15期
3 张晓龙;曾伟;;实时数据流聚类的研究新进展[J];计算机工程与设计;2009年09期
4 吴大岳;谢福鼎;孙岩;张永;;时序波动关联规则概念格并行挖掘的一个新算法[J];计算机科学;2008年10期
5 刘俊;谢彦峰;张忠林;贾利敏;;基于灰色Markov模型动态关联规则的元规则挖掘[J];计算机应用;2008年09期
6 国宏伟;高学东;陈令坤;杨天钧;;多维时序模糊关联规则在高炉炉温预报中的应用[J];北京科技大学学报;2008年05期
7 曲文龙;李海燕;刘永伟;杨炳儒;;基于小波和支持向量机的多尺度时间序列预测[J];计算机工程与应用;2007年29期
8 杨春宇;周杰;;一种混合属性数据流聚类算法[J];计算机学报;2007年08期
9 张诚;郑诚;;基于时间的模糊关联规则挖掘[J];计算机技术与发展;2007年07期
10 刘建桥;陈方正;孙文全;;基于时变的我国开放式基金选股和择时能力定量分析[J];华中师范大学学报(自然科学版);2007年02期
中国博士学位论文全文数据库 前3条
1 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年
2 李成安;分布式环境下聚类分析新方法的研究[D];浙江大学;2006年
3 黄超;基于特征分析的金融时间序列挖掘若干关键问题研究[D];复旦大学;2005年
中国硕士学位论文全文数据库 前1条
1 何云峰;关联规则算法研究及在股市中的应用[D];西南交通大学;2006年
【共引文献】
中国期刊全文数据库 前10条
1 廖长友;赵修文;;基金经理的投资能力及其实证证据——基于基金财富增加值的视角[J];经济与管理评论;2016年06期
2 朱俚治;朱梧檟;;一种实现混合属性数据流聚类的算法[J];计算技术与自动化;2016年02期
3 易力;胡振华;;风格择时能力对基金绩效的影响研究[J];管理评论;2016年04期
4 陈晋音;何辉豪;杨东勇;;一种面向混合属性数据流的基于密度的聚类算法研究[J];小型微型计算机系统;2016年01期
5 艾伟;张冬宁;;一种基于分群矩阵的目标动态分群算法[J];无线电工程;2015年12期
6 赵昊;汪涛;许凡;方彦军;;时序动态关联规则挖掘中趋势变化与预测[J];河南科技大学学报(自然科学版);2015年06期
7 张忠林;石皓尹;闫光辉;;灰色Markov模型动态关联规则趋势度挖掘方法[J];计算机工程与应用;2015年07期
8 刘晋胜;;基于平均互信息的混合条件属性聚类算法[J];计算机科学;2015年03期
9 王小妮;;具有资源约束的自适应聚类算法[J];计算机工程与设计;2015年01期
10 刘永志;皮德常;贾学萍;;基于三点的时间序列关键点研究[J];微电子学与计算机;2015年01期
中国博士学位论文全文数据库 前10条
1 李磊;基于GNSS的电离层总电子含量的预测与应用研究[D];大连海事大学;2015年
2 敖谷昌;城市快速路交通状态特性及关联分析方法研究[D];北京交通大学;2014年
3 郭洪伟;消费者信心指数的研究[D];首都经济贸易大学;2012年
4 孙吉红;长时间序列聚类方法及其在股票价格中的应用研究[D];武汉大学;2011年
5 叶红云;面向金融营销问题的个性化推荐方法研究[D];合肥工业大学;2011年
6 吴学雁;金融时间序列模式挖掘方法的研究[D];华南理工大学;2010年
7 倪丽萍;基于分形技术的金融数据分析方法研究[D];合肥工业大学;2010年
8 张云洲;基于传感器网络的建筑灾难救援系统若干关键技术研究[D];东北大学;2009年
9 管河山;金融多元时间序列挖掘方法研究与应用[D];厦门大学;2008年
10 段江娇;基于模型的时间序列数据挖掘[D];复旦大学;2008年
中国硕士学位论文全文数据库 前6条
1 王敦婷;团购网站中的数据挖掘应用技术研究[D];浙江工业大学;2013年
2 刘利民;物联网运维系统标准化技术的研究[D];华中师范大学;2012年
3 李文文;数据挖掘技术在证券行业中的应用研究[D];大连交通大学;2010年
4 丁廉业;数据挖掘技术在证券分析中的研究及应用[D];西南财经大学;2009年
5 曹茸;基于时间序列的图形挖掘[D];西安电子科技大学;2009年
6 李伟东;关联规则算法在股市中的应用研究[D];内蒙古大学;2007年
【同被引文献】
中国博士学位论文全文数据库 前8条
1 吴学雁;金融时间序列模式挖掘方法的研究[D];华南理工大学;2010年
2 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年
3 管河山;金融多元时间序列挖掘方法研究与应用[D];厦门大学;2008年
4 李俊奎;时间序列相似性问题研究[D];华中科技大学;2008年
5 段江娇;基于模型的时间序列数据挖掘[D];复旦大学;2008年
6 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年
7 赵基;基于数据挖掘的银行客户分析管理关键技术研究[D];浙江大学;2005年
8 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年
中国硕士学位论文全文数据库 前10条
1 康静;金融时间序列的若干问题研究[D];北京交通大学;2014年
2 史书真;股价时间序列的分析与预测研究[D];大连理工大学;2013年
3 吴婷;安全生产规划编制策略与方法研究[D];中国地质大学(北京);2013年
4 金建华;基于主成分分析法的3G网络综合性能评价[D];大连理工大学;2013年
5 蒋乐冰;股指期货推出对股票相关性的影响研究[D];中南大学;2012年
6 叶翔;基于时间序列的关联规则数据挖掘在证券中的应用[D];南昌大学;2012年
7 许人杰;股市波动与宏观经济关联性的实证分析[D];华南理工大学;2012年
8 林明球;我国上市公司股票价格与财务信息的相关性研究[D];广东商学院;2011年
9 魏宁;时间序列分析方法研究及其在陕西省GDP预测中的应用[D];西北农林科技大学;2010年
10 杨宇鹏;基于时间序列的数据预测问题研究[D];吉林大学;2010年
【二级引证文献】
中国博士学位论文全文数据库 前1条
1 孙友强;时间序列数据挖掘中的维数约简与预测方法研究[D];中国科学技术大学;2014年
中国硕士学位论文全文数据库 前2条
1 王朝龙;股票交易决策模型研究[D];西南石油大学;2016年
2 解畅;基于粗糙集的股票推荐研究[D];哈尔滨理工大学;2016年
【二级参考文献】
中国期刊全文数据库 前10条
1 杨春宇;周杰;;一种混合属性数据流聚类算法[J];计算机学报;2007年08期
2 常建龙;曹锋;周傲英+;;基于滑动窗口的进化数据流聚类[J];软件学报;2007年04期
3 孙玉芬;卢炎生;;一种基于网格方法的高维数据流子空间聚类算法[J];计算机科学;2007年04期
4 曹锋;周傲英;;基于图形处理器的数据流快速聚类[J];软件学报;2007年02期
5 荣冈;刘进锋;顾海杰;;数据库中动态关联规则的挖掘[J];控制理论与应用;2007年01期
6 周晓云;孙志挥;张柏礼;杨宜东;;高维数据流聚类及其演化分析研究[J];计算机研究与发展;2006年11期
7 陈东平;卜宁;;我国开放式基金选股与择时能力的实证分析[J];郑州航空工业管理学院学报;2006年05期
8 朱蔚恒;印鉴;谢益煌;;基于数据流的任意形状聚类算法[J];软件学报;2006年03期
9 曲文龙;樊广佺;杨炳儒;;基于支持向量机的复杂时间序列预测研究[J];计算机工程;2005年23期
10 傅安里,马超群,杨晓光;证券投资基金波动择时能力研究[J];当代财经;2005年01期
中国博士学位论文全文数据库 前6条
1 兰秋军;金融时间序列隐含模式挖掘方法及其应用研究[D];湖南大学;2005年
2 王达;时间序列数据挖掘研究与应用[D];浙江大学;2004年
3 黄逸民;基于多Agent的智能管理信息系统理论与应用研究[D];浙江大学;2002年
4 冯红伟;数据挖掘技术的研究及应用[D];西北工业大学;2002年
5 张保稳;时间序列数据挖掘研究[D];西北工业大学;2002年
6 刘海龙;动态环境下分布式智能系统的任务协作理论研究[D];浙江大学;2001年
【相似文献】
中国期刊全文数据库 前10条
1 邹汪平;;一种基于网络安全控制的蜂群算法应用研究[J];吉林师范大学学报(自然科学版);2013年04期
2 李向伟;曹博;;时间参数在HITS算法中的应用及改进[J];兰州工业高等专科学校学报;2006年02期
3 吴涛;彭笃学;;一种改进的直线段裁剪算法[J];湛江师范学院学报;2008年03期
4 张瑞子;南琳;胡琨元;田景贺;;基于EPC Class-1 Gen-2标准的防冲突算法与改进[J];计算机工程;2009年02期
5 黄超;周宁;倪佑生;;基于蚁群算法的攻击图分析[J];计算机工程;2009年18期
6 秦永彬;许道云;;警示传播算法的原理分析及算法改进[J];计算机工程与应用;2010年19期
7 郭毅可;韩锐;;云计算中的弹性算法:概要和展望[J];上海大学学报(自然科学版);2013年01期
8 牛玉静;唐棣;;双步圆的反走样生成算法[J];计算机工程与应用;2010年23期
9 肖璞;;XML索引更新算法的改进[J];南京工程学院学报(自然科学版);2010年03期
10 周骏;陈鸣;张佳明;;两类频繁项算法在网络流上的适用性评估[J];计算机工程;2011年16期
中国重要会议论文全文数据库 前10条
1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年
2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年
3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年
4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年
7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年
10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
中国博士学位论文全文数据库 前10条
1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年
2 刘燕;入侵杂草优化算法在阵列天线综合中的应用[D];西安电子科技大学;2015年
3 苗义烽;突发事件下的列车运行调度模型与算法研究[D];中国铁道科学研究院;2015年
4 杨玉婷;头脑风暴优化算法与基于视频的非接触式运动定量分析方法研究[D];浙江大学;2015年
5 刘杰;全局优化问题的几类新算法[D];西安电子科技大学;2015年
6 柏静;基于多种混合策略的人工蜂群算法改进研究[D];山东师范大学;2016年
7 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年
8 匡立;分形网络的理论、算法及应用研究[D];武汉大学;2015年
9 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年
10 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
中国硕士学位论文全文数据库 前10条
1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年
2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年
3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年
4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年
5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年
6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年
7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年
8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年
9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年
10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026