收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于数据挖掘的金融时间序列的小波理论应用

王文利  
【摘要】:数据挖掘技术源于商业的直接需求,因此它在各种商业领域都存在广泛的使用价值。通过在海量的股市历史数据中进行数据挖掘,得到较高兴趣度的数据,然后进行分析,并使用其它数学工具进行预测,或是研究其趋势走向,已经成为金融学术界所关注的焦点。 利用数据挖掘、小波理论对金融时间序列的时变自相似指数、波动的模拟和预测、股价指数预测等方面进行深入研究,从而有效地挖掘原始金融数据中蕴藏的有用信息,解决信息爆炸和知识获取的瓶颈问题,为投资者、企业和监管机构提供准确、及时和全面的决策信息。 本文充分利用数据挖掘和小波理论的优越性能对金融时间序列进行深入研究,从而为金融市场分析、预測和监管提供理论依据。主要研究内容如下: 利用数据挖掘进行聚类分析,利用基于遗传算法的聚类技术进行数据的提取。概念聚类技术其要点是,在划分对象时不仅考虑对象之间的距离,还要求划分出的类具有某种内涵描述,从而避免了传统技术的某些片面性。该算法是在遗传算法思想与K均值算法思想的基础上结合产生的。我们把K均值方法引入到遗传算法的进化中。首先,产生遗传算法的第一代并开始进化。在每代进化中,我们都用K均值方法对每个个体进行进一步的优化。这相当于在每一代都要对所有个体计算以其为初始值的K均值问题的局部最优结果,并以这些局部最优结果替换掉原来的个体并继续进化,直到达到最大代数或者结果符合要求为止。这种方法力图通过遗传算法来保证获取全局最优解,而用K均值方法提高算法的收敛速度。 针对傅立叶变换不能确定信号奇异点的分布情况及其位置的缺陷,研究了金融时间序列周期检测的小波理论及应用,提出利用小波变换检测金融时间序列的可行性,结合Nasdaq综合指数进行相应的实证研究,结果表明美国股市具有显著的周期式特征。 在简述金融时间序列预测技术研究现状的基础上,进行了小波预测与实证的比较研究。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘兴波;都春;;K-means算法的改进及其在高师教学技能考评系统中的应用[J];辽宁师专学报(自然科学版);2010年04期
2 张天伍;李卫平;;一种基于密度的引力聚类算法[J];河南科学;2008年11期
3 唐皓;刘希玉;;引力流形上的空间聚类[J];科协论坛(下半月);2009年10期
4 唐皓;刘希玉;;基于密度流形上的空间聚类[J];河北大学学报(自然科学版);2009年06期
5 徐向阳;司智勇;;基于磁盘的K-均值算法研究[J];河南科学;2007年04期
6 中国人民大学统计系数据挖掘中心;数据挖掘中的聚类分析[J];统计与信息论坛;2002年03期
7 来升强,朱建平;数据挖掘中高维定性数据的粗糙集聚类[J];统计研究;2005年08期
8 孙军华;一个近似的线性时间聚类算法[J];广西师范学院学报(自然科学版);2005年03期
9 李良俊;;应用于数据聚类的ART2改进算法研究[J];辽宁师范大学学报(自然科学版);2007年02期
10 何海鹰;朱建平;谢邦昌;陈铮;;数据挖掘在投资理财意识调查分析中的应用[J];统计与信息论坛;2008年09期
11 汪莉;;基于改进k-means算法的入侵检测方法设计[J];科技广场;2010年05期
12 谭庆;;基于k-means聚类算法的试卷成绩分析研究[J];河南大学学报(自然科学版);2009年04期
13 王显明;;基于聚类挖掘的移动资费体系研究与设计[J];贵州大学学报(自然科学版);2009年06期
14 刘文军;游兴中;;一种改进的凝聚层次聚类法[J];吉首大学学报(自然科学版);2011年04期
15 殷瑞飞;朱建平;;数据挖掘中一种新的聚类方法——基于对应分析与因子旋转[J];统计研究;2008年01期
16 荆志伟;王忠;王永炎;高思华;;基因芯片数据分析方法研究进展[J];生物技术通讯;2007年01期
17 程国建;刘淑英;;基于自组织映射网络的油藏表征模型[J];计算机应用研究;2007年10期
18 廖之君;马文丽;梁爽;郑文岭;;GeneSifter在基因表达谱芯片数据挖掘中的应用[J];医学信息;2007年11期
19 何海鹰;朱建平;谢邦昌;;证券投资意识调查分析——基于数据挖掘的视角[J];统计研究;2008年09期
20 张光前;王久铱;周宽久;;基于领域知识的纳税评估方法研究[J];数理统计与管理;2007年02期
中国重要会议论文全文数据库 前10条
1 楚红涛;寒枫;张燕;王婷;;基于数据流的挖掘研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
2 于健;陈子军;李霞;李炜;;一种新的多密度聚类算法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年
3 潘玉奇;石冰;周劲;袁宁;;基于多维数据模型的聚类分析的研究[A];山东省计算机学会2005年信息技术与信息化研讨会论文集(一)[C];2005年
4 田小丽;郑康锋;钮心忻;;一种基于改进K-Medoids算法的网络攻击检测技术[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年
5 王静;汪晓刚;;一种新的保护原始数据隐私性的聚类算法[A];第十届中国科协年会论文集(三)[C];2008年
6 张昕;彭宏;郑启伦;;基于微粒群算法的聚类分析[A];2006年全国开放式分布与并行计算学术会议论文集(一)[C];2006年
7 薛鲁华;张楠;;聚类分析在Web数据挖掘中的应用[A];北京市第十三次统计科学讨论会论文选编[C];2006年
8 刘剑;;基于数据挖掘聚类的节理统计分析方法[A];中国水力发电工程学会第四届地质及勘探专业委员会第一次学术交流会论文集[C];2008年
9 岑琴;赵建民;朱信忠;;基于Multi-Agent与数据挖掘的电子商务系统[A];2006年全国理论计算机科学学术年会论文集[C];2006年
10 沈勇;颜建军;王忆勤;许朝霞;刘国萍;夏春明;李福凤;燕海霞;郭睿;;基于数据挖掘的中医信息处理方法研究概述[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 杨小兵;聚类分析中若干关键技术的研究[D];浙江大学;2005年
2 张瑀;基于实验数据挖掘与细胞自动机的结构分析方法[D];哈尔滨工业大学;2010年
3 王川;基因芯片数据管理及数据挖掘[D];中国科学院研究生院(上海生命科学研究院);2004年
4 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
5 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
6 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年
7 刘寨华;基于临床数据分析的病毒性心肌炎证候演变规律研究[D];黑龙江中医药大学;2006年
8 王涛;挖掘序列模式和结构化模式的精简集[D];华中科技大学;2006年
9 郭斯羽;动态数据中的数据挖掘研究[D];浙江大学;2002年
10 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 王薇;基于鱼群的K均值聚类算法研究[D];哈尔滨工程大学;2008年
2 王天真;基于神经网络的智能数据挖掘方法及应用研究[D];上海海事大学;2003年
3 于泓漪;道路交通事故原因的聚类分析[D];吉林大学;2005年
4 侯雪波;关联规则挖掘技术在电力市场营销分析中的应用[D];天津大学;2005年
5 武兆慧;基于遗传算法的聚类方法研究[D];山东师范大学;2006年
6 张兆中;WEB文本挖掘的聚类分析[D];山东科技大学;2005年
7 唐艺军;基于蚁群算法的数据挖掘应用研究[D];辽宁工程技术大学;2007年
8 罗贤缙;聚类分析在电力营销中的应用研究[D];华北电力大学(河北);2005年
9 王石;进化神经网络聚类技术及其在数据挖掘中的应用[D];山东大学;2005年
10 王煜;基于模式相似的子空间聚类算法研究[D];河海大学;2006年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
3 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
5 张立明;数据挖掘之道[N];网络世界;2003年
6 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
7 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
8 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
9 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
10 张舒博;数据挖掘 提升品牌的好帮手[N];首都建设报;2009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
  • 010-62982499
  • 010-62783978