收藏本站
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。


知网文化
【相似文献】
中国期刊全文数据库 前20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
11 黄小蓓;隆永红;;分布式数据库管理系统中的並发控制——算法及其性能分析[J];计算技术与自动化;1988年02期
12 李丽珊,朱文兴;基于簇中心动态迁移的一个聚类算法[J];福建农业大学学报;2004年04期
13 王金城;王晓琳;庞古风;;关联规则挖掘算法及其在冷轧生产中的应用[J];清华大学学报(自然科学版);2007年S2期
14 郑皎凌;;大型Web站点逻辑域挖掘算法[J];计算机工程;2008年09期
15 叶福兰;施忠兴;;Apriori算法的改进及应用[J];现代计算机(专业版);2009年09期
16 曹华;;一种高效的Apriori算法优化方法[J];信息系统工程;2012年01期
17 冯能山;林志华;熊金志;祝建军;;一种k-means聚类的改进算法与实现[J];软件导刊;2012年03期
18 杨更;;改进的DK算法在网络信息聚类中的应用[J];计算机应用与软件;2012年08期
19 黄超君;范剑波;;Apriori算法的分析与改进[J];宁波工程学院学报;2013年02期
20 曹金保;;人工蜂群算法研究综述[J];电子设计工程;2013年23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
  • 010-62982499
  • 010-62783978