金融时间序列隐含模式挖掘方法及其应用研究
发布时间：2021-07-10 14:29
目前已有金融计量经济方法主要通过统计模型从全局的角度来研究时间序列，这种方法一方面依赖苛刻的假设条件，另一方面它要求所有数据都符合一个固定的数学模型，显得过于牵强。因而它们在许多实际应用中往往是失败的。针对这些不足，本文从一个新的角度，即从寻找序列中局部模式入手来获取金融序列中隐含特征信息。尽管时序挖掘正是当前研究热点，人们已取得不少成果，但是关于如何从金融时间序列中获取有价值的隐含模式的理论、方法和应用的研究都还相当缺乏，为此本文就其中的若干关键问题以及金融中的实际应用展开了研究，并提出了若干新的思想和方法。具体包括：（1） 分析了金融时间序列隐含模式挖掘的可行性，指出尽管技术分析还缺乏有力的理论依据而受到很多人的怀疑，并且与有效市场相悖，但技术分析仍然受到很多人的追捧，不能简单地认为他们是“别无选择”。并且市场是否有效还存在诸多争议，人们还难以否定历史数据对未来市场的可预测性。指出通过挖掘隐含局部模式来进行预测是一种新的思想和尝试；（2） 根据金融时间序列的特点，本文选取小波方法进行去噪预处理。探讨了有关小波非线性阈值法去噪过程中，小波函数、阈值确定方法和小波分解层次等若干关键参数...
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：146 页
【学位级别】：博士
【部分图文】：
图5.7两个加有同向作用的随机时间序列
博士学位论文图5.9表5两个加有反向作用的随机时间序列3反向作用时间序列聚类中心值序序序类别别AAABBBCCCDDDEEEFFFGGGHHHIIIJJJ列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列AAAAA斜率率一6.1111一2.6000一1.1222一0.01110.31110.88882.68883.23336.344410.2000跨跨跨度度222222333666222llll555222222222序序序类别别AAABBBCCCDDDEEEFFFGGGHHHIIIJJJ列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列BBBBB斜率率一9.4777一4.0000一2.1444一1.5555一0.63330.22220.60001.65554.51118.7999跨跨跨度度222222666222l000333666222222222在给定参数0=.075，关nof=.06，△T二2情形下进行关联模式挖掘。我们获得一个关联模式FE。其实际可靠度为.0769，置信度为.06。其中“F”为序列A中的模式，由表5.3可知，其聚类中心点的斜率为.088，跨度为11。“E”为序列B中的模式，同样可知其中心点斜率为一。.63
金融时间序列隐含模式挖掘方法及其应用研究系数来更加深入具体和细致地描述了两序列的相关特性。图6.4绘出了模式AA的部分线性化图，它清楚地反映了序列中的这种局部相关性。表6.1深发展A、浦发银行聚类中心深深发发类别别AAABBBCCCDDDEEE展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展跨跨跨度度222333666222222斜斜斜率率一0.342666一0.160555一0.1197770.1514440.972333浦浦发发类别别AAABBBCCCDDDEEE银银行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行跨跨跨度度222444777333222斜斜斜率率一0.169888一0.140111一0.123000一0.0094440.280666图6.4珠及胶、佣及银仃恨式’，AA’，明都分线住化图(网点aJI线段为模式线段)再看另一个更有意思的例子。如图6.5所示，这是深市中的两只股票，深华新(代号000010)和深纺织(代号000045)1997年11月2日一2004年5月31日的日收盘价序列，采用了上例相同的处理方法以保持两序列时间上对应相同。由图可见，两只股票的整体相关性并不大，可计算出其相关系数值仅为0.0306，按通常的判断
【参考文献】：
期刊论文
[1]基于阈值决策的小波降噪方法研究及其改进[J]. 陈景霞,潘立登. 北京化工大学学报(自然科学版). 2003(06)
[2]基于分段线性动态时间弯曲的时间序列聚类算法研究[J]. 翁颖钧,朱仲英. 微型电脑应用. 2003(09)
[3]基于MATLAB小波去噪方法的研究[J]. 杜浩藩,丛爽. 计算机仿真. 2003(07)
[4]基于小波变换的时间序列相似模式匹配[J]. 张海勤,蔡庆生. 计算机学报. 2003(03)
[5]市场有效性的检验问题[J]. 陈印. 学术研究. 2003(01)
[6]基于信息论网络的时序数据库挖掘[J]. 林芝,曹加恒,刘娟,韦丰. 计算机工程与应用. 2003(01)
[7]3σ准则在小波消噪中的应用[J]. 何世彪,杨士中. 重庆大学学报(自然科学版). 2002(12)
[8]时间序列数据的相似模式抽取[J]. 李爱国,覃征,贺升平. 西安交通大学学报. 2002(12)
[9]基于傅立叶变换的一种时间序列相似搜索算法[J]. 陈晓航,彭宏,谢运祥. 计算机工程与应用. 2002(18)
[10]异常检测算法分析[J]. 李炎,李皓,钱肖鲁,朱扬勇. 计算机工程. 2002(06)
本文编号：3276089
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：146 页
【学位级别】：博士
【部分图文】：
图5.7两个加有同向作用的随机时间序列
博士学位论文图5.9表5两个加有反向作用的随机时间序列3反向作用时间序列聚类中心值序序序类别别AAABBBCCCDDDEEEFFFGGGHHHIIIJJJ列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列AAAAA斜率率一6.1111一2.6000一1.1222一0.01110.31110.88882.68883.23336.344410.2000跨跨跨度度222222333666222llll555222222222序序序类别别AAABBBCCCDDDEEEFFFGGGHHHIIIJJJ列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列列BBBBB斜率率一9.4777一4.0000一2.1444一1.5555一0.63330.22220.60001.65554.51118.7999跨跨跨度度222222666222l000333666222222222在给定参数0=.075，关nof=.06，△T二2情形下进行关联模式挖掘。我们获得一个关联模式FE。其实际可靠度为.0769，置信度为.06。其中“F”为序列A中的模式，由表5.3可知，其聚类中心点的斜率为.088，跨度为11。“E”为序列B中的模式，同样可知其中心点斜率为一。.63
金融时间序列隐含模式挖掘方法及其应用研究系数来更加深入具体和细致地描述了两序列的相关特性。图6.4绘出了模式AA的部分线性化图，它清楚地反映了序列中的这种局部相关性。表6.1深发展A、浦发银行聚类中心深深发发类别别AAABBBCCCDDDEEE展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展展跨跨跨度度222333666222222斜斜斜率率一0.342666一0.160555一0.1197770.1514440.972333浦浦发发类别别AAABBBCCCDDDEEE银银行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行行跨跨跨度度222444777333222斜斜斜率率一0.169888一0.140111一0.123000一0.0094440.280666图6.4珠及胶、佣及银仃恨式’，AA’，明都分线住化图(网点aJI线段为模式线段)再看另一个更有意思的例子。如图6.5所示，这是深市中的两只股票，深华新(代号000010)和深纺织(代号000045)1997年11月2日一2004年5月31日的日收盘价序列，采用了上例相同的处理方法以保持两序列时间上对应相同。由图可见，两只股票的整体相关性并不大，可计算出其相关系数值仅为0.0306，按通常的判断
【参考文献】：
期刊论文
[1]基于阈值决策的小波降噪方法研究及其改进[J]. 陈景霞,潘立登. 北京化工大学学报(自然科学版). 2003(06)
[2]基于分段线性动态时间弯曲的时间序列聚类算法研究[J]. 翁颖钧,朱仲英. 微型电脑应用. 2003(09)
[3]基于MATLAB小波去噪方法的研究[J]. 杜浩藩,丛爽. 计算机仿真. 2003(07)
[4]基于小波变换的时间序列相似模式匹配[J]. 张海勤,蔡庆生. 计算机学报. 2003(03)
[5]市场有效性的检验问题[J]. 陈印. 学术研究. 2003(01)
[6]基于信息论网络的时序数据库挖掘[J]. 林芝,曹加恒,刘娟,韦丰. 计算机工程与应用. 2003(01)
[7]3σ准则在小波消噪中的应用[J]. 何世彪,杨士中. 重庆大学学报(自然科学版). 2002(12)
[8]时间序列数据的相似模式抽取[J]. 李爱国,覃征,贺升平. 西安交通大学学报. 2002(12)
[9]基于傅立叶变换的一种时间序列相似搜索算法[J]. 陈晓航,彭宏,谢运祥. 计算机工程与应用. 2002(18)
[10]异常检测算法分析[J]. 李炎,李皓,钱肖鲁,朱扬勇. 计算机工程. 2002(06)
本文编号：3276089
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3276089.html
