金融多元时间序列挖掘方法研究与应用

发布时间：2024-06-28 04:01

　　时间序列数据包括多元时间序列和一元时间序列两种数据类型。一元时间序列的相关研究较多,也逐渐形成一套成熟的理论和方法;然而多元时间序列的数据结构比一元时间序列更复杂,现有的理论和方法仍不够完善。多元时间序列数据在金融、医学、过程监控等领域中被大量采集,因此发展和完善多元时间序列挖掘的方法研究具有重要的意义。 相似性度量是金融时间序列挖掘中的一项关键技术,但现有的度量方法不适合分析小规模的金融多元时间序列。作为金融多元时间序列参数化建模的预处理过程,平稳性分析可以采用聚类方法来完成,但准确率偏低。金融投资组合可以将多个一元时间序列组合成一个多元时间序列,时间序列聚类方法为资产选择提供了有力的支持,但仍缺乏相关的理论和验证。金融高频数据是一种不等间隔的时间序列,现有的相似性查找技术对高频数据的处理效果不佳。 本文以金融多元时间序列相似性分析为研究主线,首先研究了多元时间序列挖掘中的小规模数据相似性度量问题,然后采用时间序列聚类方法来研究平稳性分析和金融投资组合,最后就金融高频数据的相似性查找展开研究。作为研究基础,本文包括了部分一元时间序列挖掘方法的研究。文中也提出了一些解决问题的方法,它们...

【文章页数】：145 页

【学位级别】：博士

【部分图文】：

图2.8多元时间序列数据

错误往往是在短时间内发生，此时所收集到的监控数据，自然是一种小规模的多元时间序列预测:比如，ROt”tExeCutionFallure数据中，第一个子数据集IPI中的第32个样本181，如图2.8(a)所示。在音频数据挖掘的相关研究中，短句或字母发音采集到的音频数据，其规模通....

图11小规模的多元时间序列数据

(a)金融高频数据(b)监控数据图11小规模的多元时间序列数据此时得到的多元时间序列数据，其时间维度的取值较小。小规模多元时间序列数据由于其数据采样时间点的个数，则使得常用的一些相似性分析方法(比如C^[12.48】和EuClid方法等)对该类型数据的处理效果不佳，因此需要建立一....

图3.2多元时间序列图像

在三维空间中描绘出一个多元时间序列图像，以此来探讨多元时间序列的形状特征。比如给定医学中一个EEG数据(EEG数据编号为c02c0(沁0337的第5个样本[4l)，可以按照l递增顺序和l递减顺序分别绘制其三维图像，如图3.2所示。采用三维空间来描述多元时间序列后，每一个多元时间序....

图4.10金融股票数据

以2006年9.8为中止日，向前取股票每日的历史数据，每个股票取200个数据，取其最高价和最低价两个指标构建一个2元时间序列数据集。然后进行实验，并描绘出分类后的股票数据折线图，如图4.10所示:60(沁306以沁3160015160026260()55060()739】】】....

本文编号：3996405