时间序列奇异点趋势方向研究

发布时间：2020-05-08 16:20

【摘要】：时间序列是一个庞大并且复杂的有序数据集合,在时间序列中蕴含了大量潜在有价值的信息和事物的发展规律。如何有效的利用先前的时间序列,发现这些数据背后隐含的规律,是近年来各国学者广泛关注的问题。时间序列数据挖掘能够有效的从大量历史数据中挖掘出有价值的信息。时间序列数据挖掘大部分应用于挖掘那些频繁出现的模式,期望发现其规律,异常数据通常被当做噪声而忽略。尽管异常数据是不经常发生,但往往异常数据能带给人更有价值的信息。在证券时间序列波动建模分析中,突变点或者离群值我们称为证券时间序列的奇异点。因为信息是证券市场上引起价格变动的决定性因素,所以证券时间序列中的奇异点反应了某种信息对证券时间序列的影响。许多数据挖掘算法试图使奇异点的影响最小化,甚至排除它们。但在证券时间序列中,奇异点可能影响时间序列的趋势,也能反映出许多重要特征,同时携带着重要的投资信息。因此能够准确有效的把握这类信息的影响,找出证券时间序列的奇异点与信息之间的关联,对预测股票趋势和股市投资来说都是至关重要的。由于证券时间序列中的奇异点是由信息因素所引起的,所以证券时间序列中的奇异点是证券时间序列中的奇异点是针对证券时间序列的局部而言的。基于密度的奇异点挖掘算法可以对时间序列局部存在的奇异点进行检测且检测精度较高,但这种算法无法直接用于有序的时间序列。本文根据证券时间序列奇异点的特点,采用滑动窗口的对时间序列分割,实现了有效的局部离群点检测。有效市场假说表明市场价格可以充分反映所有可获得的信息。信息在证券市场中被分为利好信息和利空信息,对于同一信息不同的股票会有不同的反应。所以对奇异点方向进行判断,可以更直观的反映出信息对证券时间序列的影响。本文在局部密度检测的基础上提出了一种对奇异点方向的判断方法,通过对实际数据的分析证明该方法的有效性。最后根据奇异点的方向对奇异点进行正向和负向分类,对不同类别奇异点产生后时间序列的趋势进行分析。结果表明奇异点的方向对证券时间的趋势存在影响。
【图文】：

收盘价,上证指数,采样间隔

56070068065064062060058054052023图2 45678仑101112131生1516171819上证指数2010年9月收盘价在对时间序列xt的采样过程中，取不相同的采样间隔△可以得到不同的时间序列xt，t=1，2，…n。采样间隔可以是相等的，也可以是不等的。实际中经常采用的是等间隔采样，因此，我们将“采样间隔相等”作为建立时间序列的一条重要准则。在合理的范围内，采样间隔△的值越小，那么采样的值就越多，信息损失也就越8

原理图,滑动窗口,原理

间序列的分段线性表示性表示〔27]是指采用首尾相邻的一系列线段来近似表示时间据过滤和压缩的作用，而且有时间多解析的特点。分段线对原始时间序列的近似粒度。分段越多，线段的长度越短，动情况;分段越少，线段的长度越长，反应了时间序列的是时间序列的模式表示方法中研究最早、最多的方法。时直观，受到众多研究者的重视。用的固定长度的滑动窗口方法也属于分段线性表示，该方法定长度为z的滑动窗口Lt;，毛、，，，t，+2，…t，+。1，对于给定时间序]，其中每个时间间隔「t，，t，+:]都是等长的。当窗口滑动到的对象，同时删除窗口内时间最靠前的对象，窗口大小保
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F830.91;TP311.13;O211.61

【参考文献】