時間序列奇異點趨勢方向研究
發(fā)布時間:2020-05-08 16:20
【摘要】:時間序列是一個龐大并且復雜的有序數(shù)據(jù)集合,在時間序列中蘊含了大量潛在有價值的信息和事物的發(fā)展規(guī)律。如何有效的利用先前的時間序列,發(fā)現(xiàn)這些數(shù)據(jù)背后隱含的規(guī)律,是近年來各國學者廣泛關注的問題。時間序列數(shù)據(jù)挖掘能夠有效的從大量歷史數(shù)據(jù)中挖掘出有價值的信息。時間序列數(shù)據(jù)挖掘大部分應用于挖掘那些頻繁出現(xiàn)的模式,期望發(fā)現(xiàn)其規(guī)律,異常數(shù)據(jù)通常被當做噪聲而忽略。盡管異常數(shù)據(jù)是不經(jīng)常發(fā)生,但往往異常數(shù)據(jù)能帶給人更有價值的信息。 在證券時間序列波動建模分析中,突變點或者離群值我們稱為證券時間序列的奇異點。因為信息是證券市場上引起價格變動的決定性因素,所以證券時間序列中的奇異點反應了某種信息對證券時間序列的影響。許多數(shù)據(jù)挖掘算法試圖使奇異點的影響最小化,甚至排除它們。但在證券時間序列中,奇異點可能影響時間序列的趨勢,也能反映出許多重要特征,同時攜帶著重要的投資信息。因此能夠準確有效的把握這類信息的影響,找出證券時間序列的奇異點與信息之間的關聯(lián),對預測股票趨勢和股市投資來說都是至關重要的。 由于證券時間序列中的奇異點是由信息因素所引起的,所以證券時間序列中的奇異點是證券時間序列中的奇異點是針對證券時間序列的局部而言的。基于密度的奇異點挖掘算法可以對時間序列局部存在的奇異點進行檢測且檢測精度較高,但這種算法無法直接用于有序的時間序列。本文根據(jù)證券時間序列奇異點的特點,采用滑動窗口的對時間序列分割,實現(xiàn)了有效的局部離群點檢測。 有效市場假說表明市場價格可以充分反映所有可獲得的信息。信息在證券市場中被分為利好信息和利空信息,對于同一信息不同的股票會有不同的反應。所以對奇異點方向進行判斷,可以更直觀的反映出信息對證券時間序列的影響。本文在局部密度檢測的基礎上提出了一種對奇異點方向的判斷方法,通過對實際數(shù)據(jù)的分析證明該方法的有效性。最后根據(jù)奇異點的方向對奇異點進行正向和負向分類,對不同類別奇異點產(chǎn)生后時間序列的趨勢進行分析。結果表明奇異點的方向對證券時間的趨勢存在影響。
【圖文】:
56070068065064062060058054052023圖2 45678侖101112131生1516171819上證指數(shù)2010年9月收盤價在對時間序列xt的采樣過程中,取不相同的采樣間隔△可以得到不同的時間序列xt,t=1,2,…n。采樣間隔可以是相等的,也可以是不等的。實際中經(jīng)常采用的是等間隔采樣,因此,我們將“采樣間隔相等”作為建立時間序列的一條重要準則。在合理的范圍內(nèi),采樣間隔△的值越小,那么采樣的值就越多,信息損失也就越8
間序列的分段線性表示性表示〔27]是指采用首尾相鄰的一系列線段來近似表示時間據(jù)過濾和壓縮的作用,而且有時間多解析的特點。分段線對原始時間序列的近似粒度。分段越多,線段的長度越短,動情況;分段越少,線段的長度越長,反應了時間序列的是時間序列的模式表示方法中研究最早、最多的方法。時直觀,受到眾多研究者的重視。用的固定長度的滑動窗口方法也屬于分段線性表示,該方法定長度為z的滑動窗口Lt;,毛、,,,t,+2,…t,+。1,對于給定時間序],其中每個時間間隔「t,,t,+:]都是等長的。當窗口滑動到的對象,同時刪除窗口內(nèi)時間最靠前的對象,窗口大小保
【學位授予單位】:昆明理工大學
【學位級別】:碩士
【學位授予年份】:2011
【分類號】:F830.91;TP311.13;O211.61
本文編號:2654899
【圖文】:
56070068065064062060058054052023圖2 45678侖101112131生1516171819上證指數(shù)2010年9月收盤價在對時間序列xt的采樣過程中,取不相同的采樣間隔△可以得到不同的時間序列xt,t=1,2,…n。采樣間隔可以是相等的,也可以是不等的。實際中經(jīng)常采用的是等間隔采樣,因此,我們將“采樣間隔相等”作為建立時間序列的一條重要準則。在合理的范圍內(nèi),采樣間隔△的值越小,那么采樣的值就越多,信息損失也就越8
間序列的分段線性表示性表示〔27]是指采用首尾相鄰的一系列線段來近似表示時間據(jù)過濾和壓縮的作用,而且有時間多解析的特點。分段線對原始時間序列的近似粒度。分段越多,線段的長度越短,動情況;分段越少,線段的長度越長,反應了時間序列的是時間序列的模式表示方法中研究最早、最多的方法。時直觀,受到眾多研究者的重視。用的固定長度的滑動窗口方法也屬于分段線性表示,該方法定長度為z的滑動窗口Lt;,毛、,,,t,+2,…t,+。1,對于給定時間序],其中每個時間間隔「t,,t,+:]都是等長的。當窗口滑動到的對象,同時刪除窗口內(nèi)時間最靠前的對象,窗口大小保
【學位授予單位】:昆明理工大學
【學位級別】:碩士
【學位授予年份】:2011
【分類號】:F830.91;TP311.13;O211.61
【參考文獻】
相關期刊論文 前6條
1 翁小清;沈鈞毅;;基于滑動窗口的多變量時間序列異常數(shù)據(jù)的挖掘[J];計算機工程;2007年12期
2 詹艷艷;徐榮聰;陳曉云;;基于插值邊緣算子的時間序列模式表示[J];模式識別與人工智能;2007年03期
3 張楊;宋恒;;基于聚類技術的股市基本趨勢規(guī)律挖掘[J];數(shù)理統(tǒng)計與管理;2006年04期
4 林春燕,朱東華;證券市場信息傳播的數(shù)學模型研究[J];數(shù)學的實踐與認識;2005年11期
5 張立軍;;宏觀經(jīng)濟因素影響證券市場波動的聯(lián)立方程模型研究[J];深圳職業(yè)技術學院學報;2009年02期
6 聯(lián)蒙珂,侯立文,蔣馥;有效市場中信息有效量的探討[J];預測;2000年05期
相關博士學位論文 前1條
1 肖輝;時間序列的相似性查詢與異常檢測[D];復旦大學;2005年
相關碩士學位論文 前1條
1 曹自翔;信息公布對中國股票價格短期波動影響研究[D];北京交通大學;2008年
本文編號:2654899
本文鏈接:http://www.sikaile.net/jingjilunwen/jinrongzhengquanlunwen/2654899.html
教材專著