發(fā)布時間：2024-12-10 01:48

　　時間序列數(shù)據(jù)在生產(chǎn)與生活中普遍存在,已有不少學(xué)者對時間序列挖掘技術(shù)進(jìn)行研究。隨著研究深入,一元時間序列挖掘技術(shù)逐漸成熟,其在金融證券領(lǐng)域也得到廣泛應(yīng)用。例如,利用時間序列分析證券市場的特征,進(jìn)行交易建議等。金融時間序列分析成為金融研究中的重要方向。多元時間序列數(shù)據(jù)同時利用多個指標(biāo)描述對象,其表達(dá)的信息,隱藏的知識遠(yuǎn)遠(yuǎn)多于一元時間序列。但是由于其高維性和復(fù)雜性,目前對于多元時間序列的研究相對不足,在金融應(yīng)用方面也缺少基于多元數(shù)據(jù)的分析。本文針對多元時間序列聚類技術(shù)從不同角度出發(fā),提出兩種新的多元時間序列聚類模型:(1)引入屬性權(quán)值和模糊隸屬度矩陣提出一種屬性加權(quán)的多元時間序列聚類方法。該方法根據(jù)不同維度數(shù)據(jù)的離散程度賦予相應(yīng)維度不同權(quán)重,并通過距離信息將原始多元時間序列轉(zhuǎn)換為模糊隸屬度矩陣。最終,通過模糊均值聚類得到聚類結(jié)果。仿真實(shí)驗(yàn)證實(shí)該方法能夠有效提升多元時間序列的聚類質(zhì)量,適用于指定類簇的多元時間序列聚類。(2)提出一種無參數(shù)聚類方法,從復(fù)雜網(wǎng)絡(luò)角度將基于社區(qū)發(fā)現(xiàn)的一元時間序列聚類拓展到多元時間序列數(shù)據(jù)中。新方法通過綜合考慮多元時間序列數(shù)據(jù)在各個維度上的多個最近鄰居數(shù)從而避免聚類過程...

【文章頁數(shù)】：97 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究綜述
        1.2.1 表示性聚類方法
        1.2.2 結(jié)合相似性度量的聚類方法
        1.2.3 改進(jìn)流程的聚類方法
        1.2.4 時間序列聚類在證券領(lǐng)域的應(yīng)用
        1.2.5 現(xiàn)有研究的不足
    1.3 主要內(nèi)容與論文結(jié)構(gòu)
        1.3.1 主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
        1.3.3 技術(shù)路線
第2章 相關(guān)理論基礎(chǔ)
    2.1 多元時間序列的概念
    2.2 多元時間序列的特性
    2.3 聚類算法
        2.3.1 模糊C均值聚類
        2.3.2 基于密度峰值的聚類
第3章 屬性加權(quán)的多元時間序列聚類方法
    3.1 基于形狀的時間序列相似性度量
    3.2 加權(quán)聚類方法
        3.2.1 屬性權(quán)值計算
        3.2.2 模糊隸屬度矩陣的構(gòu)建
        3.2.3 聚類流程
        3.2.4 時間復(fù)雜度
    3.3 .實(shí)驗(yàn)結(jié)果與分析
        3.3.1 有效性驗(yàn)證
        3.3.2 對比實(shí)驗(yàn)
        3.3.3 時間消耗
    3.4 本章小結(jié)
第4章 基于社區(qū)發(fā)現(xiàn)的多元時間序列聚類方法
    4.1 理論方法
        4.1.1 K近鄰分類方法
        4.1.2 SDTW距離度量方法
    4.2 無參數(shù)聚類方法
        4.2.1 鄰居矩陣
        4.2.2 復(fù)雜網(wǎng)絡(luò)構(gòu)建
        4.2.3 聚類流程
        4.2.4 時間復(fù)雜度分析
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 參數(shù)對比實(shí)驗(yàn)
        4.3.2 聚類結(jié)果
        4.3.3 時間消耗
    4.4 本章小結(jié)
第5章 基于多元時間聚類的類簇分析及選股策略
    5.1 馬科維茲模型
        5.1.1 馬科維茲投資組合模型的基本假設(shè)
        5.1.2 馬科維茲均值方差模型
    5.2 股票數(shù)據(jù)選取
        5.2.1 股票交易數(shù)據(jù)的屬性
        5.2.2 樣本選擇
    5.3 基于聚類的股票分析流程
    5.4 多元股票數(shù)據(jù)的社區(qū)構(gòu)建
    5.5 聚類結(jié)果分析
        5.5.1 類簇行業(yè)股票統(tǒng)計分析
        5.5.2 類簇股票收盤價波動可視化分析
    5.6 基于聚類的選股策略
        5.6.1 夏普最大選股策略
        5.6.2 風(fēng)險分散選股策略
    5.7 本章小結(jié)
第6章 結(jié)論與展望
    6.1 研究結(jié)論
    6.2 研究展望
參考文獻(xiàn)
致謝
附錄
攻讀碩士學(xué)位期間科研成果



本文編號：4015410