時間序列數(shù)據(jù)包括多元時間序列和一元時間序列兩種數(shù)據(jù)類型。一元時間序列的相關(guān)研究較多,也逐漸形成一套成熟的理論和方法;然而多元時間序列的數(shù)據(jù)結(jié)構(gòu)比一元時間序列更復(fù)雜,現(xiàn)有的理論和方法仍不夠完善。多元時間序列數(shù)據(jù)在金融、醫(yī)學(xué)、過程監(jiān)控等領(lǐng)域中被大量采集,因此發(fā)展和完善多元時間序列挖掘的方法研究具有重要的意義。 相似性度量是金融時間序列挖掘中的一項(xiàng)關(guān)鍵技術(shù),但現(xiàn)有的度量方法不適合分析小規(guī)模的金融多元時間序列。作為金融多元時間序列參數(shù)化建模的預(yù)處理過程,平穩(wěn)性分析可以采用聚類方法來完成,但準(zhǔn)確率偏低。金融投資組合可以將多個一元時間序列組合成一個多元時間序列,時間序列聚類方法為資產(chǎn)選擇提供了有力的支持,但仍缺乏相關(guān)的理論和驗(yàn)證。金融高頻數(shù)據(jù)是一種不等間隔的時間序列,現(xiàn)有的相似性查找技術(shù)對高頻數(shù)據(jù)的處理效果不佳。 本文以金融多元時間序列相似性分析為研究主線,首先研究了多元時間序列挖掘中的小規(guī)模數(shù)據(jù)相似性度量問題,然后采用時間序列聚類方法來研究平穩(wěn)性分析和金融投資組合,最后就金融高頻數(shù)據(jù)的相似性查找展開研究。作為研究基礎(chǔ),本文包括了部分一元時間序列挖掘方法的研究。文中也提出了一些解決問題的方法,它們...

【文章頁數(shù)】：145 頁

【學(xué)位級別】：博士

【部分圖文】：

圖2.8多元時間序列數(shù)據(jù)

錯誤往往是在短時間內(nèi)發(fā)生，此時所收集到的監(jiān)控數(shù)據(jù)，自然是一種小規(guī)模的多元時間序列預(yù)測:比如，ROt”tExeCutionFallure數(shù)據(jù)中，第一個子數(shù)據(jù)集IPI中的第32個樣本181，如圖2.8(a)所示。在音頻數(shù)據(jù)挖掘的相關(guān)研究中，短句或字母發(fā)音采集到的音頻數(shù)據(jù)，其規(guī)模通....

圖11小規(guī)模的多元時間序列數(shù)據(jù)

(a)金融高頻數(shù)據(jù)(b)監(jiān)控數(shù)據(jù)圖11小規(guī)模的多元時間序列數(shù)據(jù)此時得到的多元時間序列數(shù)據(jù)，其時間維度的取值較小。小規(guī)模多元時間序列數(shù)據(jù)由于其數(shù)據(jù)采樣時間點(diǎn)的個數(shù)，則使得常用的一些相似性分析方法(比如C^[12.48】和EuClid方法等)對該類型數(shù)據(jù)的處理效果不佳，因此需要建立一....

圖3.2多元時間序列圖像

在三維空間中描繪出一個多元時間序列圖像，以此來探討多元時間序列的形狀特征。比如給定醫(yī)學(xué)中一個EEG數(shù)據(jù)(EEG數(shù)據(jù)編號為c02c0(沁0337的第5個樣本[4l)，可以按照l遞增順序和l遞減順序分別繪制其三維圖像，如圖3.2所示。采用三維空間來描述多元時間序列后，每一個多元時間序....

圖4.10金融股票數(shù)據(jù)

以2006年9.8為中止日，向前取股票每日的歷史數(shù)據(jù)，每個股票取200個數(shù)據(jù)，取其最高價和最低價兩個指標(biāo)構(gòu)建一個2元時間序列數(shù)據(jù)集。然后進(jìn)行實(shí)驗(yàn)，并描繪出分類后的股票數(shù)據(jù)折線圖，如圖4.10所示:60(沁306以沁3160015160026260()55060()739】】】....

本文編號：3996405