本文關(guān)鍵詞：基于事件的交易行為時(shí)空域分析，，由筆耕文化傳播整理發(fā)布。

【摘要】：社會(huì)性網(wǎng)絡(luò)不同于普通的靜態(tài)網(wǎng)絡(luò),社會(huì)性網(wǎng)絡(luò)中的網(wǎng)絡(luò)結(jié)構(gòu)伴隨著時(shí)間變化而不斷變化,一定程度上反映了真實(shí)世界的狀況。股票交易量能夠很好的反映群眾對(duì)事件發(fā)生的現(xiàn)實(shí)反映,而股吧中的發(fā)帖量及發(fā)帖內(nèi)容能很好的反映群體在網(wǎng)絡(luò)虛擬世界里對(duì)事件的真實(shí)反映。然而,同一件事件的發(fā)生,群體在虛擬世界和現(xiàn)實(shí)世界的反映可能一致也可能不一致。本文最后針對(duì)兩個(gè)世界行為是否有一致性也做了相關(guān)研究。本文著重研究基于事件現(xiàn)實(shí)世界中交易行為。對(duì)股票的日交易數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘分析。由于股票交易時(shí)間序列具有非平穩(wěn),非線性等特征,所以要先對(duì)它進(jìn)行分線段性表示。本文采用了基于特殊極值點(diǎn)將序列分線段表示。然后再進(jìn)行異常檢查,聚類等分析。異常檢測(cè)采用的方法根據(jù)股票交易量的特性來檢測(cè)的,主要根據(jù)分線的斜率來判斷的。分別對(duì)每支股票的交易時(shí)間序列進(jìn)行異常檢測(cè),分析出異常的時(shí)間段(點(diǎn)),同時(shí)得到異常序列的時(shí)間域。并且每支股票的異常都用一個(gè)事件函數(shù)來表示。由于股票交易時(shí)間序列具有伸縮性,聚類分析采用的是基于改進(jìn)的動(dòng)態(tài)時(shí)間彎曲(DTW)的聚類方法。股票交易時(shí)間序列中的每個(gè)異常序列都視為一個(gè)事件,再通過聚類分析查找出具有相同異常交易行為的股票,而這些股票所屬的領(lǐng)域可以從實(shí)驗(yàn)室所研究的基于領(lǐng)域的知識(shí)圖譜中找到,最后就判斷出事件所影響到的時(shí)間域和空間域。本文對(duì)交易行為時(shí)空域的研究是為之后分析虛擬世界行為與現(xiàn)實(shí)世界行為的聯(lián)系做準(zhǔn)備。在實(shí)驗(yàn)部分也對(duì)股票貼吧(股吧)中各股的帖子量進(jìn)行分析,這屬于虛擬世界行為研究。最終找出由事件引發(fā)股民去發(fā)帖熱議某一話題的股吧。將這個(gè)結(jié)果與由股票交易量分析出來的結(jié)果相比較,判斷事件對(duì)兩級(jí)世界的影響中存在的關(guān)系。
【關(guān)鍵詞】：股票交易時(shí)間序列 數(shù)據(jù)挖掘 聚類分析 異常檢測(cè)
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.51
【目錄】：

• 摘要6-7
• ABSTRACT7-12
• 第一章 緒論12-20
• 1.1 本文研究背景及意義12-13
• 1.2 國(guó)內(nèi)外研究概況13-17
• 1.2.1 事件研究概況13-14
• 1.2.2 行為研究概況14-15
• 1.2.3 數(shù)據(jù)挖掘研究概況及在金融領(lǐng)域的應(yīng)用15-17
• 1.3 本文研究?jī)?nèi)容17-18
• 1.4 論文的組織結(jié)構(gòu)18-20
• 1.4.1 論文組織結(jié)構(gòu)18-19
• 1.4.2 論文的框架結(jié)構(gòu)圖19-20
• 第二章 相關(guān)理論與時(shí)間序列數(shù)據(jù)挖掘技術(shù)20-38
• 2.1 事件對(duì)金融行業(yè)影響及相關(guān)行為的研究20-22
• 2.1.1 事件對(duì)金融行業(yè)影響20-21
• 2.1.2 相關(guān)行為研究21-22
• 2.2 時(shí)間序列22-24
• 2.2.1 金融時(shí)間序列22-23
• 2.2.2 交易行為時(shí)間序列23-24
• 2.3 數(shù)據(jù)挖掘功能及技術(shù)24-28
• 2.3.1 數(shù)據(jù)挖掘功能25-26
• 2.3.2 數(shù)據(jù)挖掘技術(shù)26-28
• 2.4 時(shí)間序列的數(shù)據(jù)挖掘技術(shù)28-37
• 2.4.1 時(shí)間序列分段表示28-29
• 2.4.2 時(shí)間序列相似性度量29-33
• 2.4.3 時(shí)間序列異常檢測(cè)33-35
• 2.4.4 時(shí)間序列聚類35-37
• 2.5 本章小結(jié)37-38
• 第三章 交易行為時(shí)間序列的異常及聚類分析38-50
• 3.1 交易行為時(shí)間序列的分段與表示38-41
• 3.1.1 交易行為時(shí)間序列特征38
• 3.1.2 基于特殊極值點(diǎn)的時(shí)間序列分線段方法38-41
• 3.2 交易行為時(shí)間序列相似性度量41-43
• 3.2.1 交易行為時(shí)間序列特征表示41-42
• 3.2.2 線段的斜率和長(zhǎng)度表示的時(shí)間序列的相似性度量42-43
• 3.3 交易行為時(shí)間序列異常檢測(cè)43-46
• 3.3.1 事件相關(guān)定義44
• 3.3.2 交易行為時(shí)間序列異常檢測(cè)44-46
• 3.4 交易行為時(shí)間序列聚類46-49
• 3.4.1 基于事件的交易行為時(shí)間序列聚類方法47-49
• 3.5 本章小結(jié)49-50
• 第四章 基于事件的交易行為時(shí)空域模型建立50-56
• 4.1 技術(shù)流程圖50-51
• 4.2 基本定義51
• 4.3 交易行為異常檢測(cè)51-53
• 4.3.1 交易行為中存在的異常51-52
• 4.3.2 交易行為時(shí)間序列異常檢測(cè)52-53
• 4.4 基于事件的交易行為時(shí)空域模型53-55
• 4.4.1 用事件函數(shù)描述異常的交易行為53
• 4.4.2 基于事件的交易行為時(shí)空域53-55
• 4.5 本章小結(jié)55-56
• 第五章 實(shí)驗(yàn)結(jié)果及分析56-68
• 5.1 數(shù)據(jù)采集及處理56-57
• 5.2 股票交易量及貼吧帖子的數(shù)據(jù)特征57-59
• 5.2.1 股票交易量數(shù)據(jù)特征57-58
• 5.2.2 股吧帖子數(shù)據(jù)特征58-59
• 5.3 交易行為異常檢測(cè)59-64
• 5.3.1 交易時(shí)間序列分線段表示59-62
• 5.3.2 交易時(shí)間序列異常檢測(cè)62-63
• 5.3.3 用事件函數(shù)描述異常交易行為63-64
• 5.4 基于事件的交易行為空間域確定64-65
• 5.5 基于事件的現(xiàn)實(shí)世界行為與虛擬世界的行為比較65-68
• 第六章 結(jié)論與展望68-69
• 6.1 結(jié)論68
• 6.2 展望68-69
• 參考文獻(xiàn)69-73
• 作者在攻讀碩士學(xué)位期間公開發(fā)表的論文73-74
• 作者在攻讀碩士學(xué)位期間所作的項(xiàng)目74-75
• 致謝75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 肖輝,胡運(yùn)發(fā);基于分段時(shí)間彎曲距離的時(shí)間序列挖掘[J];計(jì)算機(jī)研究與發(fā)展;2005年01期

2 梁艷春,王政,周春光;模糊神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)研究與發(fā)展;1998年07期

3 賈澎濤;何華燦;劉麗;孫濤;;時(shí)間序列數(shù)據(jù)挖掘綜述[J];計(jì)算機(jī)應(yīng)用研究;2007年11期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李大偉;數(shù)據(jù)挖掘在用戶行為分析中的研究與應(yīng)用[D];北京郵電大學(xué);2009年

  本文關(guān)鍵詞：基于事件的交易行為時(shí)空域分析，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：311495