時間序列分析技術在科學、經濟、氣象、醫(yī)學等諸多領域都有十分重要的應用。時間序列分析的主題眾多,主要包括系統(tǒng)描述、動態(tài)系統(tǒng)預測以及模式匹配。時間序列的特征表示是時間序列分析的重要基礎也是研究熱點之一,各種場景下的時間序列是隨著時間不斷變化著的一串數(shù)值,這種變化隨著時間的積累必然會表現(xiàn)出系統(tǒng)性的趨勢,可以反映業(yè)務場景背后的規(guī)律。而這種規(guī)律往往因為太多的干擾或其他偶然因素以致于被隱藏在序列之中難以捕捉。若能將時間序列的特征進行合理的轉換,有效的去除噪聲,更清晰的表達出序列本身反映的系統(tǒng)變化趨勢,那么對后續(xù)的分類、預測等分析以及決策將有著重要的指導意義。符號化特征表示是時間序列特征表示方式之一,它能夠實現(xiàn)時間序列的維度降低、平滑噪聲等,改善了后續(xù)分析的計算復雜度和可操作性,受到眾多學者的青睞。在時間序列特征轉換后,為了與后續(xù)分析結合,新序列之間的距離、相似性、以及預測方法將隨之改變。本文以時間序列的符號化編碼表示為基礎,對傳統(tǒng)符號化表示的方法作出有效改進,設計了一套表征時間序列系統(tǒng)趨勢特征的簡易編碼,能夠客觀、直觀的反映時間序列片段的系統(tǒng)變化規(guī)律,且這種“數(shù)值”編碼方式為編碼序列趨勢預測提供了... 

【文章來源】：南京財經大學江蘇省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景
    1.2 研究意義
    1.3 研究綜述
        1.3.1 時間序列特征表示研究綜述
        1.3.2 時間序列相似度量研究綜述
        1.3.3 研究綜述小結
    1.4 研究內容和框架
        1.4.1 研究內容
        1.4.2 章節(jié)安排
第二章 時間序列符號化編碼表示
    2.1 時間序列特征表達的簡述
    2.2 時間序列符號化編碼表示
        2.2.1 基本假設
        2.2.2 算法流程
    2.3 模型參數(shù)選擇準則
        2.3.1 參數(shù)選擇常用準則
        2.3.2 構建參數(shù)選擇準則
    2.4 本章小結
第三章 時間序列符號化編碼相似性度量
    3.1 可借鑒的相似度量方法
    3.2 編碼距離的性質
        3.2.1 距離一般性質
        3.2.2 編碼距離期望下界原理
    3.3 定義編碼距離及性質證明
        3.3.1 定義編碼距離
        3.3.2 編碼距離性質證明
    3.4 符號距離矩陣
    3.5 本章小結
第四章 基于編碼算法的金融時間序列模式匹配
    4.1 基于目標模式的快速匹配
        4.1.1 數(shù)據(jù)說明
        4.1.2 序列符號化編碼表示
        4.1.3 目標序列相似匹配結果
        4.1.4 基于不同度量方式下的結果評估
        4.1.5 算法穩(wěn)健性檢驗
    4.2 變長模式的識別應用
        4.2.1 數(shù)據(jù)說明
        4.2.2 變長序列編碼
        4.2.3 變長序列匹配
        4.2.4 輸出結果可視化
    4.3 本章小結
第五章 基于編碼表示的金融序列趨勢預測模型
    5.1 構建編碼序列ARIMA模型
        5.1.1 建模思路
        5.1.2 ARIMA模型簡介
        5.1.3 原始數(shù)據(jù)符號化編碼
        5.1.4 構建模型并預測趨勢
        5.1.5 預測趨勢結果檢驗
    5.2 特征編碼前后模型的比較分析
        5.2.1 比較思路
        5.2.2 建模流程
        5.2.3 結果比較
    5.3 本章小結
第六章 結論與展望
    6.1 結論
    6.2 創(chuàng)新點及展望
        6.2.1 文章創(chuàng)新點
        6.2.2 不足與展望
參考文獻
讀研期間發(fā)表學術論文、參與項目及獲獎情況
致謝
附錄


【參考文獻】：
期刊論文
[1]基于區(qū)間型數(shù)據(jù)的金融時間序列預測研究[J]. 楊威,韓艾,汪壽陽.  系統(tǒng)工程學報. 2016(06)
[2]基于二維奇異值分解的多元時間序列相似匹配方法[J]. 吳虎勝,張鳳鳴,鐘斌.  電子與信息學報. 2014(04)
[3]股指時間序列的分形分析及預測[J]. 張晶,王宏勇.  南京財經大學學報. 2013(05)
[4]基于曲率距離的時間序列相似性搜索方法[J]. 劉博寧,張建業(yè),張鵬,王占磊.  電子與信息學報. 2012(09)
[5]基于角點彎曲度的時間序列相似性搜索算法[J]. 張雪麗,牛強.  計算機工程. 2011(15)
[6]時間序列相似性度量的面積距離方法的研究[J]. 周慶蘭,陳然,周鵬.  軟件導刊. 2011(06)
[7]基于遺傳算法的RBF神經網絡非線性時間序列預測[J]. 郭蘭平,俞建寧,張建剛,漆玉娟,張旭東.  河北師范大學學報(自然科學版). 2011(03)
[8]基于ARIMA模型的黃金價格短期分析預測[J]. 許立平,羅明志.  財經科學. 2011(01)
[9]基于時間序列趨勢轉折點的分段線性表示[J]. 尚福華,孫達辰.  計算機應用研究. 2010(06)
[10]時間序列分析關鍵問題研究[J]. 徐興梅,陳桂芬.  農業(yè)網絡信息. 2010(01)

碩士論文
[1]基于模糊時間序列和群智能算法的股票價格波動預測研究[D]. 張世雄.浙江財經大學 2016
[2]時間序列分析的研究與應用[D]. 湯巖.東北農業(yè)大學 2007
[3]基于模糊技術的時間序列分析[D]. 梁浩.東北師范大學 2006
[4]基于灰色模型和ARIMA模型的上證指數(shù)研究[D]. 劉文抒.河海大學 2005



本文編號：3193586