本文針對(duì)證券市場(chǎng)難以預(yù)測(cè)的現(xiàn)狀,提出一種基于二維離散傅立葉變換及形態(tài)相似距離的相似性搜索算法,希望通過在歷史數(shù)據(jù)中進(jìn)行相似性搜索,找到與被查找K線形態(tài)相似的歷史數(shù)據(jù),從而為當(dāng)下提供一定的投資參考。本文提出通過基于二維離散傅立葉變換的高斯低通濾波去除時(shí)序數(shù)據(jù)中的噪聲并保留數(shù)據(jù)整體走勢(shì),再通過形態(tài)相似距離在關(guān)注形態(tài)相似程度的同時(shí)通過時(shí)序數(shù)據(jù)間距離計(jì)算相似性。實(shí)驗(yàn)表明,這種相似性搜索算法可以有效地在歷史數(shù)據(jù)中找出與被查找K線形態(tài)相似的時(shí)間序列。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖3二維離散傅立葉變換及濾波前后時(shí)序數(shù)據(jù)

以下是該時(shí)序數(shù)據(jù)經(jīng)過二維離散傅立葉變換，并通過高斯濾波器過濾高頻數(shù)據(jù)后的數(shù)據(jù)，可以看到價(jià)格曲線經(jīng)過處理后更加平滑，消除了噪聲及波動(dòng)，但保留了時(shí)序數(shù)據(jù)的整體走勢(shì)。4.3形態(tài)相似距離對(duì)形態(tài)的識(shí)別能力驗(yàn)證

圖4兩時(shí)序數(shù)據(jù)與目標(biāo)時(shí)序數(shù)據(jù)形態(tài)

4.3形態(tài)相似距離對(duì)形態(tài)的識(shí)別能力驗(yàn)證相似序列1與相似序列2在每個(gè)數(shù)據(jù)點(diǎn)處與目標(biāo)時(shí)序數(shù)據(jù)距離均為1。以歐式距離計(jì)算二者與目標(biāo)數(shù)據(jù)距離相等，但以形態(tài)相似距離計(jì)算，序列1距離更短，也符合在形態(tài)上更為相似的預(yù)設(shè)。

圖5原時(shí)序數(shù)據(jù)K線形態(tài)

本文提出了一種基于二維離散傅立葉變換及形態(tài)相似距離的相似性搜索算法。該算法首先通過二維傅立葉變換將空間域中證券時(shí)序數(shù)據(jù)轉(zhuǎn)換為頻域表示，再通過高斯低通濾波器過濾掉頻域中表示噪音的高頻分量，保留能夠描述數(shù)據(jù)整體走勢(shì)的低頻分量，從而達(dá)到對(duì)數(shù)據(jù)去噪的目的。之后使用形態(tài)相似距離計(jì)算序列間距....

圖12D-DFT分離為兩次1D-DFT示意圖

二維離散傅立葉變換的算法思想是將計(jì)算過程拆解為在行維度與列維度上各進(jìn)行一次一維離散傅立葉變換，從而獲得二維頻率域數(shù)據(jù)。由此得出二維離散傅立葉變換及其逆變換公式如下：

本文編號(hào)：3918401