当前位置: > 硕士毕业论文 > 39460字硕士毕业论文金融时间序列模型的挖掘方法分析

39460字硕士毕业论文金融时间序列模型的挖掘方法分析

论文类型:硕士毕业论文
论文字数:39460字
论点:序列,时间,金融
论文概述:

满足对金融数据更深层次挖掘和主动挖掘的需求。传统的金融时间序列分析方法不能对金融数据进行较深层次的挖掘,尤其是不能主动地寻找隐含的信息与规律,通过数据挖掘技术能够较好地解

论文正文:

第一章导言

1.1研究背景和意义
现代金融已成为一个国家社会和经济发展的重要驱动力和竞争力的重要组成部分。在当今全球经济一体化的背景下,金融业面临着更大的机遇和挑战。理解和掌握金融市场的基本规律,更直接关系到金融市场的稳定、效率和安全,探索金融市场变化规律,提高金融管理和投资效率,也成为各国政府和投资机构追求的目标之一。目前,金融创新已经成为金融企业的核心竞争力,95%的金融创新实现都严重依赖信息技术。信息技术构建的金融工具能够实时识别、度量和控制金融风险,提高财务管理的决策效率。财务管理决策正朝着智能化方向发展,财务信息化正成为当前金融业面临的一个重要课题。在2010年中国国际金融展览会信息发布会上,中国人民银行科技司司长王永红指出,国内金融业正在走向信息化和国际化。金融信息化是指基于通信网络、计算机、信息资源、人力资源等要素的国家信息结构框架。它由具有统一技术标准的综合信息网络组成,能够以不同的速率传输数据、语言和视频图像。它将各种金融信息网络系统与智能交换和增值服务相结合,创造了一种新的金融管理、管理和服务模式。这是一项以人为本的现代化工程,全方位服务于社会,极大地提高了金融企业的核心竞争力。十一五期间,在党中央、国务院的正确领导下,在银行、证券、保险等金融机构的共同努力下,我国金融信息化取得了显著成效。基于服务、运营、管理和监管理念的金融信息技术体系框架基本形成,高效安全的金融信息安全体系初步建立,为推动金融改革创新、提升中国金融业核心竞争力做出突出贡献
1.1..2金融市场的传统分析方法
金融市场是一个巨大的系统,受多种因素影响,运动规律非常复杂,时间序列数据是其综合的外在表现。由于金融市场中的数据主要是时间序列,金融市场分析通常被称为金融时间序列分析。。金融信息化已经成为我国金融稳定安全运行最基本的生存支撑环境,信息化已经被提升到金融业的战略高度。
金融业信息化的进程可以概括如下:在大数据集中的前提下,建设现代化、网络化的金融企业,以健全的综合业务系统为基础平台,以数据仓库为工具,以信息安全为技术保障。在金融信息化的过程中,产生了大量的数据,尤其是网络金融业的发展。金融机构的许多业务活动(如客户分析、投资决策、风险管理、价格预测等)。)也越来越依赖于对大量历史数据的分析。中国的投资者和金融机构也越来越意识到,分析金融数据并从中挖掘有价值的信息是实现科学管理决策的必要手段和核心工作。

[3]

1.1.2.1基本分析和技术分析
基本分析和技术分析主要用于证券市场的时间序列分析。基础分析(Basic analysis)主要用于分析股票的长期趋势,经常用于判断是否投资某只股票。技术分析(Technical analysis)主要用于分析股票的短期趋势,经常用于判断股票的买卖时机。基础分析(Basic analysis)是指通过分析影响股票市场供求的相关因素,确定股票的真实价值,判断股票市场的走势,从而为投资者选择股票提供依据。基础分析是基于因果关系的观点,具有很强的逻辑性,但在实践中很难操作。影响市场变化的因素是不断变化的,如宏观经济形势、公司的经营状况、国家的金融政策等,这些都可能影响股票市场的行为。因此,基础分析师需要有能力获得完整和及时的信息,这显然非常困难。此外,准确衡量各种市场因素的影响程度也非常困难。因此,基本分析主要是基于定性方面来描述的。技术分析是指基于市场条件变化的分析。它主要利用图表和各种技术指标来判断股票未来的价格变化趋势。常用指标包括车载诊断指数、BoLL指数和KDJ指数等。这些指标是通过简单统计历史时间序列数据获得的,如收盘价、开盘价、成交量和波动指数等。

第二章文献综述

在时间序列挖掘过程中,首先需要解决两个关键问题:一是时间序列的表示;二是如何衡量时间序列和时间序列之间以及时间序列不同子序列之间的相似性。基于这两个基本问题,可以进行时间序列数据挖掘的各种任务,包括:时间序列的分类和聚类、关联规则挖掘和时间序列预测等。本章主要关注与本文研究内容相关的几个领域,总结了现有的时间序列数据挖掘研究,包括:时间序列的分割和表示、时间序列的相似性度量、时间序列的关联规则挖掘算法和时间序列的聚类算法。

2.1时间序列的分割和表示
用其他方法表示时间序列通常用于原始数据的降维。降维最直接的方法是采样,设置采样率朱,m是时间序列的长度。是缩小的维度。直接用采样点来表示时间序列的方法非常简单直观,但是如果采样率太低,采样时间序列的形状就会失真。因此,大量学者对“如何更好地表达时间序列”的命题进行了研究。总的来说,时间序列表示方法可以分为两类:一类基于时域,另一类基于变换域。主要有两种方法使用分段近似曲线来表示序列,一种是线性插值,另一种是线性回归。

第三章金融时间序列的细分和……38-57
3.1时间序列……38-40
3.2金融时间序列的特征……40-41
3.3……41-50
3.4实验分析和评估……50-56
3.4.1实验框架……50-51
3.4.2实验结果分析……51-56 [/BR/] 3.5本章概述……56-57
第四章金融时间序列相似性度量……57-87
4.1时间序列的相似性度量……57-61 [/BR/] 4.2分级动态时间弯曲相似性度量……61-70 [/BR/] 4.2.1算法的主要思想……61-62
4.2.2算法的具体说明……62-66 [/BR/] 4.2.3实验分析和评估……66-70[/溴/] 4.3改进的分级动态时间弯曲相似性……70-81
4.4基于事件的时间序列相似性度量方法……81-86 [/BR/] 4.4.1相关定义……81-83 [/BR/] 4.4.2算法的详细描述……83-84
4.4.3实验分析和评估……84-86
4.5本章概述……86-87
第五章金融时间序列关联规则分析……87-132
5.1关联规则的基本知识……87-94 [/BR/] 5.1.1关联规则的基本概念……87-88 [/BR/] 5.1.2时间序列关联规则……88-90
5.1.3关联规则方法……90-94[/比尔/] 5.2多元时间序列……94-119 [/BR/] 5.3动态关联规则……119-130
5.4基于滑动开采间隔本章总结……130-132

结论

证券市场的时间序列主要采用基础分析和技术分析方法进行分析。这两种方法使用简单,但是它们不能挖掘隐藏在数据中的更深层次的规则和特性。数学统计分析是金融时间序列分析中的一种常用方法。然而,随着数据量的增加,该方法的分析能力存在一定的缺陷。各种数学统计分析方法不能有效处理大规模数据集,也不适合从大规模数据中主动发现各种潜在的规则。因此,面对金融业出现的海量数据,有必要寻找新的数据分析和挖掘方法。数据挖掘技术可以应用于金融领域的许多方面。在金融领域,时间序列是一种非常重要的数据类型,例如证券市场的股票价格和交易量、外汇市场的汇率、期货和黄金的交易价格等。这些数据形成一个连续的时间序列。本文主要研究金融时间序列,利用数据挖掘方法挖掘金融时间序列中隐藏的模式信息。本文的创新主要基于以下几个方面:
(1)根据金融时间序列需要保持形态特征和趋势特征的特点,提出了一种适用于金融时间序列的多层次极值点分割表示(MEPS)。该方法能够在多个层次上最大限度地保留关键特征点信息,从而更好地捕捉和表征时间序列的形状和趋势。
(2)根据金融时间序列需要保持形态和趋势特征的特点,提出了一种基于MEPS算法的分层动态时间扭曲相似性度量方法及其改进方法。对时间序列进行不同层次的分割,然后计算相应分割层次的子序列之间的相似度,最后总结序列之间的相似度,并考虑到分层的均匀性和趋势性因素,对算法中的动态时间扭曲算法(DTW)进行了改进。实验结果证明,相似性度量的效果和效率都有很大提高。然后,提出了一种基于IHDTW的聚类方法。采用共享最近邻相似度(SNN)的思想构造序列间的相似度计数矩阵,利用相似度计数矩阵寻找聚类中心序列。实验结果表明,该方法提高了寻找聚类中心序列的效率和效果,从而大大提高了算法的聚类结果。
(3)金融市场的运作非常复杂,人为因素也非常重要。为了更好地反映用户在挖掘金融时间序列过程中的实际需求,提出了一种基于事件的时间序列相似性度量方法(SMBE)。该算法通过事件的定义引入用户在相似性度量中的偏好和需求,并设计了一种基于SMBE的层次聚类算法。聚类完全以事件的相似性为中心,定义了类间相似性和类间一般距离两个参数,并将它们之间的比较作为判断类间距离的依据,使得时间序列相似性度量和聚类结果更加符合实际金融市场条件和需求。

参考
[1] yokoyamam,kwong g s,okano t,等.bio jug . chem,1992年。3: 295-301。
[2]田军,陈海,卓乐,等.一种高选择性,细胞可渗透荧光纳米探针,用于活细胞中过亚硝酸根的比率检测和成像.j .,2011,17: 6626-6634。
[3]吴文华,陈春英,田勇,等.增强染料包裹聚合物胶束的聚集诱导迁移用于生物成像[.Funct.Mater,2010,20: 1413-1423。
[4]李克,潘杰。冯树生,制备荧光共轭聚合物负载聚(dl-丙交酯-共-乙交酯)纳米粒子用于靶向细胞成像的一般策略[。函数。板牙。,2009,19: 3535-3542。
[5] OW H,LARSON D R,SRIVASTAVA M,等.制备荧光共轭聚合物负载聚(dl-丙交酯-共-乙交酯)纳米粒子用于靶向细胞成像的一般策略[.纳米列特。[2005,5: 113-117
[6]李振福,吕肯斯坦。水溶性聚(丙烯酸)接枝发光硅纳米粒子及其作为荧光生物标记物的应用[]。纳米列特。,2004,4: 1463-1467。
[7]高雪,杜弗兰·米·赫,桑特·维·普,等.嵌段共聚物胶束:制备、表征及在药物传递中的应用[.J. control.release,2005,109: 169-188。
[8]徐建平,季军,陈伟德,等.新型仿生多聚体作为药物传递的多聚体疗法[]。j .控制。发布,2005,107: 502-512。
[9] KWONA G,NAITOB M,YOKOYAMAC M,等.用于药物递送的嵌段共聚物胶束:阿霉素的装载和释放[]。j .控制。Res .,1997,48:195-201。
[10]高志,艾森伯格.嵌段共聚物不溶物的胶束化模型[[]。大分子,1993,31: 7353-7360。