時間序列數據包括多元時間序列和一元時間序列兩種數據類型。一元時間序列的相關研究較多,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據結構比一元時間序列更復雜,現有的理論和方法仍不夠完善。多元時間序列數據在金融、醫學、過程監控等領域中被大量采集,因此發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關鍵技術,但現有的度量方法不適合分析小規模的金融多元時間序列。作為金融多元時間序列參數化建模的預處理過程,平穩性分析可以采用聚類方法來完成,但準確率偏低。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選擇提供了有力的支持,但仍缺乏相關的理論和驗證。金融高頻數據是一種不等間隔的時間序列,現有的相似性查找技術對高頻數據的處理效果不佳。 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模數據相似性度量問題,然后采用時間序列聚類方法來研究平穩性分析和金融投資組合,最后就金融高頻數據的相似性查找展開研究。作為研究基礎,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】：145 頁

【學位級別】：博士

【部分圖文】：

圖2.8多元時間序列數據

錯誤往往是在短時間內發生，此時所收集到的監控數據，自然是一種小規模的多元時間序列預測:比如，ROt”tExeCutionFallure數據中，第一個子數據集IPI中的第32個樣本181，如圖2.8(a)所示。在音頻數據挖掘的相關研究中，短句或字母發音采集到的音頻數據，其規模通....

圖11小規模的多元時間序列數據

(a)金融高頻數據(b)監控數據圖11小規模的多元時間序列數據此時得到的多元時間序列數據，其時間維度的取值較小。小規模多元時間序列數據由于其數據采樣時間點的個數，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)對該類型數據的處理效果不佳，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。比如給定醫學中一個EEG數據(EEG數據編號為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金融股票數據

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

本文編號：3996405