gogo中日韩人体大胆高清专业,二次元人物桶动漫人物免费漫画网站

　　在金融領域中，時間序列是非常重要的一種數據類型，例如證券市場中的股票價格和交易量、外匯市場上的匯率、期貨和黃金的交易價格等，這些數據都形成了持續(xù)不斷的時間序列。金融市場中的時間序列主要使用基礎分析和技術分析方法進行分析，這兩種方法使用簡單，但是無法對數據中隱含的更深層次的規(guī)律和特征進行挖掘。數理統(tǒng)計分析方法是目前金融時間序列分析中比較常用的方法，隨著數據量的不斷增加，這種方法的分析能力存在一定的缺陷，各種數理統(tǒng)計分析方法都無法有效地處理較大規(guī)模的數據集，也不適合從大量數據中主動地發(fā)現各種潛在的規(guī)則。因此面對金融行業(yè)不斷涌現的海量數據，需要尋找新的數據分析和挖掘的方法。
　　《金融時間序列的分析與挖掘》將數據挖掘技術運用到金融時間序列研究中，使用關聯規(guī)則、聚類分析等數據挖掘方法對金融時間序列中的隱含模式進行挖掘，本文的創(chuàng)新點主要基于以下幾個方面：
　　（1）針對金融時間序列需要保留形態(tài)特征與趨勢特征的特點，提出了適合金融時間序列的多層次極值點分段表示法（MEPS），此方法能在多個層次上很大限度地保留關鍵特征點信息，從而能更好地捕捉和表示時間序列的形態(tài)和走勢。
　　（2）針對金融時間序列需要保留形態(tài)特征與趨勢特征的特點，在MEPS算法的基礎上提出了分層的動態(tài)時間彎曲相似性度量方法（HDTW）及其改進方法IHDTW，將時間序列在不同層次上進行分段，然后計算對應分段層次中子序列間的相似性，最后匯總得到序列間的相似度，在算法中對動態(tài)時間彎曲算法（DTW）進行了改進，并且考慮到了分層的均勻因素及趨勢因素，實驗結果證明能大大提高相似性度量的效果和效率。
　�。�3）金融市場的運行非常復雜，其中人的因素也非常重要，為了在金融時間序列挖掘的過程中更好地體現用戶的實際需求，提出了基于事件的時間序列相似性度量方法（SMBE），此算法通過對事件的定義引入用戶在相似性度量時的偏好與需求，并設計了基于SMBE的層次聚類算法，完全以事件的相似性為中心進行聚類，定義了類間相似度和類間一般距離兩個參數，并以它們之間的比較作為判斷類間距離的依據，使得時間序列相似性度量及其聚類的結果更加符合實際金融市場的狀態(tài)與需求。

　　在金融領域中，時間序列是非常重要的一種數據類型，例如證券市場中的股票價格和交易量、外匯市場上的匯率、期貨和黃金的交易價格等，這些數據都形成了持續(xù)不斷的時間序列。金融市場中的時間序列主要使用基礎分析和技術分析方法進行分析，這兩種方法使用簡單，但是無法對數據中隱含的更深層次的規(guī)律和特征進行挖掘。數理統(tǒng)計分析方法是目前金融時間序列分析中比較常用的方法，隨著數據量的不斷增加，這種方法的分析能力存在一定的缺陷，各種數理統(tǒng)計分析方法都無法有效地處理較大規(guī)模的數據集，也不適合從大量數據中主動地發(fā)現各種潛在的規(guī)則。因此面對金融行業(yè)不斷涌現的海量數據，需要尋找新的數據分析和挖掘的方法。本書將數據挖掘技術運用到金融時間序列研究中，使用關聯規(guī)則、聚類分析等數據挖掘方法對金融時間序列中的隱含模式進行挖掘，本文的創(chuàng)新點主要基于以下幾個方面：
　　（1）針對金融時間序列需要保留形態(tài)特征與趨勢特征的特點，提出了適合金融時間序列的多層次極值點分段表示法（MEPS），此方法能在多個層次上最大限度地保留關鍵特征點信息，從而能更好地捕捉和表示時間序列的形態(tài)和走勢。
　�。�2）針對金融時間序列需要保留形態(tài)特征與趨勢特征的特點，在MEPS算法的基礎上提出了分層的動態(tài)時間彎曲相似性度量方法（HDTW）及其改進方法IHDTW，將時間序列在不同層次上進行分段，然后計算對應分段層次中子序列間的相似性，最后匯總得到序列間的相似度，在算法中對動態(tài)時間彎曲算法（DTW）進行了改進，并且考慮到了分層的均勻因素及趨勢因素，實驗結果證明能大大提高相似性度量的效果和效率。
　�。�3）金融市場的運行非常復雜，其中人的因素也非常重要，為了在金融時間序列挖掘的過程中更好地體現用戶的實際需求，提出了基于事件的時間序列相似性度量方法（SMBE），此算法通過對事件的定義引入用戶在相似性度量時的偏好與需求，并設計了基于SMBE的層次聚類算法，完全以事件的相似性為中心進行聚類，定義了類間相似度和類間一般距離兩個參數，并以它們之間的比較作為判斷類間距離的依據，使得時間序列相似性度量及其聚類的結果更加符合實際金融市場的狀態(tài)與需求。

你還可能感興趣

我要評論