基于信息熵的金融時間序列時序關聯(lián)規(guī)則分析與研究.pdf

1、隨著現(xiàn)在社會各行各業(yè)日新月異的快速發(fā)展，數(shù)據(jù)的種類及數(shù)量在人們不經(jīng)意間急速地膨脹。在這些龐大、復雜的數(shù)據(jù)下面，埋藏的是巨大的寶藏。依托傳統(tǒng)的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術來挖掘這塊寶藏已經(jīng)滿足不了人們的需要。時間序列關聯(lián)規(guī)則分析是數(shù)據(jù)挖掘技術的重要分支之一，它可以幫助我們從歷史數(shù)據(jù)逐步探知金融市場中難以發(fā)現(xiàn)的股票趨勢與規(guī)律。
　　信息熵是粗糙集理論的重要組成部分，信息熵屬性約簡是信息熵理論研究的重點。一個有效的信息熵數(shù)據(jù)挖掘算法能夠幫助我

2、們處理復雜的金融時間序列，去除其中冗余的噪音，產生有用、可信的關聯(lián)規(guī)則。本文從理論和應用兩個方面，圍繞基于信息熵的金融時間序列關聯(lián)規(guī)則分析及研究開展工作，本文的主要工作包括:
　　首先，研究了數(shù)據(jù)挖掘中的概念、分類和基本原理，深入研究了數(shù)據(jù)挖掘中的信息熵關聯(lián)規(guī)則分析。在總結現(xiàn)有的時間序列數(shù)據(jù)挖掘方法的基礎上，找到了本文重點研究的方向—基于信息熵時間序列關聯(lián)規(guī)則。
　　其次，本文提出了一種基于自適應性遺傳算法的模糊C均值聚類算

3、法。在該算法中，將模糊粗糙集與改進的自適應算法相結合，提出的AGA-FCM能夠很好的解決信息熵離散化過程造成信息量流失的問題。經(jīng)實驗表明，新的變異算子與交叉算子公式克服了遺傳算法陷入局部最優(yōu)解的問題，AGA-FCM聚類算法相比傳統(tǒng)的FCM和GA-FCM聚類算法，有更好的聚類效果。
　　最后，本文提出了基于信息熵的時間序列規(guī)則分析模型，并將該模型應用到股票預測中，在此基礎上進一步提出了新的金融時間序列股票預測模型。該模型能從復雜、龐