交易序列數據挖掘研究.pdf

1、交易序列數據描述的是在各類交易過程中商品或證券價格隨時間的變化規(guī)律，分析這些數據能為商家或投資者制定營銷策略或選擇價值投資方法提供量化依據，由此交易序列數據挖掘技術成為當前研究和應用的熱點。
　　 交易序列數據挖掘的目的是識別商品或證券交易價格變化規(guī)律，主要任務有分類、聚類、關聯分析和異常檢測等，還可以進行各種擴展的數據分析與挖掘，如允許有時間間隔約束的關聯規(guī)則、數據有缺失值存在的模式分析等。
　　 目前，針對交易序列數

2、據的大量研究使用的是其他序列數據挖掘與分析方法，比如將其離散時間的序元序看作連續(xù)的、使用時間序列結構化或非結構化模型與各種復雜算法相結合的方法，又如忽略其數值型序元值、使用特征構建成事件序列進行頻繁模式挖掘方法；再如將其數值型的序元值進行字符表示、使用字符序列模式查找的方法。這些研究方法存在以下兩方面問題：一方面，沒有同時兼顧交易序列數據本身固有的離散時間序和數值型元素值兩大特性；另一方面，沒有利用可用的經濟與金融領域知識。兼顧交易序列

3、本身原有特性并有效找到各種符合領域意義的頻繁相似模式，能使數據分析與挖掘結果更有效。
　　 本文從交易序列基本模式出發(fā)，定義了5種交易序列原子模式(包括：趨平模式、頭部模式、底部模式、增長模式和下降模式)及其關聯關系，即交易序列復合模式，著重研究了交易序列模式挖掘、交易序列模式查詢與預測和基于交易序列模式的聚類三方面問題，主要研究成果如下：
　　 (1)針對交易序列模式挖掘問題，在原子模式快速查找及其TOP K頻繁項挖掘

4、兩個算法的基礎上，提出了一種頻繁的交易序列復合模式挖掘算法。
　　 頻繁的交易序列復合模式是由多種滿足一定時間約束及其周期循環(huán)關系的交易原子模式頻繁集組成的，在此項挖掘任務中，由于候選原子模式空間是呈指數級增長的，因而效率問題成為一個瓶頸。
　　 首先，根據領域知識定義了5種交易序列原子模式，提出了一種伸縮距離函數的序列模式通用相似性度量及其趨勢融合和對稱使用距離函數的計算方法，將“縮放”相似的4種交易序列原子模式(除趨

5、平模式)分別轉化為相似性無向圖進行譜聚類：然后，在以結果簇近似代替最大團的基礎上，引入時間約束代替趨平模式找到由各種交易序列原子模式頻繁集構成的頻繁復合模式。在真實股票交易序列集上，采用多種相似性計算方法比較得到算法準確性，并且所求得的頻繁復合模式有較好的應用解釋。
　　 (2)針對交易序列模式查詢問題，提出了兩種有效的相似性查詢算法。
　　 在現實應用中，交易序列有一種重要的相似性--“縮放”相似性，這是交易序列模式在

6、時間維度上的“彈性”拉長或縮短但會保留在數值維度上整體變化趨勢的一種相似性。因而如何定義合理的相似性度量來捕捉這種相似性是一個需要解決的重要問題。
　　 針對序列間的細微變化，先對待查詢的序列進行單調區(qū)間的“融合”處理，然后根據各區(qū)間的長度和幅度比例進行序列模式的候選產生，最后使用伸縮距離函數作為相似性度量進行計算并返回最后結果；針對交易序列的價格區(qū)間變化，先將所有序列進行規(guī)范化，在改進伸縮距離函數定義的基礎上進行計算并得到查詢

7、結果。實驗結果表明，“趨勢融合”和“價格融合”兩種相似性查詢算法都能找到在總體形狀上與給定序列模式“放大”或“縮小”的所有模式結果。
　　 (3)針對交易序列預測問題，提出了一種有較高準確率的序列模式趨勢預測算法。
　　 預測是根據給定交易序列數據集，對給定待查序列的后續(xù)時間進行數值屬性上的估計。南于數據變化的復雜性，在交易序列中進行趨勢預測比精確預測更有意義，因而提高對給定序列趨勢預測準確度成為預測問題的關鍵。

8、　　 基于“價格融合”的相似性查詢，本文使用Parzen窗密度和KNN的估計兩種方法分別證明了將查詢結果候選集的TOPk個結果的后續(xù)長度為τ的模式加權平均，能近似替代全部查詢結果，進而綜合出預測結果。在真實股票交易序列集上的實驗結果表明，趨勢預測有較高的準確率。
　　 (4)針對交易序列聚類問題，提出了一種考慮時限約束目標函數的聚類算法。
　　 交易序列進行聚類選擇何種對象進行很關鍵。在一定時間范圍內，總體呈增長或下降

9、趨勢更能反映商品或證券的價格規(guī)律，因而從原始的交易序列中提取了這種反映局部信息的增長或下降模式進行特征創(chuàng)建并進行聚類的意義大于直接使用原始交易序列。
　　 首先，從商品或證券價格及其變化趨勢等角度研究了交易序列集的內在結構，定義了一種反映價格變化趨勢的增長或下降模式及其錯位組合距離和角度向量距離兩種遞進的相似性度量，在此基礎上，設計了一個考慮時限約束的目標函數進行先劃分再層次合并的聚類研究。實驗結果表明，在時限約束的條件下，增長