時(shí)間序列相空間重構(gòu)數(shù)據(jù)挖掘方法及其在證券市場的應(yīng)用.pdf

1、金融市場是融通資金的場所。金融市場實(shí)現(xiàn)了投資需求和籌資需求的對(duì)接，能有效的化解資本的供求矛盾。金融投資分析方法一直是金融領(lǐng)域的研究熱點(diǎn)。隨著金融市場的飛速發(fā)展，投資分析方法也得到不斷的創(chuàng)新和進(jìn)步。傳統(tǒng)的時(shí)間序列模型的應(yīng)用一方面依賴于某些假設(shè)條件，因而應(yīng)用受到限制；另一方面，由于經(jīng)濟(jì)和商業(yè)時(shí)間序列的結(jié)構(gòu)經(jīng)常是逐漸變化的，應(yīng)用結(jié)構(gòu)固定的全局模型來描述并不十分合適。 隨著信息技術(shù)在金融行業(yè)的普及以及人們收集數(shù)據(jù)能力的大幅提高，在金融市

2、場的飛速發(fā)展過程中，積累了海量的包含豐富信息的數(shù)據(jù)。數(shù)據(jù)挖掘方法為人們分析金融時(shí)間序列提供了新的思路和視野。本文以相空間重構(gòu)技術(shù)為基礎(chǔ)，以時(shí)間序列作為研究對(duì)象，分析面向時(shí)間序列數(shù)據(jù)的數(shù)據(jù)挖掘方法，并將研究結(jié)果應(yīng)用于實(shí)際金融市場，以發(fā)現(xiàn)金融時(shí)間序列中隱含的規(guī)律、模式和知識(shí)，為市場分析和投資決策提供新的思路、方法和輔助決策信息。 本文從研究所處的背景出發(fā)，詳細(xì)討論了數(shù)據(jù)挖掘技術(shù)以及時(shí)間序列數(shù)據(jù)挖掘與金融數(shù)據(jù)挖掘的相關(guān)研究現(xiàn)狀，并分析

3、了相空間重構(gòu)的相關(guān)理論和方法。為應(yīng)用相空間重構(gòu)進(jìn)行時(shí)間序列數(shù)據(jù)挖掘的可行性提供了理論基礎(chǔ)和技術(shù)保障。 通過對(duì)比時(shí)間序列模式挖掘的不同思路，本文指出時(shí)間序列數(shù)據(jù)挖掘框架TSDM所存在的問題。系統(tǒng)地提出了應(yīng)用小波聚類進(jìn)行序列時(shí)間模式挖掘的方法。應(yīng)用小波變換的多分辨率特性和基于網(wǎng)格的劃分方法，可以實(shí)現(xiàn)任意形狀和不同精度的聚類。采用以事件指導(dǎo)的投資策略將方法應(yīng)用于中國證券市場。結(jié)果表明，以時(shí)間模式預(yù)測事件為指導(dǎo)的投資策略能獲得高于持有策

4、略的收益；時(shí)間模式挖掘能有效識(shí)別事件點(diǎn)；事件序列與非事件序列存在顯著差別。 在討論了嵌入定理和時(shí)間序列的可預(yù)測性的基礎(chǔ)上，本文從現(xiàn)有模糊神經(jīng)網(wǎng)絡(luò)存在的問題入手，結(jié)合非線性的空間聚類方法EM算法，對(duì)原有TS模糊神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，提出了基于相空間重構(gòu)的EM聚類模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模型。通過對(duì)重構(gòu)空間進(jìn)行EM模糊聚類，實(shí)現(xiàn)數(shù)據(jù)對(duì)象的分類訓(xùn)練以及隸屬度的計(jì)算，以減少輸入規(guī)則的條數(shù)簡化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。同時(shí)，將該模型分別應(yīng)用于深成指數(shù)和上證

5、指數(shù)。結(jié)果表明，該預(yù)測模型的預(yù)測誤差低于傳統(tǒng)的BP模型，有效地提高了預(yù)測精度。 本文從序列異常的角度提出了時(shí)間序列的偏差異常檢測方法。應(yīng)用CC算法同時(shí)對(duì)嵌入維和嵌入延時(shí)進(jìn)行估計(jì)進(jìn)行重構(gòu)以構(gòu)造多維空間，應(yīng)用偏差異常檢測方法抽取異常模式，再通過符號(hào)離散化將問題轉(zhuǎn)化為分類問題構(gòu)建決策樹實(shí)現(xiàn)異常的分類和預(yù)測。以決策樹的分類標(biāo)識(shí)為指導(dǎo)構(gòu)建交易策略，在證券市場上進(jìn)行了應(yīng)用。結(jié)果表明，盡管在股市大勢(shì)呈現(xiàn)下降趨勢(shì)的情況下，應(yīng)用分類標(biāo)識(shí)為指導(dǎo)的交