金融時(shí)間序列隱含模式挖掘方法及其應(yīng)用研究.pdf

1、目前已有金融計(jì)量經(jīng)濟(jì)方法主要通過(guò)統(tǒng)計(jì)模型從全局的角度來(lái)研究時(shí)間序列，這種方法一方面依賴苛刻的假設(shè)條件，另一方面它要求所有數(shù)據(jù)都符合一個(gè)固定的數(shù)學(xué)模型，顯得過(guò)于牽強(qiáng)。因而它們?cè)谠S多實(shí)際應(yīng)用中往往是失敗的。針對(duì)這些不足，本文從一個(gè)新的角度，即從尋找序列中局部模式入手來(lái)獲取金融序列中隱含特征信息。盡管時(shí)序挖掘正是當(dāng)前研究熱點(diǎn)，人們已取得不少成果，但是關(guān)于如何從金融時(shí)間序列中獲取有價(jià)值的隱含模式的理論、方法和應(yīng)用的研究都還相當(dāng)缺乏，為此本文就其

2、中的若干關(guān)鍵問(wèn)題以及金融中的實(shí)際應(yīng)用展開(kāi)了研究，并提出了若干新的思想和方法。具體包括： (1)分析了金融時(shí)間序列隱含模式挖掘的可行性，指出盡管技術(shù)分析還缺乏有力的理論依據(jù)而受到很多人的懷疑，并且與有效市場(chǎng)相悖，但技術(shù)分析仍然受到很多人的追捧，不能簡(jiǎn)單地認(rèn)為他們是“別無(wú)選擇”。并且市場(chǎng)是否有效還存在諸多爭(zhēng)議，人們還難以否定歷史數(shù)據(jù)對(duì)未來(lái)市場(chǎng)的可預(yù)測(cè)性。指出通過(guò)挖掘隱含局部模式來(lái)進(jìn)行預(yù)測(cè)是一種新的思想和嘗試； (2)根據(jù)金融

3、時(shí)間序列的特點(diǎn)，本文選取小波方法進(jìn)行去噪預(yù)處理。探討了有關(guān)小波非線性閾值法去噪過(guò)程中，小波函數(shù)、閾值確定方法和小波分解層次等若干關(guān)鍵參數(shù)的選取問(wèn)題； (3)時(shí)間序列相似性度量是時(shí)間序列挖掘中的一個(gè)基本問(wèn)題，已有的相似度量方法都沒(méi)有將相似度量的主觀偏好性考慮進(jìn)去，鑒于金融市場(chǎng)的復(fù)雜性，充分利用市場(chǎng)中有經(jīng)驗(yàn)投資者對(duì)相似性的獨(dú)特見(jiàn)解更有可能將其經(jīng)驗(yàn)提升為規(guī)則。因而提出了一種反映主觀偏好性的三分量加權(quán)相似度量模型，它從水平、幅度、相關(guān)性

4、三方面來(lái)考慮序列的相似性。為了求解偏好參數(shù)，通過(guò)可視化操作將其轉(zhuǎn)化為一非線性優(yōu)化問(wèn)題，并采用遺傳算法進(jìn)行求解； (4)從序列中挖掘出隱含模式的一個(gè)直接應(yīng)用，就是希望其能提供對(duì)未來(lái)的預(yù)測(cè)信息。本文提出了時(shí)間序列事件征兆模式挖掘的有關(guān)概念和相應(yīng)的方法TSEOPM。實(shí)驗(yàn)結(jié)果表明，無(wú)論對(duì)確定性時(shí)間序列還是隨機(jī)性較強(qiáng)的時(shí)間序列，TSEOPM都能非常有效地找出事件的征兆模式，因此將其用于預(yù)測(cè)能獲得比較好的效果； (5)不同序列間的關(guān)

5、聯(lián)模式也是一類(lèi)隱含在序列中的很有趣的特征信息。本文提出了基于共同作用機(jī)制的原理挖掘關(guān)聯(lián)模式的方法。它包括線性化分段、聚類(lèi)并符號(hào)化以及關(guān)聯(lián)模式挖掘等過(guò)程，本文對(duì)它們都進(jìn)行了詳細(xì)闡述。并且為考察其有效性，給出了兩個(gè)模擬實(shí)驗(yàn)。 (6)最后，探討了隱含序列模式挖掘在金融領(lǐng)域的實(shí)際應(yīng)用問(wèn)題。其中將事件征兆模式挖掘用于深滬A股市場(chǎng)的分析，發(fā)現(xiàn)我國(guó)股市利用本文征兆模式具有較強(qiáng)的可預(yù)測(cè)性，因而市場(chǎng)并沒(méi)有如一些文獻(xiàn)所認(rèn)為的已經(jīng)達(dá)到弱式有效，肯定了