基于共同模式挖掘的时间序列相似性度量方法

文章针对股票市场的时间序列数据进行了时间序列相似性度量方法的研究,比较了目前各种度量方法的特点,提出了针对共同模式的相似性度量的方法,并选取了若干支股票收盘价数据对该方法的特点进行了考量。     

时间序列相似性的图形相似方法研究

本文给出用欧氏距离与时间弯曲距离进行时间序列相似性判断的缺陷,并给出基于欧氏几何图形相似理论的判定两个时间序列相似性的方法。文中给出两条折线的相似性的判断方法。又由于时间序列与折线之间的可转化性,就把判断两折线的相似性方法运用到判定两个时间序列的相似性上。最后,把这种方法应用到聚类分析中,取得较好的效果。     

基于核密度估计的非线性时间序列聚类

本文研究的是时间序列的聚类问题。由于现实世界中时间序列多数是非线性的,而现有的时间序列聚类问题大都是基于线性时间序列模型进行聚类的,本文提出了可以用于非线性时间序列的聚类方法。以时间序列的二维核密度估计之间的相似性作为非线性时间序列的距离度量,该距离度量方式是一种非参数的距离度量方法,考虑到了时间序列自相关结构的差异,能够粗糙地识别时间序列形状和动态相关结构的相似性。与理论研究结果相一致,我们的模拟实验结果也验证了这种距离度量的有效性。     

基于模糊时间序列模型的股票市场预测

文章针对模糊时间序列模型目前存在的缺乏客观论域划分方法和模糊关系前件单一等缺陷,首先应用模糊聚类方法将数据分类,以相邻两个聚类中心的中点作为子区间的分界点来划分论域;其次将数据模糊化后根据证券市场主要量价指标建立了具有多个前件的高阶模糊关系;最后根据序列对比规则计算预测值。将该模型用于股票指数的价格预测和涨跌预测,与传统模型比较的结果表明其预测准确率有了较大提高。     

Box-Pierce Q检验的改进方法

Box-Pierce Q检验采用近似卡方分布分析时间序列的平稳性特征,其检验统计量的参数选取将影响到检验结果.文章多个Q值提取平稳性特征,在此基础上建立新的平稳性判定准则,该准则是自相关函数序列收敛的充分条件;采用欧氏函数作为平稳性特征的相似性度量,借助k-means聚类建立平稳性分类方法;该方法在平稳性分析过程中充分考虑了样本之间的关联性,避免了传统Box-PierceQ检验对统计分布和临界表的过度依赖.实验结果表明,新方法能有效地处理海量时间序列数据,且准确率高于Q检验和ADF检验.     

时间序列全局特征聚类分析方法及其应用

本文指出了用点和点距离度量时间序列相似性存在的问题,并给出一种新的相似性度量一全局特征,即从时间序列的统计分布特征、非线性和傅立叶频谱转换等3个方面提取全局特征构建特征向量,并进行聚类分析。本文以全国各地区人均GDP时间序列聚类为例,评估了距离相似法与全局特征法的聚类结果。实践证实全局特征法不但可以处理不同长度有缺失值的时序聚类,而且可以降低大型时间序列数据聚类计算的复杂度。     

基于粗糙集指数加权的聚类算法

对数据集进行聚类分析的过程中,由于数据属性包含的个性信息有差异,导致数据属性在聚类过程中的作用会有差异。因此需要对属性进行加权,以减少包含共性较多的属性对聚类结果的影响。目前粗糙集加权研究仅用于属性值为少数离散值的情况。提出了基于粗糙集指数加权算法,对原始数据集进行预处理,并设计实验,验证了该算法能够有效提高聚类算法的正确率。     

基于EMD方法的股票价格预测

文章将经验模式分解方法(EMD)引入到中国金融市场数据预测中,利用EMD正交分解的特殊功能,提出了一种较为准确的金融市场时间序列预测其走势的方法。并与传统实践上相对比较成熟的小波分析方法(WA)进行对比分析,实证研究表明:经验模式分解方法(EMD)较小波分析方法拟和精度更高、预测功能很强。此方法为金融市场数据研究提供了一个强有力新的分析工具,在理论和实践上有其重要的指导意义。     

带权Bernstein基的对偶泛函在时序相似性度量中的应用

提出了带权Bernstein基的对偶泛函的离散形式,并用于逼近时间序列,将基函数的控制向量作为时间序列的特征向量,达到压缩数据的目的。根据时间序列的凸包个数解决了对偶泛函的定阶问题,用时间序列的特征向量提出了基于极大似然比的相似性检验统计量,并给出相似系数的计算公式。最后通过正交变换得到相互无关的控制点特征向量,据此可以实现多个时间序列的相似性比较、聚类分析等。模拟数值试验证明,该方法能有效压缩数据,计算精度高,可实现不等长度的时间序列数据的相似性比较,体现了大数据挖掘的特点。     

基于小波分析的基金净值预测模型

基于小波分析提出了一种基金净值预测模型。此模型利用小波分析理论用改进的小波阈值去噪方法对基金净值数据进行去噪处理,再对经过去噪处理后得到的较为平稳的数据,利用计量经济学中时间序列自回归模型进行短期预测。研究证明：该预测模型能较好地预测基金净值的短期趋势,预测结果优于传统的基金净值预测模型。     

现行工业统计工作中运用数理统计方法的初步探索

目前,我国的统计工作正在逐步形成以必要的定期普查为基础,经常性的抽样调查为主体,同时辅之以重点调查和有限的全面统计报表结合运用的统计调查体系.为了适应这样一种调查体系的发展,我国的统计工作也开始引入一些数理统计的方法.但是,由于统计人员的知识水平的限制,这些数理统计方法的应用无论在深度上还是在广度上还有待于进一步的提高.本文将介绍近年来在这方面的一些探索工作.     

基于EMD方法的股票价格预测与实证研究

文章将经验模式分解方法(EMD)引入到中国金融市场数据预测中,利用EMD正交分解的特殊功能,提出了一种较为准确的金融市场时间序列预测其走势的方法.并与传统实践上相对比较成熟的小波分析方法(WA)进行对比分析,实证研究表明:经验模式分解方法(EMD)较小波分析方法拟和精度更高、预测功能很强.此方法为金融市场数据研究提供了一个强有力新的分析工具,在理论和实践上有其重要的指导意义.     

基于投入产出模型的产业结构相似性研究

文章基于投入产出模型分别构建了不同地区同一产业发展的相似性度量模型和不同地区经济结构相似性度量模型,并以皖北地区的三个城市宿州、阜阳、蚌埠为例进行了实证分析.分析结果表明:(1)建立的不同地区经济结构相似性度量工具优于地区产业同构系数;(2)从行业间的投入产出消耗关系来看,除建筑业以外,蚌埠与阜阳在各行业的相似性都大于蚌埠与宿州、宿州与阜阳的相似性,在建筑业上,宿州与蚌埠的相似性较高;(3)进一步从行业的投入产出角度分析三个地区的经济发展相似性,在产出方向上,宿州和蚌埠的相似性较高,相似性系数为0.9726,在投入方向上,蚌埠与阜阳的相似性较高,相似性系数为0.9725.分析结果为皖北部分区域的经济整合指明了方向.     

基于GRC-MCC的k-类SVM分类算法

针对传统的k-类支持向量机(SVM)算法对数据进行多分类时存在的特征变量间信息重叠、模型复杂法(度M高CC、)分对类同精类度别低中这的一特系征列变问量题进,文行章赋提权出,用使得用到灰的色综关合联变聚量类(建GR立C k)-对类特SV征M变模量型进,行给分出类了,一并种用改复进相的关k系-数类SVM多分类算法。实证分析表明,该算法的分类效果优于传统算法。     

基于白化权函数分类区分度的变权灰色聚类

针对灰色聚类指标权重确定的问题,通过定义白化权函数的分类区分度来度量各指标对聚类对象的分类所作的贡献,并据此确定分类指标的权重。在此基础上,提出了变权灰色聚类方法。结果表明,该方法能够融合聚类对象的样本信息和专家的经验,有效确定不同聚类对象的各指标权重,且适用于聚类指标的量纲不同、数量级悬殊较大的情形。最后通过一个实例说明了变权灰色聚类的实用性和有效性。     

基于小波方差分解的沪深综指序列的特性分析

近年来小波理论已越来越被广泛应用于时间序列分析.应用小波方差依尺度分解的方法,对沪、深股市综合指数序列的长记忆性与相关性进行了实证分析,结果表明:沪、深股市波动序列实存在长记忆性,沪市波动序列所受历史信息的影响较大,但深市对各种信息的反应比上海股市更迅速,更易受外部信息的影响.在大尺度下沪、深股市波动序列的相关性比小尺度两波动序列之间的相关性更强,以小尺度为基准选择分散投资策略为好.     

基于遗传算法的有序样本聚类及其应用

传统的解决有序样本聚类的Fisher最优分割法对计算机存储能力要求较高,不适合由于样本长度较大时的情况.实践中常用的最优二分割法只能求得局部最优解.文章提出了一种基于遗传算法解决有序样拳聚类问题的新算法.该算法适用于多种聚类距离,适合于大样本,可以解决方向聚类问题.     

基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。     

基于动态时间规整的面板数据聚类方法研究及应用

以往的面板数据聚类方法存在一些缺陷,有必要基于动态时间规整的思路进一步改进与完善面板数据聚类方法。利用国家级经济技术开发区数据开展的实证分析结果表明：新的方法既能够很好地反映面板数据的动态变化、又避免了已有的面板数据聚类方法中各种距离如何赋权的问题,聚类结果较为稳定且有很好的可视化效果。     

基于小波协方差的中国股市波动序列相关性的实证分析

在介绍概率变化协调的相关性度量方法的同时,证明了该方法是传统方法的推广。又依据小波协方差在不同尺度下的分解理论,提出了基于小波协方差的相关性度量方法,并对沪深股市波动序列之间的相关性进行了实证分析。结果表明：沪深股市波动序列在整体上具有正相关性,但在不同尺度下沪深股市波动序列之间的相关性不同,小尺度下相关性小。对投资者而言,最好以小尺度为基准选择分散投资策略。