基于特征表示的金融多元时间序列数据分析

发布时间：2017-07-30 09:15

  本文关键词：基于特征表示的金融多元时间序列数据分析

  更多相关文章： 金融多元时间序列 特征表示 股票数据 动态时间弯曲 聚类分析

【摘要】：文章引入动态时间弯曲方法度量金融多元时间序列数据中特征分量之间的相互关系,提出自适应中心线算法来获取一条综合序列,进而反映金融多元时间序列数据中特征分量之间的异步相关性,有效地实现金融多元时间序列的数据降维和特征表示。
【作者单位】： 华侨大学工商管理学院;
【关键词】： 金融多元时间序列 特征表示 股票数据 动态时间弯曲 聚类分析
【基金】：国家自然科学基金资助项目(61300139) 福建省自然科学基金资助项目(2015J01581) 福建省中青年教师教育科研资助项目(JAS14024) 泉州市社会科学规划基金资助项目(2015E01)
【分类号】：F830.9;F224
【正文快照】： 0引言金融时间序列是金融市场领域中常见的一类与时间相关的高维数据,也是数据挖掘研究领域中具有挑战性的数据类型之一[1~3]。在金融时间序列数据挖掘中,聚类分析是一项重要的无监督机器学习技术,其聚类结果能够有效地对股票市场的数据行为进行相似性划分,这有利于企业和投资，

本文编号：593481