2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩111頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、金融市場(chǎng)是融通資金的場(chǎng)所。金融市場(chǎng)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(chǎng)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(lài)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(lái)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(chǎng)的飛速發(fā)展過(guò)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(chǎng),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(chǎng)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(guò)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(wèn)題。系統(tǒng)地提出了應(yīng)用小波聚類(lèi)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(lèi)。采用以事件指導(dǎo)的投資策略將方法應(yīng)用于中國(guó)證券市場(chǎng)。結(jié)果表明,以時(shí)間模式預(yù)測(cè)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(cè)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(wèn)題入手,結(jié)合非線(xiàn)性的空間聚類(lèi)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(lèi)模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。通過(guò)對(duì)重構(gòu)空間進(jìn)行EM模糊聚類(lèi),實(shí)現(xiàn)數(shù)據(jù)對(duì)象的分類(lèi)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(jiǎn)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(cè)模型的預(yù)測(cè)誤差低于傳統(tǒng)的BP模型,有效地提高了預(yù)測(cè)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(cè)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(cè)方法抽取異常模式,再通過(guò)符號(hào)離散化將問(wèn)題轉(zhuǎn)化為分類(lèi)問(wèn)題構(gòu)建決策樹(shù)實(shí)現(xiàn)異常的分類(lèi)和預(yù)測(cè)。以決策樹(shù)的分類(lèi)標(biāo)識(shí)為指導(dǎo)構(gòu)建交易策略,在證券市場(chǎng)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(lèi)標(biāo)識(shí)為指導(dǎo)的交

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論