一种基于趋势分形维数的股指时间序列相似性分析方法.pdfVIP

第32卷第9期 系统工程理论与实践 V01．32．NO．9 2012年9月 Systems EngineeringTheory＆Practice Sept．，2012 文章编号：1000—6788(2012)09—1900—08中图分类号：TP31l；F830文献标志码：A 一种基于趋势分形维数的股指时间序列相似性分析方法 倪丽萍，．一，倪志伟，，z (1．合肥工业大学管理学院，合肥230009；2．过程优化与智能决策教育部重点实验室，合肥230009) 摘要为了提高股指时间序列相似性分析的准确性，提出趋势分形维数的概念，并基于此定义了 相似性分析方法．趋势分形维数包含阳线维和阴线维，能更好地反映市场跌涨变化趋势，基于该维 数的相似性度量方法能够提高相似性度量的准确性．通过与其他两种相似性度量方法对比，进一步 说明该方法的优越性． 关键词股指序列：趋势分形维数：相似性分析；K．iiteans算法 A of methodstockindicestimeseriesbasedon similarityanalysis fractaldimension tendency m 弘 唱 一 m酣 钆∽ m咖曲血Ⅲ． 哆瓯猕栅h～一删一一神～‰慧裟一 一～一一一一一 然羔然=一 叭嚣汀够吧∽Ⅷ论垤 一一一一一～一～～～ 小。 ．卿 眯一 一～～一一一～一一一 一一一～一～一一一 一 ～一～～～～一一一 ～一～一～～一一一 1引言 股指时间序列相似性分析是金融时间序列挖掘的一个重要研究方向，其主要目的在于识别出具有相似波 动规律的股指序列．一般来说，相似性分析可以分为两种，子序列相似性分析和全序列相似性分析[1】前者是 在一个序列P中寻找与一指定序列q相似的子序列；后者分析两个不同序列P与q之间的相似性．本文考察 不同股指序列之间的相似性度量方法，因而属于后者的研究范畴．由于金融时间序列数据具有高维、波动性 大、含有噪声、且具有突变点等特点，在进行相似陛分析时，通常不直接将序列进行比较，而是首先对时间序 列数据进行预处理．预处理过程一般包括对时间序列分段、表示．经过预处理后，可以根据表示方式，定义相 应的相似性度量公式．从预处理到相似性度量公式定义的整个过程，我们可以称之为相似性度量方法．目前， 针对股票时间序列，研究者们提出了多种不同的相似性度量方法．文献『2]根据股票行情数据行为趋势(上 升或下降)的转折点对序列进行分段，利用相邻段的斜率、信噪比、长度对每段进行表示，最后利用K—means 算法对中日股价序列的相似性进行实证研究，其中K—means算法中相似性度量公式为欧氏距离．文献『3]利 用SAX方法对股票时间序列进行表示，并在此基础上定义结合模式距离与点距离的复合距离公式，对8支 股票的相似性进行度量．文献『4]提出一个度量股票间相似性的通用框架，用户可根据自己的定义将股票时 间序列表示成二进制字符串形式，再根据编码后的字符串距离度量相似性．文献『5]根据曲线的变化形状定 收稿日期：2011—02—02 (2011AA040501) 作者简介：倪丽萍(1981一)，女，博士，研究方向‘分形数据挖掘，机器学习；倪志伟(1963一