基于频繁特征模式挖掘期货市场单边运行深度预测.docVIP

基于频繁特征模式挖掘期货市场单边运行深度预测 　　[摘 要] 金融市场是一个受多种因素影响的、庞大的系统，具有非常复杂的运动规律，金融时间序列中必定蕴含了金融系统诸多的客观规律信息。本文将以商品期货作为基本的研究对象，引入数理统计的思想，将市场按照运行规律进行数据切分，形成单边模式序列与震荡点序列。在此基础上，结合领域知识以及金融时间序列数据的特征，通过改进的频繁特征模式挖掘算法，对单边运行深度的比例进行实时预测。 　　[关键词] 商品期货；数理统计；频繁特征模式挖掘 　　doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2015 . 17. 063 　　[中图分类号] F746.16 [文献标识码] A [文章编号] 1673 - 0194（2015）17- 0120- 02 　　1 基于市场行为的时间序列切分及表示方法 　　为了对原始时间序列数据进行维约简，传统的时间序列数据建模通常采用分段表示的方法，整体可划分为2类：基于时域的分段表示方法与基于变换域的分段表示方法。 　　对于本文的基本研究对象――商品期货，为充分还原其主要的市场特征，即单边运行模式及震荡情形，本文引入数理统计中线性回归的思想，基于市场行为，对时间序列进行切分处理。 　　在对时间序列数据进行切分时，针对每个子序列进行线性回归，当切分得到的子序列的回归判定系