基于显著连续序列研究及其在金融行业中应用

摘要

随着互联网的发展，数据和数据库技术不断更新，各行各业都积累了数目庞大的数据，但这些数据仍然停留在数据的层面，还未上升到价值层面。人们好比守着“宝库”却无法利用它，所以越来越重视对数据的深入挖掘技术，希望能够通过对大数据的分析能够提炼出有价值的信息。
　　金融数据中存在大量的时序数据，从中得到有效的价值信息是众多学者当前研究的主要内容，而目前通过数据挖掘显著连续序列研究的一个热点和难点，研究结论具有广阔的前景使用[2]。发掘显著连续序列可以帮助科研人员在多次实验中发掘可疑的实验现象，也可以帮助银行、证券等行业从业人员通过显著连续序列准确的判断行业走势。
　　本文主要研究了显著连续序列在金融行业的应用。金融行业时序数据具有高频、非平稳、伪周期性的特点，在现有的金融行业数据挖掘模型的基础上，充分了解了其优点和不足之处，在此基础上提出了将显著时间序列应用在金融行业高频数据的思想，并基于案例推理的思想，通过引入LEBS算法的概念和方法为金融时序数据预测提出了一种基于伪周期显著连续序列的挖掘方法，并在此基础上给出了利用动态伪周期区间和空间剪枝的思想实现了显著连续序列挖掘方法(ISLPS)，实验证明ISLPS算法在显著连续序列挖掘上是有效的，从而认为显著时间序列在金融领域具有较好的应用。
　　最后，本文将提出的显著连续序列挖掘算法（ISLPS）应用到大数据分析平台证券指标系统进行实践，实验结果表明显著连续序列挖掘算法在实际生产中产生的应用价值，证明了显著连续序列挖掘研究意义和价值。

目录

声明

答辩决议书

1 绪 论

1.1 研究背景及意义

1.2 时间序列研究现状

1.3 论文的研究内容

1.4 论文的组织结构

2 相关概念及技术描述

2.1 时序数据概述

2.2 显著连续序列的概述

2.3 Skyline查询概述

2.4 本章小结

3显著连续序列分析及其改进研究

3.1显著连续序列挖掘算法

3.2基于伪周期的显著连续序列特征研究

3.3 显著连续序列算法研究

3.4 本章小结

4 ISLPS挖掘算法实现与实验

4.1 数据预处理

4.2 算法描述

4.3 算法流程图

4.4 ISLPS算法挖掘实验

4.5 本章小节

5 显著连续序列在证券指标系统中应用

5.1 证券指标系统概述

5.2 证券指标系统框架

5.3 平台部署以及应用实施

5.4 实验结果及其分析

5.5 本章小节

6 结 论

6.1 工作总结

6.2 研究展望

参考文献

致谢

攻读学位期间发表的学术论文目录