基于时间序列分解模型的股价走势聚类研究

目录

声明

1 绪论

1.1 研究背景和意义

1.1.1 研究背景

1.1.2 研究意义

1.2 金融时间序列数据挖掘的研究现状及综述

2 时间序列分解模型

2.1 移动平均（MM）模型

2.1.1 金融时间序列的常用MM模型

2.1.2 基于MM模型的长期趋势拟合

2.2 SABL分解法

2.2.1 Moving Median模型

2.2.2 MLS模型

2.2.3 SABL分解过程

2.3 STL时间序列分解法

2.3.1 LOESS平滑

2.3.2 内外部迭代过程

3 基于SBD距离的聚类算法

3.1 时间序列相似性度量

3.1.1 互相关

3.1.2 归一化

3.1.3 基于形状的距离度量

3.2 k-Shape聚类

3.2.1 基于SBD距离的簇心提取

3.2.2 k-Shape聚类

3.3 基于SBD距离的层次聚类算法

3.3.1 层次聚类

3.3.2 基于SBD距离的层次聚类

4 股价时间序列聚类及其走势预测模型

4.1 实验设置

4.1.1 实验数据

4.1.2 实验设备与软件

4.1.3 函数及参数

4.2 聚类实验

4.2.1 k-Shape聚类实验

4.2.2 层次聚类实验

4.3 聚类模型的神经网络预测应用

4.4 预测性能对比分析与总结

参考文献

附录A 论文主要算法R语言代码

附录B 聚类实验结果数据

致谢