一种金融时间序列区域分割方法的研究

Research on the regionbased segmentation method of financial time series

摘要:

金融时间序列指描述不同金融产品诸如股票、汇率与基金等的时间序列. 它与金融市场中人类的各种经济活动密切相关，呈现出复杂多变的状态[1].为了从海量的金融数据中发现有价值的，可用于投资的信息，大量学者采用数据挖掘来对金融时间序列作数据提取和处理. 由于金融时间序列具有高噪声、非平稳性、潜在的周期性等特性[2]，如果直接在金融时间序列的原始数据的基础上进行数据挖掘，会导致结果失败或是取得不理想的挖掘效果. 而在数据挖掘前能对原始数据进行数据清洗、数据集成等预处理，数据挖掘质量将达到更好地效果[3].作为金融时间序列的一个重要分支，股票时间序列预测方法通常采用分段线性表示（Piecewise Linear Representation，PLR）进行时间序列的预处理[4,5]. 但是PLR算法存在采用单一的拟合误差作为阈值，分段效果不太理想，算法本身的通用性，时间复杂度等性能都有待提高等缺点. 本文提出了金融时间序列区域分割方法，该方法在定性和定量上都优于传统的分段线性方法.

Abstract:

In financial time series prediction and data mining research, Piecewise Linear Representation (PLR) is generally used for time series data preprocessing, but the PLR algorithm uses a single fitting error as the threshold, and the segmentation effect is not ideal, and the versatility, time complexity and other shortcomings of PLR need to be improved. This paper proposes a financial time series region segmentation method, which is superior to the traditional piecewise linear method in both qualitative and quantitative.