金融时间序列的分析与挖掘pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

金融时间序列的分析与挖掘PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 引言 1

第一节 金融市场信息化的发展 1

第二节 金融市场的传统分析方法 2

一、基础分析与技术分析 2

二、数理统计分析 2

第三节 数据挖掘技术的兴起与发展 3

第四节 本书的研究目的与内容 5

一、本书的研究对象 6

二、本书的研究内容 6

第二章 时间序列数据挖掘研究及其应用 8

第一节 时间序列的分段与表示 8

一、基于时域的分段与表示 8

二、基于变换域的分段与表示 9

三、其他方法 10

第二节 时间序列的相似性度量 10

一、欧式距离 11

二、动态时间弯曲距离 11

三、其他方法 12

第三节 时间序列的关联规则挖掘 12

一、关联分析概述 12

二、时态关联规则挖掘 13

三、动态关联规则挖掘 14

第四节 时间序列的聚类分析 14

一、时间序列的模式发现与聚类 14

二、数据流聚类 15

第五节 时间序列挖掘在金融行业的应用 16

第三章 金融时间序列的分段与表示 19

第一节 时间序列的分段与表示方法 19

第二节 金融时间序列的特性 21

第三节 基于重要极值点特征的分段表示法 22

一、绝对极值点分段表示法 22

二、均匀极值点分段表示法 22

三、多层次极值点分段表示法 24

四、距离的度量 28

第四节 三种极值点分段法的实验对比与分析 29

一、实验对比方案与框架 29

二、实验结果分析与评价 30

第五节 本章小结 34

第四章 金融时间序列的相似性度 35

第一节 时间序列的相似性度量方法 35

一、欧式距离 35

二、动态时间弯曲距离 36

三、最长公共子串 37

第二节 分层的动态时间弯曲相似性度量方法 38

一、分层动态时间弯曲相似性度量（HDTW）算法的主要思想 38

二、分层动态时间弯曲相似性度量（HDTW）算法的具体描述 39

三、DTW算法与HDTW算法的实验对比与分析 42

第三节 改进的分层动态时间弯曲相似性度量方法 45

一、对HDTW算法改进的主要思想 45

二、对HTDW算法的具体改进方法 46

三、改进的HTDW算法（IHDTW）的具体描述 49

四、HTDW算法与IHDTW算法的实验对比与分析 51

第四节 基于事件的时间序列相似性度量方法 55

一、相关定义 55

二、基于事件的时间序列相似性度量（SMBE）算法的具体描述 57

三、DTW算法与SMBE算法的实验对比与分析 57

第五节 本章小结 59

第五章 金融时间序列的关联规则分析 60

第一节 关联规则的基本知识 60

一、关联规则的基本概念 60

二、时间序列关联规则分析 61

三、关联规则的方法 62

第二节 基于O-Aproiri算法的多元时间序列跨事务关联规则挖掘 66

一、O-Apriori算法的相关定义与具体描述 67

二、基于可变支持度的O-Apriori算法 74

三、O-Apriori算法在时间序列跨事务关联分析中的应用 77

四、O-Apriori算法与VSO-Apriori算法的实验对比与分析 82

第三节 基于滑动挖掘区间的动态关联规则挖掘算法 86

一、算法的主要思想与具体描述 86

二、在多元时间序列关联分析中的应用 91

三、SI-DARM算法和DSAT算法的实验对比与分析 94

第四节 本章小结 96

第六章 金融时间序列的聚类分析 97

第一节 聚类方法介绍 97

一、K均值聚类算法 97

二、层次聚类算法 98

三、基于SNN密度的聚类 99

第二节 基于改进的分层动态时间弯曲技术的聚类 100

一、基于IHDTW的聚类算法的主要思想 100

二、基于IHDTW的聚类算法的具体描述 101

三、基于IHDTW的聚类算法的实验分析与评价 105

第三节 基于事件相似性度量的层次聚类 107

一、基于SMBE的层次聚类算法的具体描述 107

二、基于SMBE的层次聚类算法的实验分析与评价 109

第四节 基于形态特征的数据流聚类 110

一、基于形态特征的数据流聚类算法的主要思想 111

二、初始化阶段 111

三、在线更新阶段 112

四、用户触发的聚类 113

五、实验分析与评价 113

第五节 本章小结 116

第七章 金融股票时间序列的预测 118

第一节 预测算法描述 118

一、股票时间序列的价格区间预测 118

二、股票时间序列的短期趋势预测 118

第二节 股票时间序列的预测实例 119

一、股票数据集 119

二、股票时间序列价格的预测 120

三、股票时间序列短期趋势的预测 123

第三节 股票时间序列的预测效果评价 128

第四节 本章小结 128

第八章 结论 129

参考文献 131

附录 135