時間序列挖掘方法及在投資組合中的應(yīng)用.pdf

1、投資組合分析一直是金融領(lǐng)域的研究熱點.隨著經(jīng)濟全球化的進程，全球資本市場的進一步融合，資本流動速度加快，風險加劇，如何進行有效的投資組合，回避市場風險一直是個體股民和券商關(guān)心的問題。同時金融數(shù)據(jù)呈幾何級數(shù)增長，面對日益龐大的數(shù)據(jù)，傳統(tǒng)的分析方法已經(jīng)很難解決。如何對大量的金融資產(chǎn)進行快速分析將直接影響到投資組合的效率。數(shù)據(jù)挖掘方法由于具有強大的數(shù)據(jù)處理、信息挖掘能力，開始廣泛地應(yīng)用在金融領(lǐng)域的相關(guān)研究中。 投資組合是指選擇多種股票

2、或其他資產(chǎn)進行組合，然后優(yōu)化組合以探求在給定的收益率水平下的風險最小化。理論表明，通過選取差異性較大的股票進行組合，可以減少資產(chǎn)的非系統(tǒng)風險。選取合適的股票品種，可以通過對每日收盤價時間序列進行聚類，即對具有不同的價格波動特性的股票進行無監(jiān)督的分類，選取相異波動特征的股票進行組合。但是金融時間序列不同于一般數(shù)據(jù)，龐大的數(shù)據(jù)不僅波動復雜，而且還伴隨著高噪聲。常用的一些聚類方法并不適用于股票數(shù)據(jù)的處理，如何改進聚類方法，使得其可以從海量的股

3、票數(shù)據(jù)中選取股票進行投資組合分析正是本研究的核心所在。 針對以上的問題，本文提出了子序列度量和馬爾可夫轉(zhuǎn)移矩陣作為相似性度量的方法，從序列的形狀和狀態(tài)變化統(tǒng)計特征兩個角度進行分析，得到不同資產(chǎn)價格波動序列間的距離計算公式。大量實驗驗證了該方法的合理性。根據(jù)聚類的結(jié)果，進一步選擇不同類的股票進行投資組合。本文的主要創(chuàng)新和工作如下： 1.提出基于子序列度量的相似性度量方法，并應(yīng)用于時間序列聚類，并且考慮到了序列量綱的差異。