多元時(shí)間序列中關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)——以股票為例.pdf

1、近年來(lái),數(shù)據(jù)挖掘領(lǐng)域出現(xiàn)了很多有關(guān)時(shí)間數(shù)據(jù)的研究,時(shí)間序列分析是其中非常重要的一部分.這些數(shù)據(jù)可以很容易的從科學(xué)研究和金融領(lǐng)域得到.例如:每日氣溫、產(chǎn)品輸出、基金和股票的價(jià)格等等.無(wú)疑,從這些序列中搜索有用的時(shí)序規(guī)則是非常有價(jià)值的.該論文從如下三個(gè)角度展開(kāi)了討論:●挖掘多元時(shí)間序列中相同采樣點(diǎn)得到的觀察值之間的關(guān)聯(lián)規(guī)則(不考慮時(shí)間維的規(guī)則).關(guān)聯(lián)分析方法可以挖掘事務(wù)數(shù)據(jù)庫(kù)中"項(xiàng)"與"項(xiàng)"之間的規(guī)則.然而,時(shí)間序列的數(shù)據(jù)不是符號(hào)表示的事務(wù)

2、數(shù)據(jù),而是連續(xù)的數(shù)值數(shù)據(jù).該文將時(shí)間序列變換到離散(符號(hào))的事務(wù)數(shù)據(jù)后,使用關(guān)聯(lián)分析方法,挖掘了多元時(shí)間序列在相同采樣點(diǎn)得到的觀察值之間的關(guān)聯(lián)規(guī)則.這種方法在分析中國(guó)證券市場(chǎng)多元股票時(shí)間序列間的關(guān)聯(lián)分析實(shí)驗(yàn)中,得出了滿意的結(jié)果.●挖掘多元時(shí)間序列中不同采樣點(diǎn)得到的觀察值之間的關(guān)聯(lián)規(guī)則(考慮時(shí)間維的規(guī)則).傳統(tǒng)的關(guān)聯(lián)規(guī)則分析方法只能分析同一事務(wù)中"項(xiàng)"與"項(xiàng)"之間的關(guān)系,卻無(wú)法分析不同事務(wù)中各"項(xiàng)"的關(guān)系,這個(gè)弱點(diǎn)導(dǎo)致它不能分析不同時(shí)刻各

3、時(shí)間序列觀察值之間的關(guān)系.為了解決這個(gè)問(wèn)題,該文提出了一種可以挖掘"跨事務(wù)"的關(guān)聯(lián)規(guī)則算法:ES-Apriori,并用這種算法挖掘多元時(shí)間序列中不同采樣點(diǎn)得到的觀察值之間的關(guān)聯(lián)規(guī)則.實(shí)驗(yàn)證明,這個(gè)算法效率很高.從實(shí)驗(yàn)得到的結(jié)果可以看到,發(fā)現(xiàn)的規(guī)則具有預(yù)測(cè)的意義.●挖掘多元時(shí)間序列中不同采樣點(diǎn)得到的頻繁片段模式間關(guān)聯(lián)規(guī)則(考慮時(shí)間維的規(guī)則).時(shí)間序列的很多片段模式會(huì)頻繁出現(xiàn),分析它們之間的關(guān)聯(lián)規(guī)則是非常有意義的.為了找到這些頻繁模式,該文

4、使用了基于"劃分"的聚類(lèi)方法,并使用動(dòng)態(tài)時(shí)間規(guī)整(DTW)計(jì)算不同片段之間的相似度.我們將聚類(lèi)后每個(gè)簇的中心作為頻繁片段模板,并用它們匹配時(shí)間序列中與其相似的片段,經(jīng)過(guò)這樣的變換后,就可以分析多元時(shí)間序列不同采樣點(diǎn)的頻繁片段模式的關(guān)聯(lián)規(guī)則.該文從多個(gè)角度挖掘了多元時(shí)間序列中的關(guān)聯(lián)規(guī)則,著重討論了具有"跨事務(wù)"性的關(guān)聯(lián)規(guī)則分析方法,并且將這種分析方法的對(duì)象由"符號(hào)"擴(kuò)展到了"模式".相應(yīng)的算法在多策略數(shù)據(jù)挖掘平臺(tái)MSMiner系統(tǒng)中得到了