基于ICA的时间序列聚类方法及其在股票数据分析中的应用

第 1 7卷第 5期20 0 8年 l 0月

运筹与管理OPERATI ONS RESEARCH AND ANAGEM ENT CI M S ENCE

Vo . 7, . 1 1 No 5 0c . 0 t2 08

基于 IA的时间序列聚类方法及其在 C股票数据分析中的应用郭崇慧，贾 张娜 宏峰， ( .连理工大学系统工程研究所，宁大连 16 2 1大辽 104;2大连理工大学应用数学系，宁大连 l62 ) .辽 10 4

摘

要：间序列聚类分析是时间序列数据挖掘中的重要任务之一，常由于时间序列数据的特殊结构，致一时通导

般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进一值算法相结合的均时间序列聚类算法，算法首先利用独立成分分析对时间序列数据进行特征提取，后利用改进 .值聚类算该然均法完成对时间序列特征数据的聚类分析，而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法从的有效性和可行性，其应用于实际的股票时间序列数据聚类分析中，得了较好的数值结果。将取 关键词：元统计分析；间序列聚类分析；立成分分析；多时独股票数据中图分类号： 9 5 1 N 4 .I 文章标识码： A文章编号：0 7 3 2 ( 0 8 O, 10 O 1 0—2 l 2 0 ) 5 O 2一 5

Ti e Ser s Clser g Bas d on I m i ut i e n e CA o o t alss f rSt ck Da a An y iGUO o g hu,JA n fn。 ZHANG Ch n。 i I Ho g—e g Na,

( .Is tt o yt s n i e n, ain U i rt o Tc nl y D l n16 2,C i;.Dp r et 1 ntu i e fSs m gn r g D l n e i e oo, ai 10 4 hn 2 eat n e E ei a v syf h g a a m f oA pi te ai, ai n e i eh o g, ai 10 4 C ia p ldMahm ts D l n U i r t o Tcn l y D l n 16 2, hn ) e c a v sy f o a Abs r c: m e s re l se i

g i n i ot n a k i i e s re a a mi i g C mpae o ta i o a l se ta t Ti e is cu trn s a mp ra tts n t e isd t n n . o m r d t r d t n lcu t— irn o lms,tme s re l se i gp s sa dto a i c lis i gpr be i e iscu trn o e d i n ldf u te .Th ni esr cu eo i es re a e n i i eu qu tu tr ft e ism k sma y m ta iin lc u trn t o s u a l o a p y d r cl T s a e r s n s a n v lf au e b s d a p o c t r d to a l se i g meh d n b e t p l ie t y. hi p p r p e e t o e e t r a e p r a h o tme s re l se i g,wh c rtc n et he rw i e is d t n o fa u e v co so o r dme so y U i e isc u t rn ih f s o v rst a tme s re aa i t e t r e t r fl we i n in b i sn CA lo ih,a d t e p le dfe me n l o i m o t e e ta td fau e v c os F n ly, t ig I a g rt m n h n a p is a mo i d k- a s ag rt i h t h xr c e e tr e tr . i al O v l a e efc ie e s a d f a i i t ft e p e e td m eh d,we u ei t n lz h e lwo l t c i es re ai t fe t n s n e sb l y o h r s n e t o d v i s t o a ay et e r a rd so k tm e is daa a d a h e e r a o b e r s l . t n c iv e s na l e u t s

Key wor ds: lia it n l ss,tme s re l se i g a ay i, i d p n e tc mp n n n lss so k d t mu tv rae a ay i i e is cu t rn n lss n e e d n o o e ta a y i, t c aa

0引言 时间序列是一种重要的高维数

据类型，它是由客观对象的某个物理量在不同时间点的采样值按照时间先后次序排列而组成的序列。在科学、程和商业领域具有广泛应用。如：票市场每天的股票收盘价工股

格数据、每季度乘坐某次航班的旅客数、电话公司每小时的话务量等都是时间序列数据。分析时间序列的目的就是利用客观对象本身的动态时间序列去分析、研究和预测客观对象未来的变化规律。近年来，对于

时间序列数据的分析与挖掘激发了越来越多的研究人员的研究热情 -] 3。时间序列聚类分析可以有效提

收稿日期：8 O .8 0 . 2 1

基金项目：家自然科学基金资助项目( 0 7 0 8 7 4 10 )国 1 5 1 1;0 3 0 1

‘

作者简介：崇慧 (9 3 )男，士，教授，士生导师，郭 17 .,博副博主要研究方向：系统优化方法，据挖掘与机器学习。贾宏峰 ( 9 2)男，数 18 -,硕士研究生 .究方向：立成分分析。研独

第 5期

郭崇慧，:基于 IA的时间序列聚类方法及其在股票数据分析中的应用等 C

11 2

供数据中的重要信息，是时间序列数据挖掘中的重要任务之一。 聚类是无指导学习的一种方法，目的是通过辨识数据间的结构特征，得数据在类内相似性最大、其使 在类间相似性最小’。文…把对静态数据的聚类方法分为五种， 即划分聚类、次聚类、于密度的聚层基类、于网格的聚类和基于模型的聚类。由于时间序列数据与静态数据有着极大的不同，基故对其进行聚类分析有着很大的复杂性。近年来，现出许多时间序列聚类方法，些时间序列数据聚类方法大体上涌这

可以分为三种，即基于原始数据的聚类、于特征的聚类和基于模型的聚类。其中后两种方法的核心思想基是把时间序列数据转化为静态的特征数据或者是模型参数，然后再直接应用静态数据的聚类方法来完成聚类任务。通常时间序列数据具有高维特性和高噪声特性，了能够对其进行有效聚类，为已经提出了多种基于特征的时间序列数据聚类方法，些特征包括线性预测编码系数、一化谱、相关函数、这归互感知重要点、时域一频域表示¨小波

变换¨、等。 独立成分分析 (n e ed n C mpn n A a s, C ) Idp n e t o o et n l i I A是信号处理领域在 2 ys 0世纪 9 0年代发展起来的一

种新的统计方法¨自 19, 9 8年 B c ak和 Wegn i d将 I A的研究推广到金融领域后， A用在金融数据方 e C I C

面的研究便得到了普遍的关注¨。文¨ 将 I A应用于分析同一连锁店中若干商店的现金流转， C找到了影响商店现金流量的一些公共基本因素，尝试结合自组织映射模型来发现序列之间的相似性。文并刚将

I A与自回归模型相结合用于金融时间序列预测， C数值结果表明，利用 I A预测时间序列比直接利用自回 C归模型的效果要好。

I A可以看成是主成分分析和因子分析的拓展。但是 I A是一项更强有力的技术， C C当经典方法完全失效时，它仍然可能找出支撑观测数据的内在因子或源。针对股票收益时间序列数据的聚类分析问

题，文提出了一种基于 IA与改进 .本 C均值算法相结合的时间序列聚类算法，基本思想是首先利用 IA其 C对时间序列数据进行特征提取，然后利用一般的划分聚类算法完成对时间序列特征数据的聚类分析。在聚类分析中， 均值算法是一种常用的基于划分的聚类算法，优点是简单、速、效，缺点也十分明其快有但显， k个初始聚类中心的选取对聚类结果具有较大的影响，不同的初始聚类中心出发，得到不同的即从将

聚类结果，且准确率也高低不一，因此如何选择初始聚类中心就成为影响最终聚类结果的重要因素。为了

完成对特征数据的聚类，文提出了一种改进的 J均值算法，过合理选取初始聚类中心，到了更好的本 l} .通达聚类效果。因此对于原始时间序列数据，以利用 I A方法首先提取静态特征数据，后利用本文所提可 C然出的改进一均值算法对所提取的静态特征数据进行聚类，而完成了对原始时间序列数据的聚类，从由此便得到了一种新的基于 I A的时间序列聚类方法。 C

1基于 I A的时问序列聚类分析方法 C1 1 I A简介 . C

I A源于盲源分离 ( C盲 …… 此处隐藏：10586字，全部文档内容请下载后查看。喜欢就下载吧 ……