| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第12-31页 |
| 1．1 选题背景及意义 | 第12-13页 |
| 1．2 隐含模式存在的可能性 | 第13-17页 |
| 1．2．1 基础分析与技术分析 | 第14-15页 |
| 1．2．2 市场有效性问题 | 第15-17页 |
| 1．3 数据挖掘技术的兴起 | 第17-18页 |
| 1．4 时间序列挖掘研究现状 | 第18-23页 |
| 1．4．1 一般时间序列挖掘研究现状 | 第18-21页 |
| 1．4．2 时间序列挖掘面临的主要问题 | 第21-22页 |
| 1．4．3 金融时间序列挖掘的应用研究 | 第22-23页 |
| 1．5 时间序列挖掘与模型法的比较分析 | 第23-27页 |
| 1．6 本文研究内容及组织 | 第27-31页 |
| 1．6．1 研究内容 | 第27-28页 |
| 1．6．2 论文组织结构 | 第28-31页 |
| 第2章 金融时间序列的小波去噪预处理 | 第31-47页 |
| 2．1 金融时间序列的特性 | 第31-32页 |
| 2．2 常见滤波法对金融序列去噪的缺陷与小波法的优势 | 第32-35页 |
| 2．2．1 常见滤波法的缺陷分析 | 第32-35页 |
| 2．2．2 小波方法对金融时间序列去噪的优势 | 第35页 |
| 2．3 小波变换简介 | 第35-37页 |
| 2．4 小波去噪的基本原理 | 第37-40页 |
| 2．4．1 小波系数模极大值法去噪原理 | 第38-40页 |
| 2．4．2 非线性小波变换阈值法去噪原理 | 第40页 |
| 2．5 金融时间序列小波去噪参数的选取分析 | 第40-44页 |
| 2．5．1 去噪的指导思想 | 第40-41页 |
| 2．5．2 小波函数的选取分析 | 第41-42页 |
| 2．5．3 阈值的确定准则 | 第42-44页 |
| 2．5．4 分解层次的去噪影响 | 第44页 |
| 2．6 去噪实例 | 第44-46页 |
| 2．7 本章小结 | 第46-47页 |
| 第3章 金融时间序列相似度量的偏好模型 | 第47-68页 |
| 3．1 影响序列相似性度量的因素 | 第47-48页 |
| 3．2 已有序列相似性度量方法综述 | 第48-53页 |
| 3．2．1 直接距离法 | 第49页 |
| 3．2．2 基于傅立叶变换的方法 | 第49-50页 |
| 3．2．3 ARMA模型参数法 | 第50-51页 |
| 3．2．4 基于规范变换的方法 | 第51页 |
| 3．2．5 时间弯曲模型法 | 第51-52页 |
| 3．2．6 界标模型法 | 第52-53页 |
| 3．3 金融时间序列挖掘的相似偏好要求 | 第53-54页 |
| 3．4 反映相似偏好的三分量模型 | 第54-57页 |
| 3．5 模型偏好参数的确定 | 第57-62页 |
| 3．5．1 基本思想与步骤 | 第57-58页 |
| 3．5．2 求解偏好参数的遗传算法 | 第58-61页 |
| 3．5．3 偏好测定序列的设定问题 | 第61-62页 |
| 3．6 模型验证 | 第62-67页 |
| 3．7 本章小结 | 第67-68页 |
| 第4章 金融时间序列隐含事件征兆模式挖掘 | 第68-90页 |
| 4．1 挖掘征兆模式的意义 | 第68-69页 |
| 4．2 相关工作 | 第69-72页 |
| 4．2．1 频繁模式与关联规则的挖掘研究 | 第69-70页 |
| 4．2．2 序贯模式的挖掘研究 | 第70-71页 |
| 4．2．3 时间序列频繁模式的挖掘研究 | 第71页 |
| 4．2．4 时态模式挖掘研究 | 第71-72页 |
| 4．3 TSEOPM的基本概念与定义 | 第72-74页 |
| 4．4 TSEOPM的思想基础与实现框架 | 第74-76页 |
| 4．5 事件兴趣函数与投影函数 | 第76页 |
| 4．6 征兆点的搜索 | 第76-77页 |
| 4．7 模式聚类与候选征兆模式中心的确定 | 第77-83页 |
| 4．7．1 聚类方法选择分析 | 第77-80页 |
| 4．7．2 层次聚类法 | 第80-82页 |
| 4．7．3 候选模式中心点的确定 | 第82-83页 |
| 4．8 模式鉴别与输出 | 第83-85页 |
| 4．9 模拟实验 | 第85-89页 |
| 4．9．1 确定性时间序列数据上的 TSEOPM挖掘实验 | 第85-87页 |
| 4．9．2 随机时间序列数据上的 TSEOPM挖掘实验 | 第87-89页 |
| 4．10 本章小结 | 第89-90页 |
| 第5章 金融时间序列间隐含关联模式挖掘 | 第90-107页 |
| 5．1 关联模式概述 | 第90-91页 |
| 5．2 时间序列的符号化处理 | 第91-96页 |
| 5．2．1 序列分割 | 第92-94页 |
| 5．2．2 线段模式聚类 | 第94-96页 |
| 5．3 基于共同机制思想的关联模式挖掘 | 第96-100页 |
| 5．3．1 基本定义及原理 | 第96-98页 |
| 5．3．2 挖掘算法 | 第98-100页 |
| 5．4 模拟实验 | 第100-105页 |
| 5．4．1 模拟数据的生成 | 第100-102页 |
| 5．4．2 同向作用的挖掘结果 | 第102-103页 |
| 5．4．3 反向作用的挖掘结果 | 第103-105页 |
| 5．5 关于参数设置的讨论 | 第105-106页 |
| 5．6 本章小结 | 第106-107页 |
| 第6章 隐含模式挖掘在金融市场中的应用研究 | 第107-118页 |
| 6．1 征兆模式挖掘对我国股市有效性的分析 | 第107-112页 |
| 6．1．1 研究方案及步骤 | 第107-109页 |
| 6．1．2 挖掘参数设定 | 第109-110页 |
| 6．1．3 挖掘结果分析及结论 | 第110-112页 |
| 6．2 关联模式挖掘应用于股票关联特征分析 | 第112-115页 |
| 6．3 基于隐含模式挖掘的技术交易决策系统原型 | 第115-116页 |
| 6．4 本章小结 | 第116-118页 |
| 结论 | 第118-121页 |
| 参考文献 | 第121-128页 |
| 致谢 | 第128-130页 |
| 附录A 作者在攻读博士学位期间参与的科研工作及论文情况 | 第130-132页 |
| 附录B 沪市 A股市场验证结果 | 第132-140页 |
| 附录C 深市 A股市场验证结果 | 第140-146页 |
