金融多元时间序列挖掘方法研究与应用

摘要	第1-6页
英文摘要	第6-13页
第一章 绪论	第13-30页
·研究背景与选题意义	第13-19页
·金融数据分析	第13-14页
·时间序列挖掘	第14-18页
·研究的目的和意义	第18-19页
·研究现状及存在的问题	第19-26页
·多元时间序列挖掘技术及应用	第19-22页
·金融多元时间序列挖掘	第22-24页
·存在的主要问题	第24-26页
·本文的主要内容及特色	第26-28页
·本文的内容安排	第28-30页
第二章 多元时间序列挖掘技术及应用	第30-59页
·时间序列数据类型	第30-35页
·多元时间序列	第30-34页
·不等间隔时间序列	第34页
·时间序列数据的模式表示	第34-35页
·多元时间序列挖掘技术及应用	第35-49页
·聚类	第35-39页
·神经网络	第39-40页
·k-近邻	第40页
·相似性度量方法	第40-45页
·相似性查找方法	第45-46页
·参数化建模方法	第46-47页
·多元时间序列的应用研究	第47-49页
·金融多元时间序列挖掘技术	第49-56页
·时间序列聚类	第49-50页
·相似性查找方法	第50-53页
·模式挖掘	第53-54页
·小规模数据分析	第54-56页
·本文的研究重点和研究框架	第56-57页
·小结	第57-59页
第三章 金融多元时间序列的相似性分析方法	第59-76页
·引言	第59-60页
·多元时间序列的相似性分析	第60-62页
·小规模数据	第60-61页
·相似性分析方法	第61-62页
·基于点分布特征的相似性度量	第62-68页
·多元时间序列的曲面图描述方式	第62-64页
·基于点分布特征的相似性度量	第64-68页
·方法验证与性能评估	第68-75页
·实验方式和评价方法	第68-69页
·REF数据的相似性查找	第69-71页
·EEG数据的相似性查找	第71-73页
·金融高频数据的聚类分析	第73-75页
·小结	第75-76页
第四章 金融多元时间序列的平稳性分析方法	第76-100页
·引言	第76-78页
·时间序列平稳性分析方法	第78-81页
·时间序列聚类	第78-79页
·多元时间序列平稳性分析方法	第79-80页
·一元时间序列平稳性分析方法	第80-81页
·非线性转换理论	第81-86页
·非线性转换方法	第81-82页
·CCM的非线性趋势特征提取算法	第82-83页
·ACF的非线性趋势特征提取算法	第83-86页
·方法验证与性能评估	第86-98页
·一元仿真数据	第87-90页
·多元仿真数据	第90-93页
·多元股票数据	第93-94页
·参数化建模	第94-98页
·小结	第98-100页
第五章 金融投资组合及多元时间序列预测	第100-113页
·引言	第100-101页
·金融资产选择方法	第101-104页
·金融时间序列	第101-102页
·金融投资组合模型	第102页
·金融资产选择方法	第102-104页
·投资组合模型	第104-106页
·基于聚类的资产选择方式	第104-105页
·一种新的金融时间序列特征提取方法	第105-106页
·方法验证与性能评估	第106-112页
·相关系数分析	第107-108页
·聚类分析	第108-110页
·多元时间序列的趋势预测	第110-112页
·小结	第112-113页
第六章 金融高频数据的相似性查找方法	第113-132页
·引言	第113-114页
·金融高频数据分析	第114-115页
·金融高频数据的相似性查找方法	第115-122页
·金融高频数据的描述方法	第115-116页
·ACF多重非线性趋势特征的提取算法	第116-118页
·经验模式的确定方法	第118-121页
·相似性查找的评价方法	第121-122页
·方法验证与性能评估	第122-126页
·低频时间序列的相似性查找	第122-124页
·金融高频数据的相似性查找	第124-126页
·金融高频数据分析模块的框架	第126-130页
·小结	第130-132页
第七章 总结与展望	第132-134页
参考文献	第134-142页
在学期间取得的科研成果	第142-145页
致谢	第145页