基于d-近邻聚类的证券时间序列奇异点研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·研究内容 | 第10页 |
| ·论文结构 | 第10-13页 |
| 第2章 奇异点研究理论基础及检测方法概述 | 第13-25页 |
| ·理论基础 | 第13-15页 |
| ·奇异点检测方法概述 | 第15-21页 |
| ·奇异点的定义 | 第15页 |
| ·基于统计的奇异点检测方法 | 第15-16页 |
| ·基于距离的奇异点检测方法 | 第16-17页 |
| ·基于密度的奇异点检测方法 | 第17-19页 |
| ·基于偏离的奇异点检测方法 | 第19-20页 |
| ·基于深度的奇异点检测方法 | 第20-21页 |
| ·基于聚类的奇异点检测方法 | 第21页 |
| ·聚类分析与奇异点检测过程 | 第21-23页 |
| ·数据准备 | 第22页 |
| ·特征生成 | 第22-23页 |
| ·模式发现 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第3章 时间序列模型概述 | 第25-33页 |
| ·引言 | 第25页 |
| ·线性时间序列模型 | 第25-28页 |
| ·自回归模型 | 第25-26页 |
| ·移动平均模型 | 第26-27页 |
| ·自回归移动平均模型 | 第27-28页 |
| ·非线性时间序列模型 | 第28-30页 |
| ·双线性模型 | 第28-29页 |
| ·自激励门限自回归模型 | 第29-30页 |
| ·指数自回归模型 | 第30页 |
| ·本章小结 | 第30-33页 |
| 第4章 基于d近邻聚类证券时间序列奇异点检测 | 第33-47页 |
| ·引言 | 第33页 |
| ·相关定义 | 第33-39页 |
| ·基于d-近邻聚类的奇异点检测方法 | 第39-44页 |
| ·短期趋势聚类 | 第39-43页 |
| ·d-近邻聚类方法 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| ·奇异点实证分析 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于奇异点的证券时间序列短期趋势模型 | 第47-53页 |
| ·引言 | 第47页 |
| ·短期趋势建模思想 | 第47页 |
| ·线性趋势模型 | 第47-48页 |
| ·参数估计 | 第48页 |
| ·证券时间序列趋势预测结果 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第6章 结论与展望 | 第53-55页 |
| ·本文工作 | 第53-54页 |
| ·下一步工作 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 附录A 攻读学位期间作者的工作成果 | 第63-65页 |
| 附录B 奇异点检测实证信息表 | 第65-66页 |
