| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第10-14页 |
| 1.1 股票走势是否可预测 | 第10-11页 |
| 1.2 如何对股票价格进行预测 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文的章节安排 | 第13-14页 |
| 第二章 证券交易时间序列数据研究 | 第14-23页 |
| 2.1 证券数据的来源及特点 | 第14-16页 |
| 2.1.1 证券交易数据的记录方法与最小记录单位 | 第14页 |
| 2.1.2 证券交易的原始数据及其获取 | 第14页 |
| 2.1.3 证券交易日线数据的格式 | 第14-15页 |
| 2.1.4 全推数据与点播数据 | 第15-16页 |
| 2.2 证券交易数据的可视化表示 | 第16-18页 |
| 2.2.1 可视化概念 | 第16页 |
| 2.2.2 证券交易数据的可视化与K线 | 第16-17页 |
| 2.2.3 K线的来源及特点 | 第17-18页 |
| 2.3 证券交易数据的降维与数据压缩 | 第18-20页 |
| 2.3.1 交易数据为什么要压缩 | 第18-19页 |
| 2.3.2 交易系统的数据压缩 | 第19-20页 |
| 2.3.3 交易序列数据的特征表示 | 第20页 |
| 2.4 拟合误差与走势特征 | 第20-23页 |
| 2.4.1 如何判别证券时间序列分段算法的优劣 | 第20页 |
| 2.4.2 过度拟合 | 第20页 |
| 2.4.3 趋势特征的衡量 | 第20-23页 |
| 第三章 各种时间序列特征表示法用于证券时间序列的优劣 | 第23-33页 |
| 3.1 时间序列特征表示 | 第23-25页 |
| 3.2 基于斜率提取边缘点的时间序列分段线性表示 | 第25-29页 |
| 3.2.1 时间序列的SEEP表示 | 第26页 |
| 3.2.2 边缘点的确定 | 第26-28页 |
| 3.2.3 时间序列算法表示 | 第28-29页 |
| 3.2.4 算法分析 | 第29页 |
| 3.3 基于趋势转折点的时间序列模式表示 | 第29-33页 |
| 3.3.1 时间序列趋势转折点 | 第29-30页 |
| 3.3.2 基于趋势转折点的分段线性表示 | 第30-31页 |
| 3.3.3 算法分析 | 第31-33页 |
| 第四章 基于分型转折点的证券时间序列分段表示法 | 第33-45页 |
| 4.1 证券时间序列特征表示法 | 第33-34页 |
| 4.2 问题描述及分型转折点的定义 | 第34-35页 |
| 4.2.1 问题的定义 | 第34页 |
| 4.2.2 证券时间序列的分形特征与分段评价标准 | 第34-35页 |
| 4.3 分型转折点分段方法 | 第35-40页 |
| 4.3.1 基本定义 | 第35-36页 |
| 4.3.2 两个观测值的组合关系 | 第36-37页 |
| 4.3.3 证券时间序列的方向 | 第37页 |
| 4.3.4 合并存在包含关系的观测值 | 第37-38页 |
| 4.3.5 3根K线组合关系 | 第38-39页 |
| 4.3.6 K线的分型 | 第39页 |
| 4.3.7 分型转折点分段方法 | 第39-40页 |
| 4.3.8 算法优点比较分析 | 第40页 |
| 4.4 实验结果及分析 | 第40-42页 |
| 4.4.1 实验数据 | 第40页 |
| 4.4.2 实验方法 | 第40-41页 |
| 4.4.3 实验结果 | 第41-42页 |
| 4.5 结论 | 第42-45页 |
| 第五章 基于趋势特征拓扑结构的相似性度量 | 第45-59页 |
| 5.1 时间序列的相似性度量方法 | 第46-48页 |
| 5.1.1 欧几里德距离 | 第46-47页 |
| 5.1.2 动态时间弯曲距离 | 第47-48页 |
| 5.2 时间序列的趋势与形态 | 第48-49页 |
| 5.2.1 趋势 | 第48-49页 |
| 5.2.2 形态模式 | 第49页 |
| 5.3 时间序列特征序列的符号化表示 | 第49-53页 |
| 5.3.1 一个线段的分类 | 第50页 |
| 5.3.2 两个线段的分类 | 第50-51页 |
| 5.3.3 三个线段之间形态的完全分类 | 第51-52页 |
| 5.3.4 时间序列分段的形态符号化表示 | 第52-53页 |
| 5.4 基于趋势特征拓扑结构符号化的相似性度量 | 第53-55页 |
| 5.4.1 编辑距离 | 第53-54页 |
| 5.4.2 证券特征序列符号化的编辑距离 | 第54-55页 |
| 5.5 应用 | 第55-56页 |
| 5.5.1 线性分段到符号序列的转换 | 第55页 |
| 5.5.2 子序列模式 | 第55-56页 |
| 5.5.3 新模式的发现 | 第56页 |
| 5.6 小结 | 第56-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 6.1 基于分型转折点的证券时间序列线性分段法 | 第59页 |
| 6.2 基于趋势特征拓扑结构符号化的相似性度量 | 第59-60页 |
| 6.3 下一步的工作：趋势模式识别与数据挖掘 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 致谢 | 第67页 |