时间序列特征编码方法改进及在金融数据中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.3 研究综述 | 第12-17页 |
| 1.3.1 时间序列特征表示研究综述 | 第12-14页 |
| 1.3.2 时间序列相似度量研究综述 | 第14-16页 |
| 1.3.3 研究综述小结 | 第16-17页 |
| 1.4 研究内容和框架 | 第17-19页 |
| 1.4.1 研究内容 | 第17页 |
| 1.4.2 章节安排 | 第17-19页 |
| 第二章 时间序列符号化编码表示 | 第19-28页 |
| 2.1 时间序列特征表达的简述 | 第19-20页 |
| 2.2 时间序列符号化编码表示 | 第20-24页 |
| 2.2.1 基本假设 | 第20-21页 |
| 2.2.2 算法流程 | 第21-24页 |
| 2.3 模型参数选择准则 | 第24-27页 |
| 2.3.1 参数选择常用准则 | 第24-25页 |
| 2.3.2 构建参数选择准则 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 时间序列符号化编码相似性度量 | 第28-38页 |
| 3.1 可借鉴的相似度量方法 | 第28-30页 |
| 3.2 编码距离的性质 | 第30-31页 |
| 3.2.1 距离一般性质 | 第30-31页 |
| 3.2.2 编码距离期望下界原理 | 第31页 |
| 3.3 定义编码距离及性质证明 | 第31-35页 |
| 3.3.1 定义编码距离 | 第31-32页 |
| 3.3.2 编码距离性质证明 | 第32-35页 |
| 3.4 符号距离矩阵 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于编码算法的金融时间序列模式匹配 | 第38-51页 |
| 4.1 基于目标模式的快速匹配 | 第38-47页 |
| 4.1.1 数据说明 | 第38页 |
| 4.1.2 序列符号化编码表示 | 第38-40页 |
| 4.1.3 目标序列相似匹配结果 | 第40-43页 |
| 4.1.4 基于不同度量方式下的结果评估 | 第43-44页 |
| 4.1.5 算法稳健性检验 | 第44-47页 |
| 4.2 变长模式的识别应用 | 第47-50页 |
| 4.2.1 数据说明 | 第47-48页 |
| 4.2.2 变长序列编码 | 第48-49页 |
| 4.2.3 变长序列匹配 | 第49页 |
| 4.2.4 输出结果可视化 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 基于编码表示的金融序列趋势预测模型 | 第51-60页 |
| 5.1 构建编码序列ARIMA模型 | 第51-56页 |
| 5.1.1 建模思路 | 第51页 |
| 5.1.2 ARIMA模型简介 | 第51页 |
| 5.1.3 原始数据符号化编码 | 第51-52页 |
| 5.1.4 构建模型并预测趋势 | 第52-55页 |
| 5.1.5 预测趋势结果检验 | 第55-56页 |
| 5.2 特征编码前后模型的比较分析 | 第56-59页 |
| 5.2.1 比较思路 | 第56页 |
| 5.2.2 建模流程 | 第56-57页 |
| 5.2.3 结果比较 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-63页 |
| 6.1 结论 | 第60-61页 |
| 6.2 创新点及展望 | 第61-63页 |
| 6.2.1 文章创新点 | 第61页 |
| 6.2.2 不足与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 读研期间发表学术论文、参与项目及获奖情况 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-70页 |
