作者：倪丽萍
出版时间：2015年
内容提要:
本书是在作者博士论文的基础上编写而成的。该论文为2010年合肥工业大学优秀博士论文。随着金融业信息化建设的快速发展，金融数据量不断增多。如何对这些数据进行有效分析成为研究的热点问题。分形技术是非线性理论中的一个分支，相关研究表明，在金融市场中分形现象是普遍存在的，利用分形理论能够更好地揭示金融市场的非线性特点。
目录
第1章 绪论 1
1.1 研究背景及意义 1
1.2 金融时间序列的分类 2
1.3 金融数据分析方法 3
1.3.1 传统的时间序列分析方法 3
1.3.2 数据挖掘方法 5
1.4 分形理论及其在金融数据分析中的研究现状 7
1.4.1 分形理论的提出 7
1.4.2 分形技术在金融数据分析中的研究现状 9
1.5 本书的组织结构和内容安排 14
第2章 趋势分形维数及其计算方法 17
2.1 分形维数及其计算方法 17
2.1.1 分形维数的定义 17
2.1.2 金融时间序列分形维数计算方法 20
2.2 分形维数求解过程中直线拟合的方法 30
2.3 趋势分形维数的概念 33
2.4 趋势分形维数的计算方法 35
2.5 趋势分形维数的意义 47
2.6 本章小结 48
第3章 基于趋势分形维数的金融时间序列数据相似性分析 49
3.1 时间序列相似性分析 49
3.1.1 时间序列的表示方法 50
3.1.2 时间序列相似性度量方法 52
3.1.3 时间序列相似性算法性能评估 54
3.2 基于趋势分形维数的时间序列相似性分析 55
3.2.1 分形维数在时间序列相似性分析中的研究现状 55
3.2.2 基于趋势分形维数的相似性分析结果 55
3.3 本章小结 60
第4章 多元时间序列分形维数的计算 61
4.1 多元时间序列分形维数计算方法 61
4.2 一种多元时间序列分形维数计算方法 66
4.2.1 Lorenz系统的分形维数计算 67
4.2.2 上证股指指标时间序列的分形维数计算 68
4.3 本章小结 71
第5章 基于分形属性选择算法的多元金融时间序列数据分析 72
5.1 分形属性选择算法 74
5.2 基于分形维数和蚁群算法的属性选择方法 76
5.3 基于蚁群算法和分形维数的属性选择算法性能验证 81
5.3.1 SVM参数选择问题 82
5.3.2 实验结果 84
5.3.3 时间复杂度分析 85
5.4 多元金融时间序列预测 86
5.4.1 股票数据集的选择 87
5.4.2 实验结果分析 89
5.5 本章小结 93
第6章 总结与展望 95
6.1 总结 95
6.2 展望 97
参考文献 98
基于分形技术的金融数据分析方法研究pdf下载
