基于Kmeans的綜合股指類數(shù)據(jù)的聚類研究.pdf

1、自從證券市場(chǎng)出現(xiàn)以來(lái)，人們便不斷地嘗試發(fā)掘其潛在規(guī)律。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展，數(shù)據(jù)挖掘被引入了股票指數(shù)分析的研究領(lǐng)域。聚類分析是數(shù)據(jù)挖掘中一種常用的分析工具。近些年，許多研究者對(duì)股票數(shù)據(jù)進(jìn)行聚類分析，以嘗試獲得一些傳統(tǒng)分析方法無(wú)法得到的有用信息。在所有聚類算法中，Kmeans以廣泛的數(shù)據(jù)適應(yīng)性著稱：不論何種維度類型的數(shù)據(jù)，Kmeans都可以很好的適應(yīng)。因此，本文作者將使用Kmeans作為聚類分析的基礎(chǔ)算法。
　　然而，在使用Kme

2、ans分析股票數(shù)據(jù)時(shí)，作者發(fā)現(xiàn)Kmeans并不總是適應(yīng)股票指數(shù)數(shù)據(jù)。體現(xiàn)在聚類結(jié)果上表現(xiàn)為，聚類結(jié)果中不同聚類之間相互交錯(cuò)不能很好的分離開(kāi)。經(jīng)過(guò)分析與思考后，作者認(rèn)為：之所以Kmeans無(wú)法得到有效的聚類結(jié)果是因?yàn)椋褂肒means分析股指類數(shù)據(jù)不可避免地會(huì)產(chǎn)生信息的丟失。這是其他大部分研究者，關(guān)注較少的地方。
　　眾所周知，投資者研究股票數(shù)據(jù)時(shí)，會(huì)關(guān)注同一技術(shù)指標(biāo)在不同參數(shù)下形成的不同曲線之間的相互變動(dòng)關(guān)系。但是，如果使用Kme

3、ans進(jìn)行聚類分析，這些曲線之間的相互變動(dòng)關(guān)系將會(huì)丟失。因此，如何找回丟失的信息，是本文的重點(diǎn)研究對(duì)象。為了解決信息丟失的問(wèn)題，作者提出兩個(gè)新指標(biāo)來(lái)保留有用信息。之后，作者通過(guò)實(shí)驗(yàn)驗(yàn)證了提出算法的可行性。由于兩個(gè)新提出的指標(biāo)，在數(shù)據(jù)預(yù)處理階段被計(jì)算。因此，我們可以把提出的解決方案看作一種特殊的數(shù)據(jù)預(yù)處理方法。
　　為了驗(yàn)證提出的數(shù)據(jù)預(yù)處理方法的有效性，文中做了多組對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示，提出的數(shù)據(jù)預(yù)處理方法顯著地提高了聚類算法的有