期货时间序列特征分析与应用研究.pdf

摘要 摘要 数据库知识发现(I①D)是涉及统计学、数据库等学科的一门相当活跃的研究领 域，是从数据集中识别出有效的、新颖的、潜在有效的以及最终可理解的模式的非平凡 过程。时间序列在数据集中十分普遍，对时间序列进行数据挖掘已成为当前研究的焦点 之一。 目前，期货通常采用证券投资技术进行预测和分析，它通过绘制各类图表和数量 分析得出某种结论，借以揭示证券大盘走势或某个股的演变轨迹。对于数量巨大、动态 变化、彼此之间联系密切、有时看来甚至是相互矛盾的复杂数据，采用传统的统计数据 处理方法是难以取得成功的。为此需要发展数据挖掘和知识挖掘，以及数据库中的知识 发现等技术，使数据挖掘在期货分析中得到广泛的应用，提高证券投资技术的准确性。 本文在详细论述了数据挖掘的内容、功能和流程及深入分析了期货价格数据特征 的基础上，提出用一种定性的方法，R／S分析法进行未来期货价格趋势的分析和预测； 结合一种定量预测方法：采用改进的ARFIMA建模方法做价格预测，并对其进行了若 干有意义的研究与探索，从而找出了一种预测期货价格变化趋势及未来短期价格的算 实了该算法对于期货时间序列特征数据预测的可靠性。以此算法为基础设计了功能较为 齐全的期货价格预测分析系统，文中对系统架构、数据库、功能作了详细设计。 本论文的研究证实了把分形理论的R／S方法和传统的时序分析方法结合起来应用 于经济预测的可行性。有待在实际应用中进一步研究与讨论。 关键词 数据挖掘；时间序列分析；期货价格预测；分形理论；ARFIMA Abstract researchdomain aratheractive inDatabase(KDD)is Discovery Knowledge finds anunusual that isalso process database，etc．It statistics， regarding whichcanbefinally mode outtheeffective，novel，latent—effective SeriesData seriesare commonindatasets，Time time very apprehensible．Because data studies· ofcurrentmining ofthefocuses beenone Mining(TSDM)has the securitiesinvestment At negotiable present，using