论文部分内容阅读
聚类分析是一种经典的数据分析方法，而半指导聚类是近几年兴起的新的聚类分析研究方向。半指导聚类方法在传统聚类方法的基础上，利用已知的少量标记数据或相关领域内的约束信息“诱导”或“修正”聚类过程，即提供有限形式的指导，以得到更优的聚类结果。本文分析讨论了半指导聚类方法在上证交易所高频金融时间序列数据上的应用。 本文首先介绍了高频金融数据研究和半指导聚类研究的现状。从研究现状来看，目前国际上还没有半指导金融时间序列聚类的相关研究。然后分别介绍了时间序列聚类和半指导聚类的基本知识。在本文的实证部分，对子序列时间间隔和窗宽的选择进行了大量的实验。实验结果反映出所选股票的价格变动具有明显的模式。最后，在选定的时间间隔和窗宽下应用半指导聚类方法，聚类结果较传统方法得到了改进。