基于SAX方法的股票时间序列数据相似性度量方法研究  

Research on the Stock Time Series Data Similarity Based on SAX

作　　者：刘威[1] 邵良杉[2] 曾繁慧[1] 王江[1] 付巍巍[1] 

机构地区：[1]辽宁工程技术大学理学院,辽宁阜新123000 [2]辽宁工程技术大学系统工程研究所,辽宁阜新123000

出　　处：《计算机工程与科学》2009年第9期115-118,共4页Computer Engineering & Science

基　　金：国家自然科学基金资助项目(70572070)

摘　　要：特定数据集上高效的相似性度量方法是目前时间序列数据挖掘领域研究的重点内容之一。针对经过SAX方法降维后的股票数据在相似性度量中缺乏趋势变化的动态信息这一问题,本文提出了一种融合了点距离与模式距离优点的新型相似性度量函数——复合距离函数,并通过实证分析验证了该距离函数在相似性度量中的有效性,为揭示股票数据间相互依赖的规律以及时间序列相似性问题的进一步研究提供了新思路。Research of efficient similarity measurement methods on specific data sets is one of the key research contents in time series data mining. To solve the problem that stock data lack the dynamic information of trend after reducing the dimension by using the SAX method, this paper presents a new similarity measurement function, the Complex-Distance-Function,which joins the point-distance advantages and the model-distance advantages together. Through the experiments of SAX with different distance functions, we prove that the Complex-Distance-Function is useful and provides new ideas to revealing the interdependence between stock data and solve the problem of time series similarity.

关 键 词：时间序列 相似性 符号集合近似方法 股票数据 复合距离函数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]