[發明專利]一種高維數據協同變化幅度識別方法及裝置

有效

• 申請號: 202011592277.X
• 申請日: 2020-12-29
• 公開（公告）號: CN112685509B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 通聯數據股份公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/26;G06F16/2458
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 許曼;賈磊

本文提供了一種高維數據協同變化幅度識別方法及裝置，其中，方法包括：對高維數據樣本進行預處理，得到數據矩陣X，其中，預處理包括：對齊高維數據的頻率及填補高維數據的缺失值；利用抽樣周期T₀對數據矩陣X進行抽樣處理，得到多個子數據矩陣X_i；根據所有子數據矩陣X_i，計算所述數據矩陣X的協方差矩陣估計V；對所述協方差矩陣估計V進行特征分解，得到特征向量Vx；將數據矩陣X在特征向量Vx方向進行投影，得到高維數據協同變化幅度。本實施例能夠解決高維數據頻率不一、發布時間不對齊的問題，使得計算出的高維數據協同變化幅度與實際情況相符，提高高維數據協同變化幅度的精確度。

技術領域

本文涉及數據分析領域，尤其涉及一種高維數據協同變化幅度識別方法及裝置。

背景技術

現有技術中存在較多的高維數據，例如聲波陣列信號、強噪環境信號、金融數據及經濟數據等，這些高維數據包含多個變量(也可稱之為指標)，這些變量之間存在協同性變化，以經濟數據(包含多個經濟變量)為例，現有對經濟數據協同性變化分析的主要實現方式為：利用Geweke、Sargent和Sims(1977)提出的動態因子模型(Dynamic Factor Model,DFM)從一系列宏觀經濟變量中提取出單一因子，以描述變量間的協同運動，從而解決了采用單一經濟變量表示數據變化存在的局限性。但是，該方法僅能僅能處理頻率相同的經濟數據，且當分析數據的維度增加時，DFM模型將變得不穩定。伴隨社會分工細化和經濟活動多樣化，經濟數據的維度呈現出暴發增長，該分析方法難以精確的確定經濟數據的協同變化幅度，進而使得利用經濟數據協同變化幅度分析得到的經濟周期、經濟周期拐點判斷不準確。

發明內容

本文用于解決現有技術中，對于高維數據的分析僅從中提取單一變量因子，用于表示高維數據中所有變量的協同變化，該種方法并不能精確地表示高維數據協同變化幅度的問題。

為了解決上述問題，本文的第一方面提供一種高維數據協同變化幅度識別方法，包括：

對高維數據樣本進行預處理，得到數據矩陣X，其中，預處理包括：對齊高維數據的頻率及填補金融數據的缺失值；

利用抽樣周期T₀對數據矩陣X進行抽樣處理，得到多個子數據矩陣X_i；

根據所有子數據矩陣X_i，計算所述數據矩陣X的協方差矩陣估計V；

對所述協方差矩陣估計V進行特征分解，得到特征向量V_x；

將數據矩陣X在特征向量V_x方向進行投影，得到高維數據協同變化幅度。

本文進一步實施例中，填補所述高維數據的缺失值包括：利用如下公式所示的前向插值法填補所述高維數據的缺失值：

E[D_t,j]＝D_t-k,j，

其中，D_t-k,j為高維數據中的j變量在采樣時間t之前最近可得的數據記錄，E[D_t,j]為高維數據中的j變量在采樣時間t的填充值，t-k為最近的數據記錄的采樣時間。

本文進一步實施例中，根據所有子數據矩陣X_i，計算所述數據矩陣X的協方差矩陣估計V，包括：

利用Newey-West協方差矩陣調整方法，估計各子數據矩陣X_i的協方差矩陣V_i；

對各子數據矩陣X_i的協方差矩陣V_i進行加權平均處理，將計算得到的平均值作為所述數據矩陣X的協方差矩陣估計V。

本文進一步實施例中，對所述協方差矩陣估計V進行特征分解，得到特征向量V_x，包括：