[發(fā)明專利]基于可視圖原理的高維金融時間序列的階段劃分方法

在審

• 申請?zhí)枺?/td>: 202210616987.4
• 申請日: 2022-06-01
• 公開（公告）號: CN115048436A
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計）人: 胡軍;張玉潔;龍見焯
• 申請（專利權(quán)）人: 優(yōu)米互動（北京）科技有限公司
• 主分類號: G06F16/248
• 分類號: G06F16/248;G06F16/215;G06F16/2458;G06Q40/00
• 代理公司: 北京知呱呱知識產(chǎn)權(quán)代理有限公司 11577
• 代理人: 胡樂

1.一種基于可視圖原理的高維金融時間序列的階段劃分方法，其特征在于，所述方法包括：

獲取高維金融時間序列數(shù)據(jù)，并對該高維金融時間序列數(shù)據(jù)進(jìn)行清洗，得到降低噪聲的高維金融時間序列數(shù)據(jù)；

將所述高維金融時間序列數(shù)據(jù)映射為一個復(fù)雜網(wǎng)絡(luò)，得到一個多層網(wǎng)絡(luò)；

通過熵權(quán)法，對所述多層網(wǎng)絡(luò)中高維時間序列進(jìn)行分析，得到每一層維度的權(quán)重；

根據(jù)得到的每一層維度的權(quán)重，對多層網(wǎng)絡(luò)采用線性加權(quán)和法得到耦合后的網(wǎng)絡(luò)，并根據(jù)該耦合后的網(wǎng)絡(luò)獲取該網(wǎng)絡(luò)的所有節(jié)點；

基于預(yù)先構(gòu)建的模塊度函數(shù)Q，通過遺傳算法進(jìn)行優(yōu)化，對所述耦合后的網(wǎng)絡(luò)進(jìn)行階段劃分，得到社團(tuán)劃分結(jié)果；

將社團(tuán)劃分的結(jié)果，反饋回高維金融時間序列數(shù)據(jù)，從而得到高維金融時間序列的不同階段；

根據(jù)得到的高維金融時間序列的不同階段，生成相應(yīng)的劃分結(jié)果圖并輸出。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對該高維金融時間序列數(shù)據(jù)進(jìn)行清洗包括：缺失值補(bǔ)充：通過插值法將缺失的高維金融時間序列數(shù)據(jù)進(jìn)行補(bǔ)充；數(shù)據(jù)格式整理：對高維金融時間序列數(shù)據(jù)的格式進(jìn)行統(tǒng)一；

異常值處理：找出高維金融時間序列數(shù)據(jù)中的異常值，采用平滑法將異常值進(jìn)行替換。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述高維金融時間序列數(shù)據(jù)映射為一個復(fù)雜網(wǎng)絡(luò)的映射方法為可視圖算法。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過熵權(quán)法，對所述多層網(wǎng)絡(luò)中高維時間序列進(jìn)行分析，得到每一層維度的權(quán)重具體方法包括：設(shè)考慮n個方案，m個指標(biāo)的多指標(biāo)決策問題的決策矩陣X＝(x_ij)_m×n；

利用標(biāo)準(zhǔn)化公式將決策矩陣X轉(zhuǎn)變成為標(biāo)準(zhǔn)化決策矩陣R＝(r_ij)_m×n；

第i個評價指標(biāo)的熵定義為：i＝1,2,…,m；j＝1,2,…,n其中K＝(lnn)^-1且并設(shè)定，當(dāng)f_ij＝0且f_ijlnf_ij＝0；

第i個評價指標(biāo)的熵權(quán)w_i定義為：

指標(biāo)的熵越大，其熵權(quán)越小，并滿足

0＜w_i＜1且

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述基于預(yù)先構(gòu)建的模塊度函數(shù)Q之前，還包括：給所述網(wǎng)絡(luò)的所有節(jié)點按照時間順序進(jìn)行編號。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于預(yù)先構(gòu)建的模塊度函數(shù)Q為：

其中，K表示聚類的數(shù)目，L表示網(wǎng)絡(luò)中邊的總數(shù)，和表示聚類i的團(tuán)內(nèi)邊數(shù)目和總的邊數(shù)，L_inter代表總的團(tuán)間邊數(shù)量。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述基于預(yù)先構(gòu)建的模塊度函數(shù)Q，通過遺傳算法進(jìn)行優(yōu)化，對所述耦合后的網(wǎng)絡(luò)進(jìn)行階段劃分，具體為：采用Newman快速社團(tuán)劃分算法，得到初始階段節(jié)點數(shù)量作為初始社團(tuán)劃分結(jié)果；

根據(jù)初始社團(tuán)劃分結(jié)果，通過設(shè)計所有節(jié)點只能和其編號相鄰的節(jié)點在同一階段的規(guī)則，得到初始的階段；

通過遺傳算法，交叉變異，使得模塊度Q最大，得到最終的劃分結(jié)果。