在本论文中,我们将时间序列数据挖掘的方法应用到中日证券市场的比较问题中,并在聚类分析中定义新的函数以判别最优的分类数。我们发现:在指数收盘价时间序列比较方面,中日两个证券市场的确存在一定的相似性,但中国市场的短期波动要大于日本市场。因此,如果将日本证券市场的发展历史作为中国证券市场的事件库,不足以描述和预测中国证券市场的走势。同时,在中国证券市场上,深证成指比上证综指的短期波动幅度更大,具有更多的高频噪声。
Comparative Analysis of Stock Price Series Similarity Between China and Japan
相关推荐
Time Series Analysis with Applications in R by Jonathan
时间序列的入门书看了不少,这本《Time.Series.Analysis.With.Applications.in.R-Jonathan》算是比较平衡的一本。理论和应用都讲,讲得还挺自然。不是那种纯公式堆砌,也不是只教你点代码糊弄项目的书,读起来不会太累。
讲ARIMA的时候配了不少实际案例,是用R 语言建模的部分,代码清晰,思路也顺。你只要有点基础,看一遍就能上手试试自己的数据了。响应也快,调参不算复杂,适合做快速验证。
书里对协整和模型诊断讲得蛮细,像怎么判断残差白噪声、怎么做 Ljung-Box 检验这些都有,讲得还挺明白。你要是之前只用过 Excel 或者 SPSS 之类的做预测,读完
算法与数据结构
0
2025-06-15
Acycle Time Series Analysis Software for Research and Education
Acycle: Acycle是一个用于研究和教育的时间序列分析软件,提供强大的分析工具和用户友好的界面,适合学术研究和教学使用。
Matlab
13
2024-11-03
Time Series Analysis and Applications时间序列分析与应用
统计时间序列的入门书里,UNSW MATH 这本教材算是比较经典的。覆盖面广,讲得不深奥,适合刚接触时间序列的你。内容偏实用,讲了多现实例子,像医疗、工程、经济这些方向的都能用得上。
时间域和频率域的方法它都讲了,思路比较清晰,不会上来就整一堆公式吓人。理论部分点到为止,实战为主,读起来不会头大。你要是经常跟时间序列打交道,比如搞预测、做模型,拿它来当参考书也挺合适。
另外我找了些跟这本书相关的资源,想深入一点的可以顺着看:时间序列预测法、Pandas 时间序列数据、Matlab 时间序列代码这些都挺实用。
如果你是用Stata、SPSS之类做统计的,也有专门的资源讲怎么结合时间序列用工具,像
算法与数据结构
0
2025-06-17
Chaos Time Series Toolbox Comprehensive MATLAB Programs for Analysis and Prediction
This Chaos Time Series Toolbox includes a variety of MATLAB programs for analyzing chaotic time series. The toolbox features methods for calculating delay time, embedding dimension, and various prediction techniques. The provided code is fully functional and ready to run, ensuring an effective and r
Matlab
24
2024-11-06
MATLAB Code for Cross Sectional Area Analysis from Time Series Data in Excel
This MATLAB code imports time-series data related to riverbank and water depth coordinates in XY format, sampled every 10 minutes. The code calculates the cross-sectional area for each water depth and writes the following data to an Excel file: Date/Time, Water Depth, and the cross-sectional area fo
Matlab
11
2024-11-06
Image Similarity Matching and Search Techniques
相似图像匹配与搜索
知识点概览
相关系数:衡量两个变量之间线性关系强度的统计量。
汉明距离:一种度量两个同长度序列之间差异的方法。
归一化互相关法:用于评估图像之间相似度的一种方法。
互相关值:描述两个信号之间相似度的度量。
相关系数
相关系数用于评估两幅图像之间的相似度,取值范围在-1到+1之间。其计算公式为:
[ r_{AB} = \frac{\sum_{i=1}^{n}(A_i-\bar{A})(B_i-\bar{B})}{\sqrt{\sum_{i=1}^{n}(A_i-\bar{A})^2} \sqrt{\sum_{i=1}^{n}(B_i-\bar{B})^2}} ]
根据相关
算法与数据结构
10
2024-10-31
China Administrative Division Data Table Overview
标题 中国省市区县最新数据表 涉及的核心知识点是 地理信息系统(GIS) 中的 行政区划数据,以及如何在 数据库 中存储和管理这类数据。这个数据表包含了 中国 所有 省份、城市、区县 的最新信息,是进行 数据分析、地理位置服务、地图应用开发 等工作的基础数据源。描述中提到的“因为工作项目需求,需要一个城市县区数据表”,这通常指的是在 信息化项目 中,尤其是涉及到 地理位置、人口统计、商业分析 等领域,准确、完整的 行政区划数据 是必不可少的。例如,电商网站 需要根据用户地址进行配送规划,地图软件需要展示各级行政区域,甚至政策研究也需要这样的数据来分析区域差异。标签 中国省市区县最新数据表 进一
SQLServer
13
2024-10-31
A Comprehensive Analysis of Independent Component Analysis
Independent Component Analysis (ICA) stands as a pivotal advancement across diverse fields such as neural networks, advanced statistics, and signal processing. This resource furnishes a thorough introduction to ICA, encompassing the foundational mathematical principles, critical solutions, algorithm
Access
12
2024-05-29
Flink Forward China 2018PPT合集
Flink 社区的年度技术大餐——Flink Forward China 2018 的 PPT 合集,讲真,挺值得一看。里面的内容覆盖得挺全,不光有实时计算的核心原理,还有不少一线实战经验,像是窗口操作、状态管理这些常用功能讲得都比较透。
这些 PPT 主要围绕Apache Flink展开,适合那些对流刚入门、正在摸索,或者已经在用 Flink 做项目的人。内容不光有干货,还有一些思路和架构方案,比如结合Kafka、YARN、Kubernetes做资源调度那块,看完多少会有点启发。
要说哪个点比较实用?Flink SQL那部分还挺有意思,讲了怎么用 SQL 直接写流逻辑,开发效率提升不止一点点
flink
0
2025-06-13