论文部分内容阅读
运用流形学习中的Isomap算法,对股价时间序列的滑动窗口进行流形模式的发现.对纳斯达克指数、标准普尔指数和道琼斯指数三支股票指数近6年的实际收盘价时间序列数据,设定了五种不同长度的滑动窗口,对其进行流形学习.实验发现股票时间序列在不同长度的滑动窗口下都是存在于某一个流形空间中的;并通过创造性地构造最小残差区间得到最优维数,发现了不同的股票拥有不同的嵌入维数,而最优的嵌入维数就是股价时间序列的本质维数.