| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787563838035 |
| 所属分类：图书>经济>财政税收 |
新华书店正版，关注店铺成为会员可享店铺专属优惠，团购客户请咨询在线客服！内容简介
金融市场的复杂性和不确定性不断增加，现有的金融时间序列分析多依赖于静态模型，难以有效捕捉动态变化和多维度数据之间的相互关系。此外，金融大数据呈现出非线性、时变性和高噪声等特征，给数据分析和预测带来了难度。在大数据时代下，时间序列数据挖掘现代信息技术是提升金融服务质量与实现金融强国的工具。本书聚焦于金融时间序列数据挖掘，涵盖金融时间序列的降维表示、相似性度量算法、联动性分析模型与预测模型等理论与方法，旨在识别和量化不同金融时间序列之间的动态关系与趋势变化。本书总结和阐释了金融数据复杂性和不确定性，将时序数据挖掘技术应用到金融市场决策和风险管理中，所形成的一系列创新性成果对于推动本领域的理论研究、智慧金融关键技术难题的突破，具有重要的学术价值，对于指导数字金融发展、金融科技创新提供基础支撑和参考借鉴作用。
作者简介
袁慧，女，中国矿业大学（北京）管理科学与工程博士，北京物资学院信息学院讲师（自年月至今）。主要的研究方向与关注领域为人工智能算法优化及应用、大数据分析与时间序列预测、复杂网络和经济系统分析管理、故障诊断、风险管理等。主持校级青年基金项，企事业单位课题项，作为主要参与人参与国家自然科学基金面上项目等重量与省部级项目、企事业单位项目多项。自年以来，累计发表等论文余篇，其中第一通讯作者论文篇，中国知网总下载量。研究成果多次在国内重要学术会议上汇报。
目 录
绪论
研究背景
金融时间序列数据挖掘热点研究
时间序列数据挖掘的技术基础
金融时间序列数据挖掘的根本问题
研究意义
研究问题
研究时间序列降维及特征表示、相似性度量，提出相似性搜索算法
改进时间序列聚类无监督挖掘方法
发掘不同阶段下股市联动关系的时变特征与规律，提取可发现模式
构建适用于高维强噪股价时间序列数据的内部预测因子，提高股价时间序列的预测准确率
研究方法
文献计量分析与研究方法
时间序列数据挖掘方法绪论
研究背景
金融时间序列数据挖掘热点研究
时间序列数据挖掘的技术基础
金融时间序列数据挖掘的根本问题
研究意义
研究问题
研究时间序列降维及特征表示、相似性度量，提出相似性搜索算法
改进时间序列聚类无监督挖掘方法
发掘不同阶段下股市联动关系的时变特征与规律，提取可发现模式
构建适用于高维强噪股价时间序列数据的内部预测因子，提高股价时间序列的预测准确率
研究方法
文献计量分析与研究方法
时间序列数据挖掘方法
统计学习方法
统计检验方法
深度学习方法
实验法
研究内容
概念界定与金融时序热点及趋势研究
……
显示全部信息
商品详情
温馨提示：本店不会以“订单异常，系统升级，未付款成功”等等为由，要求您点击任何链接进行退款操作。有任何疑问请及时联系官方客服电话（工作时间）。现货商品下单后小时内配发货，预售商品请单独下单。由于个别商品版本更新较快，我们在尽力保证同步更新商品信息的情况下，仍不可避免会偶尔出现实物与网页所示信息存在微小差别，如印次，开本，页数等，请以实物为准，介意者慎拍。特别说明：“价”为本店销售价格；“定价”为出版社全国统一定价。感谢您一直以来对本店的支持，我们将一如既往地为您提供优质的服务。
运费政策：目前，本店针对不同商品设置了不同的运费计算方式，实际运费金额请以结算页面为准，有任何疑问请及时联系官方客服（电话）。
促销须知：本店所设一切促销均不支持团购，同一账号、同一地址、同一手机号、同一反复购买活动商品，本店有权取消订单，终结交易，请谅解。
预售商品须知：所有预售商品，在到货后会按下单先后顺序第一时间为您发货，小时内发货完毕，如遇特殊情况稍有延迟，敬请谅解。有任何疑问请及时联系官方客服（电话）。
金融市场的复杂性和不确定性不断增加，现有的金融时间序列分析多依赖于静态模型，难以有效捕捉动态变化和多维度数据之间的相互关系。此外，金融大数据呈现出非线性、时变性和高噪声等特征，给数据分析和预测带来了难度。在大数据时代下，时间序列数据挖掘现代信息技术是提升金融服务质量与实现金融强国的工具。本书聚焦于金融时间序列数据挖掘，涵盖金融时间序列的降维表示、相似性度量算法、联动性分析模型与预测模型等理论与方法，旨在识别和量化不同金融时间序列之间的动态关系与趋势变化。本书总结和阐释了金融数据复杂性和不确定性，将时序数据挖掘技术应用到金融市场决策和风险管理中，所形成的一系列创新性成果对于推动本领域的理论研究、智慧金融关键技术难题的突破，具有重要的学术价值，对于指导数字金融发展、金融科技创新提供基础支撑和参考借鉴作用。
作者简介
袁慧，女，中国矿业大学（北京）管理科学与工程博士，北京物资学院信息学院讲师（自年月至今）。主要的研究方向与关注领域为人工智能算法优化及应用、大数据分析与时间序列预测、复杂网络和经济系统分析管理、故障诊断、风险管理等。主持校级青年基金项，企事业单位课题项，作为主要参与人参与国家自然科学基金面上项目等重量与省部级项目、企事业单位项目多项。自年以来，累计发表等论文余篇，其中第一通讯作者论文篇，中国知网总下载量。研究成果多次在国内重要学术会议上汇报。
目 录
绪论
研究背景
金融时间序列数据挖掘热点研究
时间序列数据挖掘的技术基础
金融时间序列数据挖掘的根本问题
研究意义
研究问题
研究时间序列降维及特征表示、相似性度量，提出相似性搜索算法
改进时间序列聚类无监督挖掘方法
发掘不同阶段下股市联动关系的时变特征与规律，提取可发现模式
构建适用于高维强噪股价时间序列数据的内部预测因子，提高股价时间序列的预测准确率
研究方法
文献计量分析与研究方法
时间序列数据挖掘方法绪论
研究背景
金融时间序列数据挖掘热点研究
时间序列数据挖掘的技术基础
金融时间序列数据挖掘的根本问题
研究意义
研究问题
研究时间序列降维及特征表示、相似性度量，提出相似性搜索算法
改进时间序列聚类无监督挖掘方法
发掘不同阶段下股市联动关系的时变特征与规律，提取可发现模式
构建适用于高维强噪股价时间序列数据的内部预测因子，提高股价时间序列的预测准确率
研究方法
文献计量分析与研究方法
时间序列数据挖掘方法
统计学习方法
统计检验方法
深度学习方法
实验法
研究内容
概念界定与金融时序热点及趋势研究
……
显示全部信息
商品详情
温馨提示：本店不会以“订单异常，系统升级，未付款成功”等等为由，要求您点击任何链接进行退款操作。有任何疑问请及时联系官方客服电话（工作时间）。现货商品下单后小时内配发货，预售商品请单独下单。由于个别商品版本更新较快，我们在尽力保证同步更新商品信息的情况下，仍不可避免会偶尔出现实物与网页所示信息存在微小差别，如印次，开本，页数等，请以实物为准，介意者慎拍。特别说明：“价”为本店销售价格；“定价”为出版社全国统一定价。感谢您一直以来对本店的支持，我们将一如既往地为您提供优质的服务。
运费政策：目前，本店针对不同商品设置了不同的运费计算方式，实际运费金额请以结算页面为准，有任何疑问请及时联系官方客服（电话）。
促销须知：本店所设一切促销均不支持团购，同一账号、同一地址、同一手机号、同一反复购买活动商品，本店有权取消订单，终结交易，请谅解。
预售商品须知：所有预售商品，在到货后会按下单先后顺序第一时间为您发货，小时内发货完毕，如遇特殊情况稍有延迟，敬请谅解。有任何疑问请及时联系官方客服（电话）。