基于数据挖掘技术的金融时间序列异常检测
金融时间序列异常检测对于全面、准确地认识和把握金融市场的波动规律，加强宏观管理和调控，具有十分重要的理论价值和实践意义。传统的金融时间序列异常检测方法主要是基于统计学的模型法，如ARMA、ARCH和GARCH类模型等，这些模型建立在平稳性、正态分布、线性等假设的基础上，主要适用于低频金融数据的异常波动分析。本文将数据挖掘技术应用到金融时间序列异常检测，提出一种基于Voronoi图的异常检测方法VOD。同现有的方法相比，具有适用范围广、检测准确性和效率高等优势，为金融市场波动分析提供一种更加有效的工具。
金融数据 异常检测 时间序列 数据挖掘 Voronoi图
曲吉林
山东财政学院会计学院
国内会议
呼和浩特
中文
777-783
2008-08-01（万方平台首次上网日期，不代表论文的发表时间）