La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Non-Steady Trading Day Detection Based on Stock Index Time-Series Information Détection de jours de bourse non stables basée sur les informations de séries chronologiques d'indices boursiers

Hideaki IWATA

  • Vues en texte intégral

    0

  • Citer

Résumé:

La détection des valeurs aberrantes dans un ensemble de données est très importante pour effectuer une exploration de données appropriée. Dans cet article, nous proposons une méthode pour détecter efficacement les valeurs aberrantes en effectuant une analyse de cluster à l'aide de l'algorithme DS amélioré par rapport à l'algorithme k-means. Cette méthode est plus simple à détecter les valeurs aberrantes que les méthodes traditionnelles, et ces valeurs aberrantes détectées peuvent indiquer quantitativement « le degré de valeur aberrante ». Grâce à cette méthode, nous détectons les jours de négociation anormaux des OHLC pour le S&P500 et le FTSA, qui sont des indices boursiers typiques et mondiaux, du début 2005 à la fin de 2015. Ils sont définis comme des jours de négociation non stables, et les conditions car les marchés instables sont exploités comme de nouvelles connaissances. En appliquant les connaissances obtenues aux OHLC du début de 2016 à la fin de 2018, nous pouvons prédire les jours de négociation non stables au cours de cette période. En vérifiant le contenu prédit, nous montrons le fait que les connaissances appropriées ont été exploitées avec succès et montrons l'efficacité de la méthode de détection des valeurs aberrantes proposée dans cet article. De plus, nous référençons mutuellement et analysons de manière comparative les résultats de l’application de cette méthode à plusieurs indices boursiers. Cette analyse permet de visualiser quand et où les impacts sociaux et économiques se produisent et comment ils se propagent à travers la terre. C'est l'une des nouvelles applications utilisant cette méthode.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E103-A No.6 pp.821-828
Date de publication
2020/06/01
Publicisé
ISSN en ligne
1745-1337
DOI
10.1587/transfun.2019EAP1151
Type de manuscrit
PAPER
Catégories
Analyse numérique et optimisation

Auteurs

Hideaki IWATA
  Wakayama University

Mots-clés

Table des matières