领域知识驱动下的金融数据流异常模式研究

Data stream is a very important data type in the financial sector, and it is with the following characteristics. First, data stream arrives quickly. Second, it is unstable. And third, the number of data is huge and so on. Traditional analysis methods and theories can’t meet the requirements of financial data stream analysis due to these characteristics. The research focuses on how to detect abnormal pattern in financial streams based on domain knowledge. On the one hand, theoretical system and methods of domain knowledge-driven outlier detection would be proposed. This section includes outlier detection theory for financial data stream based on domain knowledge, outlier detection for data stream and empirical analysis. It includes domain knowledge-driven outlier detection method with supervised and unsupervised idea, and it also includes outlier detection based on similarity theory for data stream. The theoretical system and methods would enrich data stream mining theory and real-time dynamic data analysis. On the other hand, analysis of financial data stream outlier results will supplement traditional financial market microstructure theory and results. The research contributes to the government and investment institutions for risk prevention and monitoring, which is with important theoretical significance and practical value.

数据流是金融领域中非常重要的一种数据类型，由于金融数据流的快速到达、不稳定性、数据规模巨大等特性，传统的金融数据分析方法与理论面临着新的挑战，难以满足该领域的需求。本课题围绕金融数据流异常模式发现展开研究：一方面，将构建领域知识驱动下金融数据流异常检测的理论体系和方法，具体包括：领域知识——数据流异常发现——实证分析三位一体的金融数据流异常检测理论体系、领域知识驱动下有无导师指导的金融数据流异常模式检测方法、基于数据流相似性理论的异常模式检测方法，其研究内容将充实流数据挖掘理论尤其是实时动态数据挖掘理论；另一方面，结合行为金融学理论，针对金融数据流异常点研究结果展开实证分析与讨论，将对传统金融市场微观理论进行检验和补充。该研究及相关结论有助于政府和投资机构进行风险防范与监控, 具有重要的理论研究意义和实际应用价值。

金融市场很多关键风险表现在其数据的异常波动上，本课题围绕金融数据流异常模式发现问题展开研究。理论层面研究了不同金融市场异常检测的数据挖掘算法、数据流异常检测算法，包括数据流的分类和聚类、基于网络的聚类方法、以及基于One-class SVM的数据流异常检测和基于聚类的数据流异常检测算法，并构建了金融市场领域知识——异常检测——实证分析的理论框架和知识体系。应用层面依据前面的理论框架，根据不同的金融市场异常现象，结合领域知识收集了大量的数据，研究了股票市场的内幕交易和市场操纵检测、银行和互联网金融的信贷违约风险判别、股指期现货市场的波动跳跃以及金融市场和相关市场的波动关联性等。结合行为金融学理论，针对金融数据异常点研究结果展开实证分析与讨论，对传统金融市场微观理论进行检验和补充。. 该研究及相关结论有助于政府和投资机构者进行风险防范与监控, 具有重要的理论研究意义和实际应用价值。异常发现与检测的理论框架、模型和方法可以结合其它应用领域的领域知识拓展其应用范围，如老年人行为分析和风险预警，项目也取得了初步的一些成果。