基于数据挖掘技术的金融时间序列异常检测

金融市场受国家政策和各类事件等因素的影响容易出现异常波动。金融时间序列异常检测对于分析国家政策和各类事件等因素对金融市场的影响，全面、准确地认识和把握金融市场波动规律，更好地预测和估计市场，加强宏观管理和调控，促进国民经济健康和稳定发展，都具有十分重要的理论价值和实践意义。随着金融市场规模的不断扩大，特别是高频金融数据的应用，金融分析任务日益复杂，现有的异常检测方法难以很好地满足金融市场分析的要求。本项目将数据挖掘技术应用到金融时间序列异常检测，利用计算几何中的Voronoi图描述点集内各点的邻近关系，提出一种新的基于Voronoi图的异常检测方法，解决现有方法存在的主要问题，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。