可視化展示高頻金融時間序列相關(guān)性的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及金融統(tǒng)計領(lǐng)域，特別設(shè)及一種可視化展示高頻金融時間序列相關(guān)性的 方法和裝置。
【背景技術(shù)】
[0002] 目前市場上通用的方法，是采用顯示曲線來輔助人工判斷例如股票等資產(chǎn)之間的 相關(guān)關(guān)系;一般采用Ξ種方法：（1)直接繪圖法:此方法為大多數(shù)的股票交易系統(tǒng)所使用;使 用原始數(shù)據(jù)或其簡單變換結(jié)果直接繪制圖形;一般常用散點圖或曲線圖；通過對圖的人工 觀察來確定相關(guān)程度。（2)相關(guān)曲線:此方法一般為專業(yè)投資公司對資產(chǎn)進行深度研究時使 用;此方法通過計算兩個時間序列之間的離散的局部相關(guān)系數(shù)，繪制兩者間的相關(guān)曲線，從 而可視化反映兩者間的相關(guān)狀況。（3)相關(guān)矩陣熱圖：此方法一般為專業(yè)公司或科研工作者 在深度研究多個序列之間的相關(guān)性狀況時使用；該方法通過計算多個序列間的相關(guān)矩陣， 進而將此相關(guān)矩陣表現(xiàn)為"熱圖"來實現(xiàn)可視化，即使用較深顏色的矩形塊來表示較大的相 關(guān)系數(shù)，用較淺顏色的矩形塊表示較小的相關(guān)系數(shù)。
[0003] 上述Ξ種方法均可W使用單臺計算機運行專用軟件實現(xiàn)，也可W使用服務(wù)器通過 互聯(lián)網(wǎng)提供網(wǎng)頁的形式實現(xiàn)，還可W使用手機APP顯示在手機屏幕上。
[0004] 但是上述Ξ種方法都存在著缺點：（1)直接原始數(shù)據(jù)繪圖的方法，需要依靠人工判 斷相關(guān)性的程度，缺乏準(zhǔn)確度，并且沒有客觀的判斷標(biāo)準(zhǔn)。（2)相關(guān)系數(shù)曲線的方法，只能反 映一對數(shù)據(jù)序列的相關(guān)性隨時間的變化情況，不能反映多個數(shù)據(jù)間相關(guān)性的狀況。（3)相關(guān) 矩陣熱圖等方法，雖然可W反映多個數(shù)據(jù)序列之間的相關(guān)性狀態(tài)，但是其不能反映相關(guān)性 狀態(tài)隨時間的變化情況，也沒有反映不同的相關(guān)模式及其概率的度量方法。同時，上述Ξ種 方法的共同缺點，是不能實時、動態(tài)地可視化展示金融時間序列之間的相關(guān)狀態(tài)的模式和 規(guī)律。
[0005] 金融數(shù)據(jù)分析領(lǐng)域中，需要對多個金融資產(chǎn)之間的相關(guān)性做出分析；由于金融業(yè) 務(wù)的復(fù)雜性，對復(fù)雜系統(tǒng)中事務(wù)的判斷，難W根據(jù)某個參數(shù)值做出決策，而往往需要使用可 視化的方式，將某些計算結(jié)果可視化的展示出來后，再由專業(yè)人員通過人工智慧的考量而 做出決策。
[0006] 相關(guān)分析山〇1^6131:;[0]1 analysis)是研究現(xiàn)象之間是否存在某種依存關(guān)系，并對 具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向W及相關(guān)程度，是研究隨機變量之間的相關(guān)關(guān)系的 一種統(tǒng)計方法。金融資產(chǎn)之間相關(guān)性レorrelation)的研究，是金融數(shù)據(jù)分析的核屯、工作之 一，對于風(fēng)險管理、套期保值、衍生產(chǎn)品定價和最優(yōu)投資組合選擇等都具有重要意義。
[0007] 對于兩個數(shù)據(jù)序列X和y，其相關(guān)系數(shù)C可W由下面公式確定：
[000引
[0009]根據(jù)C值的大小，可W判定X和y兩個序列之間的相關(guān)程度。例如，
[0010] I c| >0.95:存在顯著性相關(guān)；
[0011] |c|>0.8 高度相關(guān)；
[0012] 0.5 引 C|<0.8 中度相關(guān)；
[001引 0.3引C|<0.5低度相關(guān)；
[0014] I CI <0.3關(guān)系極弱，認(rèn)為不相關(guān)；
[0015] 若C<0,說明X和Y的變化方向相反;此稱之為"負(fù)相關(guān)"。
[0016] 但是，相關(guān)系數(shù)只能從整體上反映兩個數(shù)據(jù)序列之間的相關(guān)關(guān)系，而許多非線性 過程的數(shù)據(jù)序列往往表現(xiàn)出各不相同的局部相關(guān)性特征。

【發(fā)明內(nèi)容】

[0017] 本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的問題之一。
[0018] 本發(fā)明要解決的技術(shù)問題之一在于解決可直觀和快速地對多個金融時間序列數(shù) 據(jù)之間的相關(guān)性做出判斷的問題。
[0019] 為解決上述技術(shù)問題，本發(fā)明提供一種可視化展示高頻金融時間序列相關(guān)性的裝 置，其步驟包括：
[0020] 獲取η組高頻金融數(shù)據(jù)序列，η > 2;
[0021 ]對所述高頻金融數(shù)據(jù)序列進行處理，獲得η X η維的矩陣序列；
[0022] 采用滑動窗口方式和考察寬度為W處理所述矩陣序列，形成包含nXnXw個項的窗 口，將所述nXnXw個項中的任意項的組合，形成項集序列，記錄所述項集序列在滑動窗口 方式中窗口出現(xiàn)的次數(shù)，所述次數(shù)即為所述項集序列的支持?jǐn)?shù)，在所述項集序列中篩選出 支持?jǐn)?shù)大于等于預(yù)設(shè)支持?jǐn)?shù)闊值的項集序列形成頻繁序列。
[0023] 進一步的，其步驟還包括：
[0024] 對所述頻繁序列進行挖掘，根據(jù)挖掘結(jié)果生成按時間順序排列的熱圖。
[00巧]進一步的，其步驟還包括：
[00%] 通過化vaScript特效，將所述熱圖生成動畫，通過HTTP協(xié)議，將所述動畫輸出。 [0027]進一步的，所述高頻金融數(shù)據(jù)序列為收益率序列。
[00%]進一步的，所述矩陣序列為相關(guān)矩陣序列。
[0029] 進一步的，所述高頻金融數(shù)據(jù)序列為對數(shù)收益序列。
[0030] 進一步的，所述矩陣序列為傳遞賭矩陣序列。
[0031] 為解決上述技術(shù)問題，本發(fā)明還提供一種可視化展示高頻金融時間序列相關(guān)性的 裝置，包括：
[0032] 高頻數(shù)據(jù)獲取模塊，用于獲取η組高頻金融數(shù)據(jù)序列，n> 2;
[0033] 矩陣序列構(gòu)造模塊，用于對所述高頻金融數(shù)據(jù)序列進行處理，獲得η X η維的矩陣 序列；
[0034] 頻繁模式挖掘模塊，通過采用滑動窗口方式和考察寬度為W處理所述矩陣序列，形 成包含η X η X W個項的窗日，將所述η X η X W個項中的任意項的組合，開多成項集序列，記錄所 述項集序列在滑動窗口方式中窗口出現(xiàn)的次數(shù)，所述次數(shù)即為所述項集序列的支持?jǐn)?shù)，在 所述項集序列中篩選出支持?jǐn)?shù)大于等于預(yù)設(shè)支持?jǐn)?shù)闊值的項集序列形成頻繁序列。
[0035] 進一步的，還包括：
[0036] 可視化展示模塊，用于對所述頻繁序列進行挖掘，根據(jù)挖掘結(jié)果生成按時間順序 排列的熱圖。
[0037] 進一步的，所述可視化展示模塊還用于通過化vaScript特效將所述熱圖生成動 畫，通過HTTP協(xié)議，將所述動畫輸出。
[0038] 本發(fā)明的有益效果在于提供了一種可視化展示高頻金融時間序列相關(guān)性的方法， 本發(fā)明從一對數(shù)據(jù)序列擴展到多個數(shù)據(jù)序列，將所有數(shù)據(jù)序列之間的相關(guān)矩陣，組成一個 隨時間變化的矩陣序列，在上述矩陣序列上進行序列模式挖掘，并將挖掘結(jié)果使用可視化 方法展示出來；因此本發(fā)明可根據(jù)金融時間序列分析的技術(shù)需求，直觀和快速地對多個金 融時間序列數(shù)據(jù)之間的相關(guān)性做出判斷，發(fā)現(xiàn)其相關(guān)性狀況的存在模式，W及運種模式隨 時間的變化規(guī)律。同時本發(fā)明還提供了一種可視化展示高頻金融時間序列相關(guān)性的裝置。
【附圖說明】
[0039] 圖1所示為本發(fā)明實施例一種可視化展示高頻金融時間序列相關(guān)性的方法的流程 圖。
[0040] 圖2所示為本發(fā)明實施例一種可視化展示高頻金融時間序列相關(guān)性的裝置的組成 示意圖。
【具體實施方式】
[0041] 下文將結(jié)合具體實施例詳細(xì)描述本發(fā)明。應(yīng)當(dāng)注意的是，下述實施例中描述的技 術(shù)特征或者技術(shù)特征的組合不應(yīng)當(dāng)被認(rèn)為是孤立的，它們可W被相互組合從而達到更好的 技術(shù)效果。
[0042] 本發(fā)明提供一種可視化展示高頻金融時間序列相關(guān)性的方法，如圖1所示，其步驟 包括：
[0043] S1:獲取η組高頻金融數(shù)據(jù)序列，η ^ 2;所述高頻金融數(shù)據(jù)序列為收益率序列或?qū)?數(shù)收益序列；
[0044] S2:對所述高頻金融數(shù)據(jù)序列進行處理，獲得η X η維的矩陣序列；其中，由所述收 益率序列獲得相關(guān)矩陣序列，由對數(shù)收益序列獲得傳遞賭矩陣序列；
[0045] S3:采用滑動窗口方式和考察寬度為W處理所述矩陣序列，形成包含η X η X W個項 的窗口，將所述nXnXw個項中的任意項的組合，形成項集序列，記錄所述項集序列在滑動 窗口方式中窗口出現(xiàn)的次數(shù)，所述次數(shù)即為所述項集序列的支持?jǐn)?shù)，在所述項集序列中篩 選出支持?jǐn)?shù)大于等于預(yù)設(shè)支持?jǐn)?shù)闊值的項集序列形成頻繁序列；
[0046] S4:對所述頻繁序列進行挖掘，根據(jù)挖掘結(jié)果生成按時間順序排列的熱圖；
[0047] S5:通過化vaScript特效，將所述熱圖生成動畫，通過HTTP協(xié)議，將所述