48、数据预测与聚类方法研究

数据预测与聚类方法研究

在数据处理和分析领域，预测非平稳数据以及优化聚类质量一直是重要的研究方向。下面将为大家介绍两种不同的研究内容，一是通过实验检验PIM模型在股票数据预测上的性能，二是探索在极坐标系统下不同距离技术用于聚类的可能性。

1. PIM模型在股票数据预测中的实验

为了检验PIM（可能是某种预测模型）的鲁棒性，研究人员选择了股票数据进行实验。由于股票市场的波动性，数据呈现出非平稳的特性，因此进行了大量实验来验证PIM的性能。

1.1 实验数据

实验选取了三只噪声较大的股票，分别是Andhra Bank、Idea Cellular和Jaypee Infrastructure，研究了它们在2014年9月23日至2015年8月5日期间的每日回报数据，共计164个回报数据，数据来源于孟买证券交易所（BSE）。

1.2 不同模型的表现

• ANN（人工神经网络）的性能
  • 数据划分 ：将每只股票的164个观测数据按照80:20的比例进行划分，80%的数据用于训练ANN，20%的数据用于测试。
  • 滑动窗口设置 ：每只股票被排列成滑动窗口，每只股票得到33个滑动窗口，每个窗口给出一个未来预测，因此33个窗口给出33个预测，初始窗口给出未来时期（$r_{t+1}$）的预测。
  • 网络结构 ：选择了MLP[4:12:1]（输入层4个神经元，隐藏层12个神经元，输出层1个神经元）进行实