|
بهبود خوشه‌بندی از طریق تشخیص و حذف سری‌های زمانی پرت بر اساس رویکرد فاصله‌ای اقلیدسی و نمایی
|
| عطیه احسانی1، سیده نفیسه آل‌محمد2 |
1- دانشگاه شاهد،
2- دانشگاه شاهد ، n.alemohammad@shahed.ac.ir |
|
|
چکیده: (167 مشاهده) |
در این مقاله یک روش جدید جهت شناسایی سری زمانی پرت بر اساس مدل گارچ با رویکرد فاصله‌ای نمایی ارائه می‌شود که در سه مرحله انجام می‌گیرد: ابتدا روش‌های خوشه‌بندی فازی و غیر فازی بر روی سری‌های زمانی پیاده سازی شده، سپس داده‌های پرت تشخیص داده و از مجموعه داده‌ها حذف می‌شود. پس از حذف مقادیر پرت دوباره روش‌های خوشه بندی بر مجموعه داده‌ها اعمال خواهد شد. برای ارزیابی روش‌های ارائه شده از سهام ۳۰ شرکت برتر، فعال و پر سود موجود در بازار بورس ایران استفاده می‌شود. با محاسبه دو شاخص سیلهوت و ایکس ای بنی دقت روش‌های خوشه‌بندی به کار گرفته شده با هم مقایسه می‌شوند و در پایان نشان داده می‌شود با حذف داده پرت روش خوشه‌بندی بر اساس مدل گارچ بر اساس رویکرد فاصله‌ای نمایی بهترین عملکرد را داراست.
|
|
| واژه‌های کلیدی: خوشه‌بندی، مدل گارچ، سری‌های زمانی پرت، رویکرد فاصله‌ای نمایی |
|
|
متن کامل [PDF 1738 kb]
(168 دریافت)
|
نوع مطالعه: سایر |
موضوع مقاله:
ریاضی
دریافت: 1398/10/24 | ویرایش نهایی: 1402/4/3 | پذیرش: 1400/2/27 | انتشار: 1402/3/30 | انتشار الکترونیک: 1402/3/30
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
