量化交易中无需最小支持度阈值的模糊关联规则挖掘

摘要：

现实量化交易应用中,传统的模糊数据挖掘算法往往需要针对给定的量化交易设定最小支持度阈值,然而,这些方法中存在的普遍问题是很难找到合适的最小支持度阈值,并且因为推导出的规则通常是常识而没有实际的商业意义.为了解决这个问题,提出了一种无需最小支持度阈值的模糊关联规则(fuzzy coherent rule,FCR)挖掘算法.首先将量化交易转换成模糊集,然后通过收集已经生成的模糊集生成候选模糊关联规则,最后计算出列联表并用其检查这些候选模糊关联规则是否满足四项判断准则.如果满足,则可以确定为模糊关联规则.在Foodmart数据集上的实验验证了所提算法的有效性,相比原始模糊关联规则(fuzzy association rules,FAR)挖掘算法,所提的FCR方法能够推导出更多的规则,并且能够在高置信度时推导出更多有用的规则.

关键词：定量交易、最小支持度阈值、模糊集、模糊关联规则、数据挖掘

所属期刊栏目：13

分类号：TP311.11(计算技术、计算机技术)

资助基金：国家自然科学基金项目F020704

在线出版日期：2013-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：7667-7674