基于二维离散傅立叶变换及形态相似距离的证券时序数据相似性搜索

本文针对证券市场难以预测的现状,提出一种基于二维离散傅立叶变换及形态相似距离的相似性搜索算法,希望通过在历史数据中进行相似性搜索,找到与被查找K线形态相似的历史数据,从而为当下提供一定的投资参考。本文提出通过基于二维离散傅立叶变换的高斯低通滤波去除时序数据中的噪声并保留数据整体走势,再通过形态相似距离在关注形态相似程度的同时通过时序数据间距离计算相似性。实验表明,这种相似性搜索算法可以有效地在历史数据中找出与被查找K线形态相似的时间序列。