بهبود خوشه‌بندی از طریق تشخیص و حذف سری‌های زمانی پرت بر اساس رویکرد فاصله‌ای اقلیدسی و نمایی

Abstract

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.