龙 婧，车文刚，权鹏宇，周志元

（1. 昆明理工大学 信息工程与自动化学院，云南 昆明 650500；2. 昆明理工大学 云南省计算机技术应用重点实验室，云南 昆明 650500）

0 引言

金融数据中心存放并管理着企业核心的金融业务数据，包括：系统业务数据、交易痕迹数据、客户行为数据等等。这些数据涉及企业运营的方方面面，是企业的核心信息资产[1]。金融市场作为一个复杂的系统，不仅仅是一个互动的参与人数众多的制度，也受到政治，文化和经济等诸多因素的影响[2]。而时间序列是一种与数据点有关的序列[3]，股票时间序列既包括开盘价、收盘价、最高价和最低价，也包括在交易日进行的股票价格的连续测量值，即成交量。股票时间序列中所蕴含的信息对股票投资者的决策起着关键性作用，这也决定了对股票时间序列的研究随着数据挖掘技术的深入而成为热点研究问题。

但是，由于传统的时间序列方法及其变化更倾向于关注价格和转折点而不是其他变化的信息变量，如开盘价、收盘价、最高价和最低价。这就很难发现股价波动模式的准确性和完整性，而对于投资者，他们真正关心的是股价的反转点。总而言之，虽然股票时间序列中奇异点的预测研究在证券市场已经存在，但针对该奇异点判断K线形态motif模式识别，以此对大盘的趋势分析却还并不是很完善。例如，文献[4]将模式识别算法用到网络流量分类研究中证明其吞吐率和扩展性，文献[5]采用d-近……