Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF

Detalhes bibliográficos
Autor(a) principal: Albino, Andreia Filipa Martins
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/23029
Resumo: Mestrado Bolonha em Mathematical Finance
id RCAP_92b0723d1347f151454f90ee7d31c94f
oai_identifier_str oai:www.repository.utl.pt:10400.5/23029
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACFBig DataSéries TemporaisAgrupamento de séries temporaisperiodograma fragmentadoACF fragmentadoTime SeriesTime Series ClusteringFragmented-periodogramFragmented-ACFMestrado Bolonha em Mathematical FinanceBig data faz, cada vez mais, parte do nosso dia a dia e tem um impacto cada vez maior na nossa sociedade. Tem entusiasmado os investigadores para encontrarem novos métodos para lidar com conjuntos de dados muito grandes. Na análise das séries temporais, a mesma necessidade surge. Há algumas décadas, os investigadores batalhavam para encontrar séries de dados longas o suficiente para as analisar; hoje em dia, estão frequentemente sobrecarregados com conjuntos de dados que são demasiado grandes para lidar com métodos tradicionais. O objetivo deste trabalho é estudar e propor métodos para medir as semelhanças e diferenças entre diferentes séries temporais. Esses métodos devem ser computacionalmente simples e perdem, naturalmente, algumas informações, mas devem ser capazes de fornecer métricas que são adequadas para agrupar grandes conjuntos para extensas séries temporais. Para ser mais específica, estudo um método muito recente chamado periodograma fragmentado e confirmo por simulação, a sua utilidade para fornecer uma medida simples que leva ao agrupamento correto das séries temporais em consideração. Esta replicação dá al- gum conforto quanto à correção do exercício e leva a uma descoberta interessante sobre as regras de fragmentação. Portanto, proponho um método equivalente no domínio do tempo, o ACF fragmentado, e confirmo por simulação a sua utilidade. Finalmente, comparo os dois métodos e concluo que o ACF fragmentado tem um desempenho comparável, senão superior. As simulações são, naturalmente, limitadas a classes particulares de modelos, o que abre espaço para pesquisas futuras, como discuto na secção final.Big data is increasingly having a large impact on our society and prompting researchers to find novel methods to deal with very large data sets. In time series analysis, the same need arises. A few decades ago, researchers were struggling to find long enough data series for their analysis; nowadays, they are often overwhelmed with data sets that are too large to handle with traditional methods. The aim of this work is to study and propose methods for measuring the similarities and dissimilarities among different time series. These methods should be computationally simple and naturally lose some information, but they should be able to provide metrics that are suitable for clustering large sets on long time series. To be more specific, I study a very recent method called fragmented periodogram and confirm by simulation its usefulness to provide a simple measure that leads to correct clustering of the time series under consideration. This replication gives some comfort as to the correctness of the exercise and leads to an interesting finding regarding the fragmenting rules. Then, I propose an equivalent method in time domain, the fragmented ACF and confirm by simulation its usefulness. Finally, I compare the two methods and conclude that the frag- mented ACF has a comparable if not superior performance. The simulations are naturally limited to particular classes of models, which opens room for further research, as I discuss in the final section.Instituto Superior de Economia e GestãoCrato, NunoRepositório da Universidade de LisboaAlbino, Andreia Filipa Martins2022-01-12T18:56:31Z2021-102021-10-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/23029engAlbino, Andreia Filipa Martins (2021). "Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF". Dissertação de Mestrado, Universidade de Lisboa. Instituto Superior de Economia e Gestão.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:52:33Zoai:www.repository.utl.pt:10400.5/23029Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:07:20.724511Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
title Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
spellingShingle Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
Albino, Andreia Filipa Martins
Big Data
Séries Temporais
Agrupamento de séries temporais
periodograma fragmentado
ACF fragmentado
Time Series
Time Series Clustering
Fragmented-periodogram
Fragmented-ACF
title_short Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
title_full Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
title_fullStr Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
title_full_unstemmed Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
title_sort Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF
author Albino, Andreia Filipa Martins
author_facet Albino, Andreia Filipa Martins
author_role author
dc.contributor.none.fl_str_mv Crato, Nuno
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Albino, Andreia Filipa Martins
dc.subject.por.fl_str_mv Big Data
Séries Temporais
Agrupamento de séries temporais
periodograma fragmentado
ACF fragmentado
Time Series
Time Series Clustering
Fragmented-periodogram
Fragmented-ACF
topic Big Data
Séries Temporais
Agrupamento de séries temporais
periodograma fragmentado
ACF fragmentado
Time Series
Time Series Clustering
Fragmented-periodogram
Fragmented-ACF
description Mestrado Bolonha em Mathematical Finance
publishDate 2021
dc.date.none.fl_str_mv 2021-10
2021-10-01T00:00:00Z
2022-01-12T18:56:31Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.5/23029
url http://hdl.handle.net/10400.5/23029
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv Albino, Andreia Filipa Martins (2021). "Comparing the cluster efficiency of fragmental-periodogram and fragmented-ACF". Dissertação de Mestrado, Universidade de Lisboa. Instituto Superior de Economia e Gestão.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131166839668736

Registros relacionados