خوشه بندی فازی سری های زمانی مالی بر اساس مدل گارچ با رویکرد خوشه خطا

داده کاوی به منظور کشف و استخراج اطلاعات نهان یا الگوها و روابط مشخص، مجموعه داده ها را مورد تجزیه و تحلیل قرار می دهد. خوشه بندی یکی از روش های مهم داده کاوی می باشد که وسیله ای قدرتمند برای معین کردن ساختار داده ها است و همچنین روش یاد گیر ی بدون نظارتی است که مجموعه داده ها را به خوشه هایی تقسیم بندی می کند که عناصر در هر خوشه با هم حداکثر شباهت و عناصر دو خوشه با هم حداقل شباهت را داشته باشند. در این مقاله روش های خوشه بندی فازی بر اساس مدل گارچ برای سری های زمانی مالی ارائه شده است به طوری که برای جلوگیری از تاثیرات منفی داده های پرت بر مجموعه داده ها، داده های پرت در خوشه ای به نام خوشه خطا قرار داده می شوند. به منظور نشان دادن عملکرد مدل پیشنهادی از سهام ۳۰ شرکت برتر، فعال و پرسود موجود در بازار بورس ایران و از نرم افزار R و شاخص PC برای تعیین تعداد دقیق خوشه ها و شاخص سیلهوت و زای بنی برای مقایسه ی دقت روش های خوشه بندی استفاده شده است. در آخر روش های خوشه بندی فازی سی میانگین و فازی سی مدوید بر اساس مدل گارچ با رویکرد خوشه خطا با هم مقایسه و نشان داده می شود روش خوشه بندی فازی سی میانگین بر اساس مدل گارچ با رویکرد خوشه خطا عملکرد بهتری دارد