预测新兴市场股市异常：一种基于OPTUNA优化的隔离森林与K均值算法的方法

《Machine Learning with Applications》：Forecasting Stock Market Anomalies in Emerging Markets: An OPTUNA-Optimized Isolation Forest and K-Means Approach

异常检测混合方法在伊朗Khodro股票市场的应用研究。摘要：本研究提出一种结合优化隔离森林算法与K-Means聚类的混合方法，用于检测伊朗Khodro公司股票市场中的异常行为。通过OPTUNA框架优化超参数，显著提升检测精度并减少误报。K-Means聚类将异常分为三类，揭示与政治经济事件（如制裁、疫情）相关的市场波动规律。该方法为新兴市场提供高效、可解释的异常预测框架。

　　在当今复杂的金融市场环境中，识别和分析股票市场的异常现象对于投资者和风险管理专家来说是一项关键任务。特别是在新兴市场，由于信息不透明和市场波动较大，这些异常往往具有更大的不确定性和潜在影响。本研究旨在通过一种新颖的机器学习框架，将OPTUNA优化的孤立森林算法与K-Means聚类技术相结合，以识别和分类伊朗最大的汽车制造商伊朗国营汽车公司（Iran Khodro）的股票市场异常。通过利用2001年至2022年的每日股票数据，模型通过贝叶斯优化调整超参数，从而提高异常检测的准确性，并显著减少误报率。K-Means聚类算法进一步将检测到的异常划分为具有意义的行为类别，基于价格和交易量的动态变化。研究结果揭示了市场中断的特定时期，这些时期通常与重大的政治和经济事件相关，如制裁、货币波动和新冠疫情。该混合方法展示了在高波动性和低透明度环境中预测异常市场行为的一种强大、高效且可解释的方法。该框架为在其他新兴金融市场中预测股票异常提供了应用前景。

股票市场异常通常指那些不符合有效市场假说和传统资产定价模型的价格变化和模式。有效市场假说认为，股票价格反映了所有可用信息，因此无法通过分析历史价格获得异常和稳定的收益。然而，实证研究表明，某些异常模式如“星期几效应”或“月份效应”能够产生无法通过传统模型解释的异常收益。这些异常通常源于心理因素，包括投资者的风险偏好和集体行为，也可能与市场结构或信息不对称有关。在伊朗股票市场中，由于信息获取的困难和投资者对风险的高承受度，这些异常现象尤为显著。因此，研究伊朗国营汽车公司的股票异常不仅有助于理解其市场行为，还为其他新兴市场的投资者提供了借鉴。

孤立森林算法是一种快速且高效的无监督异常检测方法，适用于复杂和高维数据集。该算法通过随机划分数据空间并构建隔离树，来识别异常样本。与传统的异常检测方法不同，孤立森林不需要定义正常数据的特征，而是通过隔离异常数据点，从而快速发现异常。孤立森林的效率源于其假设异常数据点在数据空间中被分割的路径较短，因此更容易被识别。然而，孤立森林在处理实际数据时，由于数据复杂性和本地特征的影响，其检测效果可能受到限制。为了克服这一问题，本研究引入了OPTUNA框架，这是一种基于贝叶斯优化和结构化帕森估计的开源超参数优化工具。通过OPTUNA优化孤立森林的超参数，研究实现了更高的检测精度，同时保持了模型的计算效率。优化后的参数设置使得模型能够更准确地识别伊朗国营汽车公司股票市场的异常，并减少了误报率。

K-Means聚类算法被用于对检测到的异常进行分类，以便进一步分析其行为特征。通过使用肘部方法和轮廓系数，研究确定了最佳的聚类数量为3个，分别代表不同的市场行为模式。K-Means聚类结果揭示了异常数据的分布特征，例如高价格低交易量、高交易量中等价格以及低价格低交易量的异常模式。这些聚类帮助分析师更好地理解异常行为背后的市场动态，并为投资决策提供有价值的见解。通过结合孤立森林和K-Means聚类，研究提供了一种高效且可解释的方法，能够识别伊朗国营汽车公司股票市场的异常并进行分类，从而为投资者和市场参与者提供更清晰的市场行为图谱。

本研究的结果表明，通过将孤立森林算法与OPTUNA框架相结合，以及使用K-Means聚类进行分类，可以显著提高异常检测的准确性和效率。同时，研究还分析了这些异常与伊朗国营汽车公司股票价格波动之间的关系，并揭示了不同时间段内异常的形成原因。例如，2003年的异常可能与伊朗核计划引发的国际政治压力和经济危机有关；2016年的异常则与制裁的解除和国际经济合作的增强相关；2019年和2020年的异常则主要受到经济制裁、货币贬值和新冠疫情的影响。这些发现不仅有助于理解伊朗国营汽车公司的市场行为，也为其他新兴市场的异常检测提供了参考。

此外，研究还通过敏感性分析和滚动窗口稳定性分析，验证了模型的鲁棒性和可靠性。敏感性分析表明，优化后的参数设置使得异常检测结果对参数变化不敏感，从而确保了模型的稳定性。滚动窗口稳定性分析进一步证明，模型在不同时间段内能够持续检测到相似的市场异常，表明其具有良好的时间一致性。这些分析不仅增强了模型的可信度，还为未来的研究提供了方法论上的支持。

本研究的另一项重要贡献是其对模型可解释性的探索。通过使用排列重要性和累积局部效应（ALE）分析，研究揭示了不同特征对异常检测的影响。结果表明，交易量对异常检测的影响最大，其次是交易值和收盘价。这些分析帮助投资者和分析师更好地理解异常检测的驱动因素，并为制定更有效的投资策略和风险管理措施提供了依据。

尽管本研究取得了显著成果，但也存在一些局限性。首先，由于数据集是无标签的，无法直接与真实异常进行比较。因此，研究采用了鲁棒性导向的策略，如敏感性分析和非参数统计验证，以确保模型的可靠性。其次，研究仅基于伊朗国营汽车公司这一单一企业，这可能限制了研究结果的普遍适用性。未来的研究可以扩展到多个公司或跨市场数据集，以检验该框架的更广泛适用性。最后，尽管孤立森林算法在处理高维数据时表现良好，但在某些特定情况下，如数据不平衡或本地复杂性较高时，其检测效果可能受限。因此，结合深度神经网络或其他先进的算法可能有助于进一步提高模型的性能。

综上所述，本研究提出了一种基于机器学习的混合框架，结合孤立森林算法和K-Means聚类，以识别和分类伊朗国营汽车公司股票市场的异常。通过OPTUNA优化孤立森林的超参数，研究提高了模型的检测精度和效率。K-Means聚类进一步揭示了异常数据的行为特征，为投资者和市场分析师提供了有价值的市场洞察。研究结果不仅对伊朗国营汽车公司具有实际意义，也为其他新兴市场的异常检测提供了方法论上的参考。未来的研究可以进一步扩展该框架，以处理更复杂的数据集和外部因素，从而为金融市场的分析和预测提供更全面的解决方案。