提出了一种新的股票时间序列相似性的研究方法,该方法与已往的算法相比,具有很高的计算效率。首先将时间序列分段线性化,将近似直线的端点按时间顺序排列形成转折点序列来描述原始序列,从而降低了数据的数量和复杂度,提高了快速性。基于分段线性化,提出了一种相似性计算方法,可以从时间序列中搜索用于传统股票分析的基础模型。将基础模型的谷点和峰点的位置按照某种规律重新排序,然后从转折点序列中寻找重新排序后与基础模型排序相同的子序列(即相似性搜索),用该基础模型可以对股票后续趋势做出预测。与通常的相似性算法相比,该算法不考虑