بهبود خوشه بندی از طریق تشخیص و حذف سری های زمانی پرت بر اساس رویکرد فاصله ای اقلیدسی و نمایی

در این مقاله یک روش جدید جهت شناسایی سری زمانی پرت بر اساس مدل گارچ  با رویکرد فاصله ای نمایی ارایه می شود که در سه مرحله انجام می گیرد: ابتدا روش های خوشه بندی فازی و غیر فازی بر روی سری های زمانی  پیاده سازی شده، سپس داده های پرت تشخیص داده و از مجموعه داده ها حذف می شود. پس از حذف مقادیر  پرت دوباره روش های خوشه بندی بر مجموعه داده ها اعمال خواهد شد. برای ارزیابی روش های ارایه شده از سهام 30 شرکت برتر، فعال و پر سود موجود در بازار بورس ایران استفاده می شود. با محاسبه دو شاخص سیلهوت و ایکس ای بنی دقت روش های خوشه بندی به کار گرفته شده با هم مقایسه می شوند و در پایان نشان داده می شود با حذف داده پرت روش خوشه بندی بر اساس مدل گارچ بر اساس رویکرد فاصله ای نمایی بهترین عملکرد را داراست.