A Nonlinear Approach for the Determination of Missing Values in Temporal Databases
Antti Sorjamaa, Paul Merlin, Bertrand B. Maillet, Amaury Lendasse · 2007
lors de l’utilisation de modèles financiers. En effet, de tels modèles requièrent que les bases soient cylindrées et complètes. De plus, de nombreuses bases de données financières contiennent des valeurs manquantes. Ce papier présente une nouvelle technique pour le recouvrement des valeurs manquantes. Cette méthode utilise deux techniques de projection: une non-linéaire (Cartes de Kohonen) et une linéaire (Fonction Orthogonale Empirique). La méthodologie globale présentée combine les avantages des deux méthodes pour obtenir des candidats aux valeurs manquantes. La méthode est appliquée à deux bases de données financières. ABSTRACT. The presence of missing data in the underlying time series is a recurrent problem for market models. Such models make it necessary to deal with cylindrical and complete samples. Moreover, many financial databases contain missing values. This paper presents a new method for the missing values recovery. The new method is based on two projection methods: a nonlinear one (Self-Organizing Maps) and a linear one (Empirical Orthogonal Functions). The presented global methodology combines the advantages of both methods to get accurate approximations for the missing values. The methods are applied to two financial datasets.