Este artículo propone un algoritmo de biclustering basado en factores ortogonales (BCBOF) para resolver dos problemas principales del biclustering en datos de alta dimensión: la escasez de datos debido a la concentración de distancias en el espacio de alta dimensión y el problema de que las técnicas existentes de reducción de dimensionalidad lineal destruyen los patrones de estructura local. BCBOF construye factores ortogonales en el espacio vectorial de datos de alta dimensión, realiza la agrupación utilizando las coordenadas originales de los datos en el subespacio ortogonal y, a continuación, obtiene los resultados del biclustering de los datos originales. Alivia eficazmente el problema de la escasez de datos mediante la reducción de dimensionalidad y lo aplica a la combinación de indicadores técnicos bursátiles y la predicción de tendencias de precios de acciones, convierte los resultados del biclustering en reglas difusas y construye un sistema de inferencia difusa que incluye reglas de preservación de beneficios y stop loss para predecir las tendencias de precios de acciones y generar señales de trading. La superioridad del algoritmo BCBOF se verifica a través de experimentos comparativos con métodos de biclustering existentes utilizando varios indicadores de evaluación, y el retorno de la inversión de la estrategia comercial generada se confirma a través de un experimento comercial virtual utilizando datos pasados de 10 acciones A.
