Outlier detection for overnight index swaps

Abstract: I examensarbetet undersöks metoder för anomalidetektion i tidsserie data. Givet data för overnight index swaps (SEK), så har syntetiskt data skapats med olika ty-per av anomalier. Jämförelse mellan algoritmerna Isolation forest och Local outlierfactor görs genom att mäta respektive prestande för de syntetiska dataseten mot Accuracy, Precision, Recall, F-measure och Matthews correlation coefficient.