基于交易数据的长记忆性研究与场景记忆建模

发布时间：2020-07-26 19:51

【摘要】： 证券市场的长记忆性一般是指股票的价格或收益率序列存在长期相关性,而现有的金融理论假设收益率是独立同分布的,并没有考虑长记忆性,所以长记忆性的存在会对许多已有的理论产生影响。 场景记忆是个人亲身经历过的,在一定时间和地点发生的事件或情景的记忆。场景记忆的研究人员发现人们使用深刻影响的事件来指导他们的回忆。 本文围绕交易数据的长记忆性和隐藏在交易数据中的场景记忆,主要做了以下研究工作: (1)研究了长记忆性的检验方法。通过仿真计算发现短记忆性的存在会使R/S分析方法的估计值和样本序列的真实值存在较大的偏差。提出了使长记忆时间序列的自相关函数和偏相关函数的理论值与样本估计值之间误差最小原则的长记忆参数估计方法。用不同的检验方法对我国证券市场的综合指数及一些个股的收益率和绝对收益率进行了检验,得出日收益率几乎不存在长记忆性,而日绝对收益率有较明显的长记忆性。 (2)总结了用ARFIMA模型对长记忆时间序列建模分析的一般步骤,推导了用ARFIMA模型做预测时,预测系数的迭代公式以及预测系数的极限性质。 (3)建立了一个基于交易数据的场景记忆系统,通过事件模式对交易数据的学习给出了事件场景记忆模型的计算实例。实际数据分析表明,场景记忆模型允许系统根据当前的情况搜寻它的历史记忆场景,从而对当前的形势做出一定的判断。
【学位授予单位】：国防科学技术大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F224;F830.91
【图文】：

国防科学技术大学研究生院硕士学位论文图2.2不同数据长度下侧S分析方法估计结果图图2.2左边的图横轴表示FDN样本序列的真实Hurst值，纵轴表示利用侧S分析方法得到的估计值，虚线表示估计值等于理论值的情况。图2.2的右边图表示估计值和真实值的绝对误差。从图2.2可以看出:(l)当Hurst值较小时，小于0.5时侧S分析方法得到的Hurst估计值偏离其真实值较大，随着Hurst值的增加，这种偏离逐渐减小，在Hurst值为0.7时，这种偏离达到最小，此时侧S分析方法的估计效果最好。当Hurst值大于0.7以后

(3)可以认为由于数据长度的原因，侧S分析法的估计值存在着系统偏差。图2.3不同数据长度下侧S估计结果的方差图2.3表示不同情况下估计误差的方差曲线图。从图2.3可以看出，随着数据长度的增加，估计值的方差大致有减小的趋势，当数据长度为128时，此时估计值的方差最大，估计值最不稳定，估计结果的可信度较差。当样本长度达到1024第11页

蘸图2.4两市收盘价数据图从图2.4可以看出，不管是上证指数，还是深圳成指，他们的收盘价是不平稳的，深圳成指的收盘价数据波动更加剧烈。在特定的时间段里，都存在显著的上升和下降的趋势，数据明显是不平稳的。图2.5两市收盘价滞后300阶自相关函数图从图2.5可以看出两市的收盘价的自相关函数衰减很缓慢，且数值较大。在滞后阶为300时，上证指数收盘价的自相关函数为0.5379;深圳成指的收盘价自相关函数为0.3328。这表明，两市的收盘价数据均存在着很强的自相关性。进一步的观察可发现沪深两市综合指数之间存在着很强的相关性，选取两市相同交易日的收盘价数据

【参考文献】

相关期刊论文 前7条

1 陈炜,吴世农;中国股票市场长期记忆特性研究[J];当代财经;2003年06期

2 李林峰;裘正定;;自相似网络流量Hurst指数的迭代估计算法[J];电子与信息学报;2006年12期

3 张维,黄兴;沪深股市的R/S实证分析[J];系统工程;2001年01期

4 于宁莉;易东云;刘海波;周润;;基于股票市场交易数据流的场景记忆模型[J];系统工程;2006年10期

5 陈梦根;中国股市长期记忆效应的实证研究[J];经济研究;2003年03期

6 陈建;谭献海;贾真;;7种Hurst系数估计算法的性能分析[J];计算机应用;2006年04期

7 徐龙炳,陆蓉;R/S分析探索中国股票市场的非线性[J];预测;1999年02期

本文编号：2771211