证券时间序列中的信息奇异点研究与建模

发布时间：2021-01-28 10:04

　　随着经济的发展和人们投资意识的转变,证券投资已经成为现代人生活中的一个重要组成部分。金融证券市场是一个高风险高收益的投资领域,在这个领域中,投资者为了追求投资收益的最大化和投资风险的最小化,不断地探索其内在规律,寻找其有效的分析方法和工具。因此,对金融时间序列的分析具有重要的理论意义和应用价值。在证券时间序列分析中,一般采用建模的方法进行数据拟合。本文深入分析了传统的时间序列模型和神经网络模型,并对一定时期内的证券时间序列的拟合效果进行了比较。在这些拟合方法中,尽管可以得到趋势明朗后模型与实际数据的较好拟合效果,但是对于引起证券时间序列趋势改变的奇异点及其邻域内的时序点拟合误差较大。这些奇异点包含证券时间序列波动过程中的暴涨、暴跌和极点等转折点。本文通过分析证券时间序列中的奇异点,得出结论：1、证券时间序列的涨跌幅与相对拟合误差非线性相关,涨跌幅度较大时,模型拟合的误差较大。这类误差用传统时间序列、神经网络模型的白噪声误差、随机误差来描述,难以取得良好的拟合效果。2、提出证券信息奇异点理论,用证券信息影响强度描述证券时间序列的奇异波动,可以从理论上解释证券时间序列中的奇异点现象。3、建... 

【文章来源】：昆明理工大学云南省

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

昌河股份AR(l)模型拟合效果

采用AR(l)模型拟合昌河股份收盘价数据，拟合效果如左图所示，右图是拟合误差图。昌河股份的收盘价比上证指数收盘点数走势更加曲折，前50个交易日的收盘价曲线高低起伏，模型的拟合效果明显比后57个交易日差。比较图3.6，可见昌河股份AR(l)模型的拟合与上证指数拟合的效果具有共同的特点，涨跌幅与拟合误差相关，波动大的交易日，拟合误差显著大于其他波动小的交易日。由于昌河股份的波动主要集中在时序的前50个交易日，因此拟合误差前后时序的差别又很大的差别。 3.3MA拟合根据上证指数和昌河股份收盘数据的特点，建立MA(3)模型，模型如下:介:(共一，十另+y

根据上证指数和昌河股份收盘数据的特点，建立MA(3)模型，模型如下:介:(共一，十另+y，+，)/3(3.3)上证指数MA(3)模型的拟合结果和误差如图3.7所示。

【参考文献】：
期刊论文
[1]蚁群神经网络用于股票价格短期预测[J]. 王晶,张文静,张倩.  商场现代化. 2008(06)
[2]基于小波分析的时间序列数据挖掘[J]. 佟伟民,李一军,单永正.  计算机工程. 2008(01)
[3]利率变动对我国股市影响的实证分析[J]. 李亚敏,王浩.  投资研究. 2007(06)
[4]基于相空间重构理论与递归神经网络相结合的股票短期预测方法[J]. 马千里,郑启伦,彭宏,钟谭卫.  计算机应用研究. 2007(04)
[5]中国利率与股市间波动溢出效应的实证研究[J]. 熊正德,谢敏.  财经理论与实践. 2007(01)
[6]基于聚类技术的股市基本趋势规律挖掘[J]. 张杨,宋恒.  数理统计与管理. 2006(04)
[7]神经网络与时间序列模型在股票预测中的比较[J]. 王波,张凤玲.  武汉理工大学学报(信息与管理工程版). 2005(06)
[8]证券市场信息传播的数学模型研究[J]. 林春燕,朱东华.  数学的实践与认识. 2005(11)
[9]基于混沌理论的上海股市非线性动力学研究[J]. 周洪涛,王宗军.  系统工程理论方法应用. 2005(05)
[10]小波包变换在股市预测中的应用研究[J]. 殷光伟,郑丕谔.  北京理工大学学报(社会科学版). 2005(03)



本文编号：3004801