数量化方法对金融证券的系统性分析

发布时间：2021-05-20 06:24

　　在金融行业中,时间序列可以说是特别重要的信息,所谓的时间序列是指一系列被观测数据按照时间顺序排列,观测值按照等距或者非等距的时间间隔采样。而作金融证券分析时,常常以过去的历史数据或者资料为依据,对未来的趋势或者涨跌提供预测性信息。比如股票或者期货中的开盘价、收盘价、最高价、最低价、交易额、交易量等。都可以作为时间序列对其进行分析。而对这些时间序列进行分析,对其进行加工再改造,产生了一系列新的指标,包括:KDJ,MACD,RSI等[1],用这些指标来预测证券未来的走势是目前比较常用的方法。而最近在国内正在产生一种新的数量化的研究方法。包括通过数学、物理、信号[2][31]、人工智能[3]、心理[7]等方法对时间序列进行多方面的研究,二是进行程序化交易系统的研究。本文重点是通过对时间序列的分解,降噪,相关特征量,时间序列之间的相关性进行研究（其中包括用Copula函数对二元时间序列的尾部的相关性进行研究,用多元GARCH模型等[4]）,其次是对时间序列的记忆性通过分形方法进行分析,由于受到众多非线性因素的影响,金融时间序列往往呈现出复杂的形态和细节特征,通过移动Hurst指数对其变化趋势进... 

【文章来源】：宁波大学浙江省

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 时间序列的分解降噪
    1.1 高级降趋
    1.2 小波降噪
    1.3 检测时间序列的自相似性
    1.4 时间序列的统计量函数和相关性
    1.5 收盘价和交易量的相关性
    1.6 Copula 理论及应用
        1.6.1 Copula 理论介绍
        1.6.2 基于Copula 函数的尾部相关测度
2 时间序列风险性分析
    2.1 VaR 方法介绍
    2.2 VaR 的定义
    2.3 VaR 的计算方法
        2.3.1 方差——协方差方法
        2.3.2 VaR 的历史模拟算法
    2.4 基于棉花期货的实证分析
        2.4.1 棉花期货收益率的时间序列分析
    2.5 各种模型算法的VaR 结果
        非参数分析算法的VaR 结果
        VaR 的历史模拟算法的VaR 结果
    2.6 蒙特卡罗模拟法求VaR
3 时间序列的记忆性
    3.1 时间序列记忆性介绍
        3.1.1 算法
    3.2 Hurst 指数对上证综指的应用
    3.3 动态 Hurst 指数运用于上证指数
    3.4 实证结果
4 时间序列的频谱分析
    4.1 傅里叶变换
    4.2 傅里叶分析应用
5 时间序列预测
    5.1 线性预测
        5.1.1 ARMA 时间序列
        5.1.2 简单的 ARMA 模型
    5.2 非线性分析预测
        5.2.1 支持向量机
6 总结
参考文献
致谢



本文编号：3197262