小波理论与经济金融时序应用研究

发布时间：2020-05-31 00:16

【摘要】： 小波分析以其良好的时频局域化特性,受到众多科学家和工程人员的青睐,在图像处理、模式识别、地质勘探、医学成像诊断、数值计算等各个方面都有不俗地表现。近年来,小波分析开始被引入经济与金融领域,作为处理经济金融时间序列数据的工具。但是,从目前国内外的文献来看,利用小波分析方法对实际经济金融现象进行研究分析,并充分提取其内在信息的应用相对于小波分析在其他领域的应用明显过少。本文结合经济金融时间序列特点,在探讨小波构造原理、比较与之相适宜的小波基函数和算法的基础之上,就小波分析对经济金融时序数据的处理展开研究,以期拓宽其在经济金融领域中应用的深度和广度。 从已有的自然科学各领域应用看,小波理论具有很大的潜力。小波分析在经济金融领域中的研究起步较晚,有许多方面的工作需要深入展开,本文的主要贡献所在: (1)理论方面,对小波变换算法和小波基函数的选择进行研究。小波变换算法是小波变换得以实现的关键,本文针对经济金融时间序列的离散性特点,通过实例对几种离散小波的快速算法的实现进行了分析比较,为小波变换在经济金融领域中的应用提供方法论基础。小波基函数不仅是小波理论的重要内容,也是经济金融时间序列研究分析的前提和条件。小波基函数可从已有的小波函数中选取,也可以对已有小波函数作适当修正或重新构建新的小波函数。本文从小波构造的理论出发,分析常用的几种小波基函数的各种性能指标,通过实验的方法比较了几种小波基函数处理经济金融时间序列的效果,探讨一种或多种适合于经济金融时间序列分析计算和预测模拟的小波基函数。 (2)应用方面,对小波分析的多分辨分析原理在经济金融领域的应用展开研究。①在经济金融领域,经济现象的发展和变化不可能单独存在,必然受到多种因素、多种作用力的共同影响,而往往这些影响作用体现在不同的时间周期上,传统的单时间尺度的分析方法容易造成信息的丢失,导致分析结果不准确。本文将已在工程、水文、气象等领域得到广泛应用的小波变换的多分辨分析原理,扩展到对经济时间序列的多时间尺度分析,以探求各种因素的影响规律。②在金融领域,各种偶然因素的影响使金融时间数据中存在许多噪声,即微小不规则的干扰。这些噪声严重影响了对数据的进一步分析和处理,本文比较了传统滤波方法对金融数据去噪的缺陷,并结合金融时间序列本身的特点,以上证综合指数数据为例,探讨了小波分析对金融数据噪声消除的有效性。③将小波对金融数据的应用研究扩展到以小时、分钟、秒为间隔而采集的高频数据方面,对其体现出来的独特的“日历效应”,利用小波分析的多分辨分析原理加以分析研究,并结合ARMA模型对高频数据进行预测。
【图文】：

一2【’02]:设气，，(t)=a0一’‘2笋(a0今一nbo)组成一个界为A、+‘2)一，}毋(。)}，(1+。2)一‘，一，/2其中a>1，，>。，r>1，则尽(。。，q;T)cZ，，使得对所有f。尸(R)有·，，\…*，二i卜福…{昙二，.了(·)，’二)·(，，一，，}，。)2·，明如果梦在时间和频率上有适当的衰减性(局部性)，示出时间与频率局部化的特征，至少对。1，。。}，【。。，。l弘是如此。窗口F耐er变换有完全类似出了一模拟信号的离散小波变换图像。

对于式(3.4)所示的离散小波变换可通过计算机作近似数值积分实现。值积分方法就是矩形法，也就是按照数字信号处理的习惯将式(3.，b~kTs，则上式变成:。(a，城)，半又，(n:)，「二些二主2丑1Va气厂LaJ中。T二兀是采样间隔。对每一个给定a值，依次求在不同k值下的上式的乘积和，从而得到组小波变换系数。当然，计算时a也必须离散取值。图3一1=0，1，2，…)为例(这是实际工作最常用的尺度a取值方案)说明计算
【学位授予单位】：厦门大学
【学位级别】：博士
【学位授予年份】：2007
【分类号】：F830;F224

【引证文献】

相关博士学位论文 前1条

1 董丁稳;基于安全监控系统实测数据的瓦斯浓度预测预警研究[D];西安科技大学;2012年

相关硕士学位论文 前2条

1 夏豪杰;沪深300指数波动特征研究[D];天津财经大学;2011年

2 闻靓;基于小波神经网络和STAR的股指预测方法研究[D];华南理工大学;2011年

本文编号：2688948