基于整体经验模态分解的金融高频数据波动率估计研究

发布时间：2021-02-14 05:40

　　针对金融高频数据波动率的估计问题,借鉴小波变换思想,首次利用整体经验模态分解方法实现了高频数据波动率估计.首先,通过模拟数据验证了方法的可行性和有效性;其次,以日内高频数据为研究对象,并将分别利用经验模态分解和整体经验模态分解方法计算所得的波动率与已实现波动率进行了对比.结果表明,自适应分解方法可有效实现高频数据波动率估计,但整体经验模态分解要优于经验模态分解方法.该方法为高频数据波动率的非参数估计提供了新的解决途径,具有重要的推广与应用价值. 

【文章来源】：东北师大学报(自然科学版). 2020,52(03)北大核心

【文章页数】：7 页

【部分图文】：

图３沪深３００指数收盘价及去噪后的对数收益率序列图（２）通过ＥＥＭＤ和ＥＭＤ算法对去噪后的对数收益率进行分解．ＥＥＭＤ分解后得到１３个ＩＭＦｓ和

第３期秦喜文，等：基于整体经验模态分解的金融高频数据波动率估计研究图４ＥＥＭＤ算法分解后的部分固有模态函数和趋势项图５ＥＭＤ算法分解后的部分固有模态函数和趋势项（３）经ＥＭＤ和ＥＥＭＤ分解后的ＩＭＦ根据（８）式，计算出每一天高频数据的波动率，并与根据（７）式求出的已实现波动率进行对比，如图６所示．图６ＥＭＤ，ＥＥＭＤ与已实现波动率的比较３９


本文编号：3033211