多变量金融时间序列的非线性检验及重构研究
发布时间：2021-09-06 08:07
金融系统是一个开放的复杂系统,其内部的各个经济变量之间存在着错综复杂的关系。从“随机游走理论”、“有效市场假说”到“资产定价模型理论”,有关金融市场的研究理论层出不穷。然而,这些研究方法一般都是在线性框架的基础上建立发展起来的。大量的证据表明,仅仅用线性方法己经不能很好的解释复杂的金融市场波动。20世纪80年代以来,越来越多的金融学者们都在探寻应用非线性方法,来解释复杂的金融现象,并对金融市场的演化过程进行预测。因而,在非线性框架下研究金融市场具有非常重要的理论和现实意义。本文应用混沌理论和支持向量机理论对多变量金融时间序进行了非线性检验和重构研究。研究内容大体包括如下几部分:1)综述了近年来比较有代表性的单变量和多变量金融时间序列的非线性检验方法,分析了它们各自的特点和不足,在改进算法的基础上,通过对典型的具体金融时序数据的非线性混沌特性的检验,对金融时序数据中非线性混沌特征规律有了进一步的了解。2)提出了一种计算多变量时间序列最大Lyapunov指数的改进的小数据量方法。在此基础上,以Ikeda映射、Henon映射、Lorenz映射和Chen映射四种典型混沌系统为例,采用将随机数方...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：113 页
【学位级别】：博士
【部分图文】：
Henon映射的关联维数计算结果
定关联维数的大致取值，以及最小二乘曲线拟和的的范围应该出现在 ln ( r ) ln ( C ( m, r))呈斜线状， ln( ) ( ( )) r d D m呈直线状，且 ( ( ))d D m 大约为零的区得曲线拟和点 ln ( r ) ln ( C ( m, r))的范围，而后对数据 下的时间序列的关联维数值。该方法不仅能够准确，而且可以从 ln ( r ) D ( m)曲线图上对时间序列的关的认识。 当 嵌 入 维 数 m = 21时 ， 获 得 的 Lorenz 映 射 y；z = xy bz&； σ = 10， r = 28，83b = 的 ln ( r )与 ( m ))的曲线图。由曲线可以看出，当 ln ( r )处于1.5n ( C ( m, r))线段呈直线状， ln ( r ) D ( m)线段为m))线段基本处于 d ( D ( m )) = 0。因而，可以推断当线段就是我们所找的曲线拟合部分，通过最小二乘的关联维数值为2.05，与真实值2.07相差很小。
第二章 单变量金融时间序列的混沌特性检验1日的每日原油(Crude oil)期货价格时间序列取不同嵌入维数所得到的 ln ( r ) ln ( C ( m, r))曲着嵌入维数 m =3,5, ,21L。由图可以看出，每条作直线部分，并且由于相空间中的两点之间的线部分的r 的可能取值范围也很大，所以要经过 ( r ) ln ( C ( m, r))的合适的拟合部分，从而确定
【参考文献】：
期刊论文
[1]多元逐步回归经济预测模型建立与应用[J]. 潘一彬. 当代经济(下半月). 2007(08)
[2]局部平稳过程、稳定过程及GARCH模型的比较研究[J]. 李锐,向书坚. 统计研究. 2007(08)
[3]基于ARIMA（p,1,q）过程的MMSE预测可靠性研究[J]. 华中生,查迎春,张斌. 预测. 2007(04)
[4]基于混沌时间序列分析的股票价格拐点预测方法[J]. 邓华丽,李修全. 统计与决策. 2007(09)
[5]基于非线性跟踪—微分器的金融时间序列预测[J]. 刘凤根,王晓芳,张敏. 系统工程理论与实践. 2007(03)
[6]混合自回归滑动平均模型——MARMA[J]. 王红军,田铮,韩四儿. 系统工程理论与实践. 2006(11)
[7]金融市场的复杂性与金融风险管理——一个基于非线性动力学视角的分析原理[J]. 李红权. 财经科学. 2006(10)
[8]基于时间序列的支持向量机在股票预测中的应用[J]. 彭丽芳,孟志青,姜华,田密. 计算技术与自动化. 2006(03)
[9]离岸金融业务与中国企业国际化[J]. 黄小玲. 上海金融. 2006(09)
[10]混沌神经网络模型及其应用研究综述[J]. 王耀南,余群明,袁小芳. 控制与决策. 2006(02)
本文编号：3387092
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：113 页
【学位级别】：博士
【部分图文】：
Henon映射的关联维数计算结果
定关联维数的大致取值，以及最小二乘曲线拟和的的范围应该出现在 ln ( r ) ln ( C ( m, r))呈斜线状， ln( ) ( ( )) r d D m呈直线状，且 ( ( ))d D m 大约为零的区得曲线拟和点 ln ( r ) ln ( C ( m, r))的范围，而后对数据 下的时间序列的关联维数值。该方法不仅能够准确，而且可以从 ln ( r ) D ( m)曲线图上对时间序列的关的认识。 当 嵌 入 维 数 m = 21时 ， 获 得 的 Lorenz 映 射 y；z = xy bz&； σ = 10， r = 28，83b = 的 ln ( r )与 ( m ))的曲线图。由曲线可以看出，当 ln ( r )处于1.5n ( C ( m, r))线段呈直线状， ln ( r ) D ( m)线段为m))线段基本处于 d ( D ( m )) = 0。因而，可以推断当线段就是我们所找的曲线拟合部分，通过最小二乘的关联维数值为2.05，与真实值2.07相差很小。
第二章 单变量金融时间序列的混沌特性检验1日的每日原油(Crude oil)期货价格时间序列取不同嵌入维数所得到的 ln ( r ) ln ( C ( m, r))曲着嵌入维数 m =3,5, ,21L。由图可以看出，每条作直线部分，并且由于相空间中的两点之间的线部分的r 的可能取值范围也很大，所以要经过 ( r ) ln ( C ( m, r))的合适的拟合部分，从而确定
【参考文献】：
期刊论文
[1]多元逐步回归经济预测模型建立与应用[J]. 潘一彬. 当代经济(下半月). 2007(08)
[2]局部平稳过程、稳定过程及GARCH模型的比较研究[J]. 李锐,向书坚. 统计研究. 2007(08)
[3]基于ARIMA（p,1,q）过程的MMSE预测可靠性研究[J]. 华中生,查迎春,张斌. 预测. 2007(04)
[4]基于混沌时间序列分析的股票价格拐点预测方法[J]. 邓华丽,李修全. 统计与决策. 2007(09)
[5]基于非线性跟踪—微分器的金融时间序列预测[J]. 刘凤根,王晓芳,张敏. 系统工程理论与实践. 2007(03)
[6]混合自回归滑动平均模型——MARMA[J]. 王红军,田铮,韩四儿. 系统工程理论与实践. 2006(11)
[7]金融市场的复杂性与金融风险管理——一个基于非线性动力学视角的分析原理[J]. 李红权. 财经科学. 2006(10)
[8]基于时间序列的支持向量机在股票预测中的应用[J]. 彭丽芳,孟志青,姜华,田密. 计算技术与自动化. 2006(03)
[9]离岸金融业务与中国企业国际化[J]. 黄小玲. 上海金融. 2006(09)
[10]混沌神经网络模型及其应用研究综述[J]. 王耀南,余群明,袁小芳. 控制与决策. 2006(02)
本文编号：3387092
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3387092.html
