金融时序模型的异常点检测和纠正及投资咨询实证分析

发布时间：2017-03-18 17:09

  本文关键词：金融时序模型的异常点检测和纠正及投资咨询实证分析，由笔耕文化传播整理发布。

【摘要】：本文研究探讨了时间序列模型中异常点干扰幅度的近似无偏估计,从而可以改善模型的诊断效果,同时可将该近似无偏估计运用于需要精确计算异常点的情形。本文主要涉及到ARMA模型和ARCH模型的异常点干扰幅度的近似无偏估计。在联动效益正日益频繁的经济领域中,运用时间序列模型来进行客观经济过程的描述和预测是一个非常重要的方法,然而在实际应用中,由于经济领域的特殊性,传统的统计方法进行经济时间序列模型分析往往会碰到很多困难。在行业分析报告中,数据之间的逻辑性关系至关重要。当数据出现与逻辑相左的波动时,会对分析过程造成一定影响。在实际投资咨询中经常会遇到数据出现波动的情况,一般情况下会将其选择性忽视,但这会造成分析报告逻辑的不严密与不完整。本文利用ARMA模型和ARCH模型的异常值偏差估计的方法对实际报告中遇到的带有异常值的乙烯数据和WTI数据做了近似无偏的偏差估计,并与传统方法相比较,从而得到更符合逻辑推理的修正后数据,使得咨询报告中的逻辑论述更加合理。
【关键词】：ARCH模型 异常点 检测 偏差修正 投资咨询
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-13
• 1.1 研究背景及现状9-11
• 1.2 本文主要工作11-13
• 第二章 时间序列模型13-18
• 2.1 平稳时间序列模型ARMA(p,q)13-16
• 2.1.1 模型描述13-14
• 2.1.2 AR(p)模型参数估计14-15
• 2.1.3 MA(q)模型参数估计15
• 2.1.4 ARMA(p,q)模型参数估计15-16
• 2.2 自回归条件异方差模型ARCH(p)16-18
• 2.2.1 模型描述16
• 2.2.2 ARCH模型的平方序列性质及参数估计16-18
• 第三章 时间序列模型的定阶方法18-21
• 3.1 Akaike的AIC准则、AICC准则和BIC准则18-20
• 3.2 Schwartz准则20-21
• 第四章 时间序列异常点21-24
• 4.1 时间序列异常点的分类21
• 4.2 异常点诊断方法21-22
• 4.3 附加型和革新型异常点22-24
• 4.3.1 ARMA模型的附加型和革新型异常点22-23
• 4.3.2 ARCH模型的异常点23-24
• 第五章 异常点估计的偏差及偏差纠正24-29
• 5.1 AR模型异常点估计的偏差及偏差纠正24
• 5.2 MA模型和ARMA模型异常点估计的偏差24-26
• 5.3 MA模型和ARMA模型异常点估计的偏差纠正26-27
• 5.4 ARCH模型附加型异常点的近似无偏估计27-29
• 第六章 模拟数值计算29-36
• 6.1 模拟步骤29-30
• 6.2 MA模型异常点模拟30-32
• 6.3 ARMA模型异常点模拟32-34
• 6.4 ARCH模型异常点模拟34-36
• 第七章 实例分析36-38
• 7.1 纪念品数据实例分析36-38
• 第八章 实证分析38-47
• 8.1 全球原料多元化的烯烃产业研究38-47
• 第九章 总结与展望47-49
• 9.1 本文结论47
• 9.2 研究展望47-49
• 致谢49-50
• 参考文献50-51

【相似文献】

中国期刊全文数据库 前5条

1 郭庆然;;基于小波变换的股票异常点检测研究[J];统计与决策;2012年04期

2 成邦文,师汉民,王齐庄;多维统计数据对数正态分布检验与异常点识别[J];系统工程;2001年05期

3 李子奈,周建;宏观经济统计数据结构变化分析及其对中国的实证[J];经济研究;2005年01期

4 周欢;孙易木;;异常点挖掘在证券业的应用研究[J];商业时代;2009年13期

5 ;[J];;年期

中国重要会议论文全文数据库 前5条

1 张维;刘博;张小涛;;日内金融高频数据的异常点检测[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

2 刘晓艳;王丽珍;杨志强;陈红梅;;基于数学形态学的模糊异常点检测[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

3 王倩;刘奕群;马少平;茹立云;;面向用户互联网访问日志的异常点击分析[A];第五届全国信息检索学术会议论文集[C];2009年

4 王丽珍;周丽华;肖清;;基于数据仓库的动态异常点检测研究[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

5 张重生;冯海军;陈红;梁思维;李翠平;;一种分布式数据集上top-n异常点挖掘的高效算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

中国硕士学位论文全文数据库 前10条

1 何欢;基于概念漂移的异常检测技术研究[D];电子科技大学;2015年

2 杨宗羲;函数系数时序模型基于各类进化算法的估计及其异常点检测[D];东南大学;2015年

3 江晨阳;双线性时间序列模型的多变点估计及多个异常点挖掘[D];东南大学;2016年

4 沈琰辉;基于邻域离散度和隔离树的异常点检测算法研究[D];浙江师范大学;2016年

5 夏一;金融时序模型的异常点检测和纠正及投资咨询实证分析[D];东南大学;2016年

6 赵伯夷;基于神经网络的异常点挖掘[D];河北大学;2011年

7 孙易木;异常点挖掘及证券行业应用实例研究[D];同济大学;2006年

8 曹忠虔;时间序列异常检测的研究[D];电子科技大学;2012年

9 彭珊;线性回归模型中关于异常点的若干问题的分析[D];东北林业大学;2014年

10 杨金伟;基于距离和信息熵的不确定异常点检测研究[D];云南大学;2011年

  本文关键词：金融时序模型的异常点检测和纠正及投资咨询实证分析，由笔耕文化传播整理发布。

，

本文编号：254779