金融市场连续波动强度模型与选举交互系统统计分析

发布时间：2021-01-06 15:59

　　对金融动力学非线性行为的研究一直是金融研究的核心问题。研究股票市场的波动行为,对于评估投资风险、避免股票市场危机、选择购买股票组合以及理解金融市场的一些统计性质具有重要意义。基于真实金融市场股票指数的绝对收益率序列,本文提出了一个新的概念来表示股票市场的波动持续时间并且用于测量一个周期的整体波动强度,即连续波动强度（CFI）。CFI表示在收益率序列中f时刻的数值上连续增加或减少的收益波动（或标准化绝对收益）的持续时间。与以往对收益率波动的研究不同,CFI不再预先选定一个阈值,而是选择序列中不断增长（或下降）的收益率波动序列。它描述的是一个连续增长（或下降）序列中收益率波动的总体强度,在某种程度上可以认为它量化了一定时期内金融市场的波动风险。为了研究CFI的非线性特性,本文运用概率分布方法与p值检验法对CFI序列的尾部性质和幂律行为进行了探索研究。运用自相关和散点图分析方法分析了 CFI序列的自相关性质。此外,我们还运用分数样本熵和模糊熵两种测量复杂度的方法对CFI序列的复杂性质进行了探究,这在一定程度上可以反映CFI序列的规律性。为了对比验证新统计量的可行性,我们还利用了金融物理统计模... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图１．正态分布的有限混合、柯西分布和标准正态分布的概率密度函数图

用相同的方法计算出的３１０天到３１３天的连续波动强度数值是－１．０２７。通过这??种形式，我们可以将６个股票市场的收益率波动序列转化为相应的标准化ＣＦＩ序??列。

布进行了验证％６５，６６１。因为｜Ｃ（＆）｜＞０，所以我们将Ｃ（＆）序列分为两个部分的??时间序列进行研究：一个是连续上升的ＣＦＩ序列Ｃ＋（Ｃ（＆）＞０），另一个是连续??下降的ＣＦＩ序列Ｃ＿（Ｃｔｏ）?＜?０）。图４?（ａ）展示了?Ｃ＋和Ｃ＿序列的概率密度分布，??图４?（ｂ）则展示了收益率波动序列的概率密度分布。??如图所示，Ｃ＿序列的概率分布近似对称地反映了Ｃ＋序列的分布。对于??图４（ａ），大部分ＣＨ值都在－５到５之间，出现极值的概率相对较小。为了检??验ＣＦＩ序列和收益率波动序列的概率分布是否服从幂律分布，在这里我们使??用ｐ值检验法对其进行验证。事实上，只有很少的现象对所有ｘ的值都服从??幂律分布。更常见的情况是，当自变量大于某个最小值时，分布的尾部遵循幂??律分布。当Ｐ－Ｗ２／Ｍ相当小（ｐ＜?０．１）时，我们可以判定时间序列尾部不服??从幂律分布。从表２可以看出，对于ＣＦＩ序列和收益率波动序列的所有数据，??１１??

【参考文献】：
期刊论文
[1]基于模糊熵的压气机失速信号分析研究[J]. 刘志刚,杨荣菲,向宏辉.  测控技术. 2014(02)



本文编号：2960856