基于HP滤波和相似性度量的新方法在时间序列中的应用

发布时间：2021-01-26 14:30

　　大数据时代下时间序列出现高维性、海量性、随机性、信噪比低等特征,传统时间序列模型分析已经无法满足现代分析要求。因此,对时间序列进行信息提取,降低数据维度和复杂度具有重要意义。本文所使用的HP滤波法和相似性度量能对数据中的长期趋势,波动循环,相似波动等信息进行提取,有利于更好地进行时间序列分析。滤波技术最初起源于电子工程领域,通过过滤信号中特定频率的波段,去除干扰信号。HP滤波方法是一种比较成熟的、简单易操作的高通滤波法,能将信号中的高频成分和其他成分进行分离。利用HP滤波法对时间序列进行分解,可以去除其中长期增长趋势成分得到平稳的周期波动成分。经济学者们常用HP滤波法分解经济指标,从而得到其中隐含的经济波动信息、分析经济周期、研究经济波动与增长之间的关系。目前学者对HP滤波的研究大都局限于直接应用,但其仍有不足之处。首先,平滑参数的取值缺乏统一标准。其次,序列分解结果受序列长度影响,尾部分解不稳定。本文第四章针对这里两个问题提出了有效的解决办法。在平滑参数取值方面,提出利用分解所得波动序列与波动率序列的极值点重合率对平滑参数进行选择的方法。在尾部分解的修正方面,提出延长序列法,并通过延... 

【文章来源】：西华师范大学四川省

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

XTLD的相关函数图

子序列ix 是由原序列的连续T 期值构成的，其中i表示起始期数， 1 ijijx x，（ i 1, 2, n T 1;j 1,2, ,T)。（2）对每段序列的波动趋势和波动程度进行量化，计算方向序列和程度序列。（3）将第 k（ k 1, 2, ,n T 1)段序列kX 作为检测序列，依次度量kX 与其余序列段的波动趋势相似度。从大到小的选择波动趋势相似度阈值，使每段序列都有至少有一条相似序列，筛选出与kX 波动趋势相似度大于等于阈值的序列段，此时，得到kX 的趋势相似序列集kS 。（4）计算kX 与其趋势相似序列集kS 中每一条序列的波动程度相似度，波动程度相似度最大的序列段即为kX 的最相似序列。4.2 实证研究4.2.1 数据来源基于网易财经所提供的股票历史行情数据获得中国平安（601318）2017.08.01到 2018.11.26 的 323 个连续交易日的收盘价序列，并用上章所介绍的 HP 滤波方法进行滤波，为更好的去除序列长期增长趋势平滑参数取值为 6.25。结果如图 4-1所示。再对波动成分（cycle）进行相似性度量

第 4 章 基于分层相似性度量的股价时间序列分析表 4-2 最相似序列对Table 4-2 Most similar sequence pair序列 1 序列 2 波动趋势相似度 波动程度相似度2018.06.06—2018.6.12 2018.05.15—2018.05.21 1 0.8032018.06.05—2018.6.11 2018.05.14—2018.05.18 1 0.7732018.08.10—2018.8.16 2018.06.22—2018.06.28 1 0.7492018.06.07—2018.6.13 2018.05.16—2018.05.22 1 0.7342018.10.12—2018.10.18 2018.06.12—2018.06.19 1 0.7302017.09.27—2017.10.10 2017.09.20—2017.09.26 1 0.7152017.09.26—2017.10.09 2017.09.19—2017.09.25 1 0.7032018.04.17—2018.04.23 2017.11.01—2017.11.07 1 0.6972018.01.02—2018.01.08 2017.12.11—2017.12.15 1 0.6822018.06.11—2018.06.15 2017.10.30—2017.11.03 1 0.681

【参考文献】：
期刊论文
[1]中国金融周期测度及国际比较研究[J]. 王博,李昊然.  经济学动态. 2018(06)
[2]基于HP滤波和ARIMA-ARCH模型的我国GDP分析与预测[J]. 王丹,冯长焕.  福建江夏学院学报. 2018(01)
[3]基于HP滤波法的我国CPI波动规律研究[J]. 李国祥,李永清,马天骄.  经济问题. 2017(10)
[4]基于EEMD-HS-SVM的短期风功率组合预测模型[J]. 姬广龙,袁越,黄俊辉,关志坚,吴涵,杨苏.  可再生能源. 2017(08)
[5]线性时变参数DGM（1,1）变权组合预测模型[J]. 王丰效.  统计与决策. 2017(13)
[6]国际能源价格如何拨动了国内农产品价格波动的弦?——基于CF滤波分析方法的经验分析[J]. 张兵兵,朱晶.  经济问题探索. 2016(11)
[7]基于产业结构模型的中国未来经济潜在增长率测算[J]. 张屹山,陈超,张丽媛.  社会科学战线. 2016(10)
[8]基于近邻传播的时间序列基因表达谱聚类算法[J]. 周运,徐久成,徐存拴.  河南师范大学学报(自然科学版). 2015(06)
[9]滤波方法提取周期信息的比较研究[J]. 黄晶.  数量经济技术经济研究. 2013 (07)
[10]基于BK滤波的农民收入增长周期分析[J]. 王浩.  求索. 2013(05)

博士论文
[1]时间序列分析的早期发展[D]. 聂淑媛.西北大学 2012
[2]我国宏观经济变量周期性波动的动态模型与计量分析[D]. 张海燕.吉林大学 2006

硕士论文
[1]基于时间序列相似性的股价趋势预测研究[D]. 孙建乐.重庆交通大学 2014



本文编号：3001278