区间型金融时间序列的长记忆性探究

发布时间：2021-08-04 13:18

　　在金融市场日益复杂的趋势下,“有效市场假说”以及“随机游走理论”正遭受着人们的质疑。金融时序是否具有长记忆性以及如何对具有长记忆性的金融时序进行预测成为了近些年的研究热点。但综合现有研究发现,有关金融时序长记忆性的研究存在以下几个问题:首先,研究对象多是收益率序列或波动率序列等点值序列,极少有针对区间型的金融时间序列而展开的研究,而区间型金融时序在金融市场中广泛存在;其次,现有金融数据长记忆性校验方法较多,不同方法经常给出不一致的检验结果,缺乏一定的说服力;最后,预测模型多为单一模型,不能很好地反映金融时序的长记忆特性,预测精度不高,有必要对现有模型进行整合,发挥各个模型的优势。针对存在的问题,本文提出了区间型金融时间序列长记忆性的检验方法,以及长记忆区间组合预测模型。文章主要分为两个部分:第一部分,检验区间型金融时间序列的长记忆性。首先把区间型金融时间序列表示成区间中心和区间半径的形式,然后用传统的长记忆性检验方法分别对区间中心序列和区间半径序列进行长记忆性检验。若区间中心序列和区间半径序列诊断出长记忆性特征,则说明这个区间型金融时间序列蕴含一定的长记忆性。第二部分,针对蕴含长记忆性... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图１．１论文框架结构图??９??

?（ｆ）中小板指区间半径??图３．２六种区间型金融序列半径时序图??图３．２描述了六种国内主要股票指数的区间半径在近些年来的走势。对比上??证综指和深证综指可以发现，这两类股指的区间中心走势大致相同，同样是经历??了两次大的波动，但上证综指的波动程度更大。沪深３００和深证１００同样经历了??两次大的波动，但他们的波动幅度大致相同。创业板指和中小板指的半径走势基??２１??

ＧＭ－ＡＲＩＭＡ?０．２５４１?１４．８６３２?０．００序列??ＧＭ－ＡＲＦＩＭＡ?０．０８５７?５．０５４５?０．００２ＦＩＧＡＲＣＨ?０．０２５９?１．５２１９?０．１１１综指??ＧＭ－ＧＡＲＣＨ?０．０２９８?１．７４６１?０．１２８序列??ＧＭ－ＦＩＧＡＲＣＨ?０．０１２７?０．７４８７?０．０５４ＡＲＦＩＭＡ?０．１９８０?９．９８０４?０．００４３００??ＧＭ－ＡＲＩＭＡ?０．２９８２?１５．０７８３?０．００６序列??ＧＭ－ＡＲＦＩＭＡ?０．０９９０?４．９６５８?０．００２ＦＩＧＡＲＣＨ?０．０２４７?１．２３７６?０．０７１３００??ＧＭ－ＧＡＲＣＨ?０．０３４７?１．７４５３?０．１００序列??ＧＭ－ＦＩＧＡＲＣＨ?０．０１３１?０．６５２０?０．０３８据训练集所得到的最终预测模型，对测试集进行预测分析，得到测图如４．１？４．４所示。??〇?Ｉ??

【参考文献】：
期刊论文
[1]基于联系数贴近度的区间型组合预测模型及其有效性[J]. 袁宏俊,韦晨珺娃,钟梅.  统计与信息论坛. 2017(06)
[2]中国股票市场的长期记忆性与趋势预测研究[J]. 谭政勋,张欠.  统计研究. 2016(10)
[3]国际股票市场收益率和波动率的长记忆性研究[J]. 余俊,姜伟,龙琼华.  财贸研究. 2007(05)
[4]股票市场收益率波动长记忆性的分解及实证研究[J]. 史代敏,罗来东,庞皓.  数量经济技术经济研究. 2006(08)
[5]一类基于IOWGA算子的组合预测新方法[J]. 陈华友,盛昭瀚.  管理工程学报. 2005(04)
[6]两类区间数判断矩阵的一致性研究[J]. 周礼刚,陈华友.  运筹与管理. 2005(04)
[7]基于小波分析的金融波动分析[J]. 徐梅,张世英.  系统工程理论与实践. 2005(02)
[8]基于R/S分析的中国股票市场分形特征研究[J]. 范英,魏一鸣.  系统工程. 2004(11)
[9]非平稳和长记忆时间序列主频率估计方法研究[J]. 徐梅,张世英,樊智.  天津大学学报. 2003(04)
[10]基于R/S法分析中国股票市场的非线性特征[J]. 王明涛.  预测. 2002(03)

博士论文
[1]长记忆理论及其在金融市场建模中的应用[D]. 邓露.南开大学 2009



本文编号：3321768