金融时间序列长记忆性分析的非线性估计

发布时间：2017-12-17 19:10

  本文关键词：金融时间序列长记忆性分析的非线性估计

  更多相关文章： 长记忆性 Hurst指数 非线性估计 股票

【摘要】：学术界对股市长记忆性分析结论存在分歧现象,长记忆性分析方法的精准性是一个重要的影响因素。文章通过对R/S、MR/S和V/S分析方法的参数估计问题进行探究,剖析了线性近似求解方式的不足之处,并采用梯度下降法估计非线性回归方程的Hurst指数,同时借助ARFIMA模型对估计精度进行了对比验证。采集我国A股市场股票样本的收益率数据实证,结果表明,非线性估计能提高分析方法对Hurst指数的估计精确度。
【作者单位】： 南华大学经济管理学院;厦门大学王亚南经济研究院;
【基金】：教育部人文社科青年项目(13YJCZH044) 湖南省科研创新立项课题(CX2014B397)
【分类号】：F224;F832.51
【正文快照】： 0引言金融系统作为现代经济的核心部分,其复杂性和波动性广泛影响着社会发展的各个层面。从金融数据波动的角度分析,长记忆性重在探究数据序列波动的持续依赖关系,它是建立在对较远时间间隔的子序列分析的基础上,已经成为了金融时间序列预测建模的重要考虑因素之一。探究金融，

本文编号：1301230