基于小波去噪的中国股票市场极端波动事件的统计辨识及应用
发布时间：2022-01-20 21:56
近年来,习近平总书记在关于资本市场和金融工作的重要讲话中多次强调,要遵循金融发展规律、要防范化解金融风险、要维护金融安全、要深化金融体制改革,增强金融服务实体经济能力。证券市场作为资本市场的重要参与主体,应当紧紧围绕服务实体经济的本源定位,通过业务转型和管理创新,为推进供给侧结构性改革、支持战略性新兴产业发展贡献力量,在实现高质量发展方面要有新作为。这些重要论断不断彰显“金融是国家重要的核心竞争力”。股票市场是证券市场不可或缺的一部分,它的演化系统是复杂的、非线性的。货币政策、税收制度、财政政策、还有外部环境以及一些不可预知的事件等等,许许多多的因素都会对股票市场的波动产生影响,而且这些影响因素之间并不是独立的,而是互相关联、互相影响的,它们对市场波动的影响有着不同的时滞和强度。中国的股市虽然仅有20多年的历史,但前前后后却经历了七次暴涨暴跌现象。若能够研究股市极端波动的特征,则对于加强市场的风险管控、引导投资者的理性投资、保障股市的持续健康发展都具有理论参考价值。首先,本文在小波去噪理论的基础上通过小波分解、重构的方式去除包含在股市序列中噪声的干扰,提高极端值识别的准确性和有效性。随...
【文章来源】：江西财经大学江西省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
结构框架图
2.2 小波去噪理论2.2.1 小波去噪方法小波去噪有很多处理方法，就目前来看，主要包括阈值法、相关分析法、模极大值法等。对于细节信息丰富、而边界信息量大及信噪比低的数字图像，模极大值去噪法较为合适 (2018) ，但在处理的过程中的运算速度比较低，实际中如果采用需考虑消除噪声的效果和速度两个比较因素，折中选择。当处理对图像边缘特征要求较高，图像信噪比要求也较高时，可以选择相关性小波去噪的方法来消除噪声。小波阈值方法去噪处理的优点是速度快，适应性较强，可以获得最优化得理想数字图像，是一种比较不错的图像去噪方法，其运用也较为广泛，本文的信号对边缘信息和信噪比没有特殊要求，结合上述分析的三种方法的优缺点，采取阈值法去噪处理较为合理。图 2.1 是小波阈值法去噪过程的流程图，下面将对阈值法去噪进行介绍。
图 3.1 Lorenz 曲线图本文选择 Lorenz 方程 分量的 10000 个数据作为初始序列X，其中， 分围为 ，从中随机选取若干个 ′，人工制造极端若干个 ′ 或 ′ 。此处进行的具体操作是将原序列 和 分别替代为范围外的 27.94891 和-27.10520。假设后的序列为 ′ ， ，再利用上文中构建的 SMF-DFA 方法极端阈值。
【参考文献】：
期刊论文
[1]几种图像小波去噪算法比较研究[J]. 关雪梅. 许昌学院学报. 2018(10)
[2]基于MF-DFA方法的外汇市场多重分形研究[J]. 王继田,李媛. 中国集体经济. 2018(06)
[3]泵车排量检测的极值增量DFA方法[J]. 江星星,李舜酩,李世勋,王勇,程春. 振动.测试与诊断. 2016(02)
[4]基于多重分形去趋势波动分析的电力负荷风险预警阈值[J]. 李存斌,李庆良,王庆林,宋易阳. 电网技术. 2016(05)
[5]基于线性回归与重标极差R/S法的年平均流量变化趋势分析[J]. 金保明. 南昌大学学报(工科版). 2014(04)
[6]极端波动、跳跃和尾部风险——基于已实现波动率的股票市场风险动态预测[J]. 柳会珍,顾岚,胡啸兵. 数理统计与管理. 2014(01)
[7]基于百分位法确定流域极端事件阈值[J]. 薛联青,刘晓群,宋佳佳,张振全,黎昔春. 水力发电学报. 2013(05)
[8]基于计盒维数的股市分形特征研究[J]. 喻敏,常晓兵,王文波. 中国商贸. 2013(28)
[9]深圳股市交易量及价格的长程相关性研究[J]. 张玲. 冶金财会. 2013(04)
[10]基于小波分析的股市波动的多重分形辨识[J]. 罗世华,周斌,李颖. 系统工程理论与实践. 2012(11)
博士论文
[1]中国股票市场日内波动率研究[D]. 王国华.中南财经政法大学 2017
[2]全球气候变化背景下东北地区极端气候事件研究[D]. 杜海波.东北师范大学 2015
[3]日内股市数据的小波分形特征研究[D]. 汪剑鲲.首都经济贸易大学 2012
[4]极端气候事件研究规律[D]. 邓北胜.兰州大学 2010
[5]极端事件检测、评价方法及中国近40年极端温度和降水事件时空变化研究[D]. 侯威.兰州大学 2009
[6]沙堆模型复杂性现象及自组织临界性系统研究[D]. 何越磊.西南交通大学 2005
[7]股票市场的分形特征和股票价格的FIGARCH模型研究[D]. 李建军.中国社会科学院研究生院 2002
硕士论文
[1]基于奇异谱分析的时间序列互相关分析[D]. 程爽.辽宁师范大学 2018
[2]复杂系统时间序列的复杂性及相关性研究[D]. 徐梦佳.北京交通大学 2017
[3]基于多尺度的基本尺度熵和去趋势波动分析方法对心率变异性信号的分析[D]. 张璇.陕西师范大学 2016
[4]基于去趋势波动分析的中国气温变化趋势研究[D]. 李文菁.湘潭大学 2016
[5]我国信托公司股票收益率的多重分形特征分析[D]. 茹磊.南京财经大学 2016
[6]西北干旱区极端气候事件的变化特征与时空分布规律[D]. 李佳秀.新疆大学 2015
[7]基于DFA的气液两相流特性分析[D]. 郑彩霞.青岛科技大学 2014
[8]基于多重分形理论的我国行业股价波动性研究[D]. 李倩.南京信息工程大学 2014
[9]我国股指期货现货市场的重现时间间隔及其多重分形特性分析[D]. 索园园.华东理工大学 2014
[10]替代数据及其应用[D]. 眭烨.华东师范大学 2011
本文编号：3599591
【文章来源】：江西财经大学江西省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
结构框架图
2.2 小波去噪理论2.2.1 小波去噪方法小波去噪有很多处理方法，就目前来看，主要包括阈值法、相关分析法、模极大值法等。对于细节信息丰富、而边界信息量大及信噪比低的数字图像，模极大值去噪法较为合适 (2018) ，但在处理的过程中的运算速度比较低，实际中如果采用需考虑消除噪声的效果和速度两个比较因素，折中选择。当处理对图像边缘特征要求较高，图像信噪比要求也较高时，可以选择相关性小波去噪的方法来消除噪声。小波阈值方法去噪处理的优点是速度快，适应性较强，可以获得最优化得理想数字图像，是一种比较不错的图像去噪方法，其运用也较为广泛，本文的信号对边缘信息和信噪比没有特殊要求，结合上述分析的三种方法的优缺点，采取阈值法去噪处理较为合理。图 2.1 是小波阈值法去噪过程的流程图，下面将对阈值法去噪进行介绍。
图 3.1 Lorenz 曲线图本文选择 Lorenz 方程 分量的 10000 个数据作为初始序列X，其中， 分围为 ，从中随机选取若干个 ′，人工制造极端若干个 ′ 或 ′ 。此处进行的具体操作是将原序列 和 分别替代为范围外的 27.94891 和-27.10520。假设后的序列为 ′ ， ，再利用上文中构建的 SMF-DFA 方法极端阈值。
【参考文献】：
期刊论文
[1]几种图像小波去噪算法比较研究[J]. 关雪梅. 许昌学院学报. 2018(10)
[2]基于MF-DFA方法的外汇市场多重分形研究[J]. 王继田,李媛. 中国集体经济. 2018(06)
[3]泵车排量检测的极值增量DFA方法[J]. 江星星,李舜酩,李世勋,王勇,程春. 振动.测试与诊断. 2016(02)
[4]基于多重分形去趋势波动分析的电力负荷风险预警阈值[J]. 李存斌,李庆良,王庆林,宋易阳. 电网技术. 2016(05)
[5]基于线性回归与重标极差R/S法的年平均流量变化趋势分析[J]. 金保明. 南昌大学学报(工科版). 2014(04)
[6]极端波动、跳跃和尾部风险——基于已实现波动率的股票市场风险动态预测[J]. 柳会珍,顾岚,胡啸兵. 数理统计与管理. 2014(01)
[7]基于百分位法确定流域极端事件阈值[J]. 薛联青,刘晓群,宋佳佳,张振全,黎昔春. 水力发电学报. 2013(05)
[8]基于计盒维数的股市分形特征研究[J]. 喻敏,常晓兵,王文波. 中国商贸. 2013(28)
[9]深圳股市交易量及价格的长程相关性研究[J]. 张玲. 冶金财会. 2013(04)
[10]基于小波分析的股市波动的多重分形辨识[J]. 罗世华,周斌,李颖. 系统工程理论与实践. 2012(11)
博士论文
[1]中国股票市场日内波动率研究[D]. 王国华.中南财经政法大学 2017
[2]全球气候变化背景下东北地区极端气候事件研究[D]. 杜海波.东北师范大学 2015
[3]日内股市数据的小波分形特征研究[D]. 汪剑鲲.首都经济贸易大学 2012
[4]极端气候事件研究规律[D]. 邓北胜.兰州大学 2010
[5]极端事件检测、评价方法及中国近40年极端温度和降水事件时空变化研究[D]. 侯威.兰州大学 2009
[6]沙堆模型复杂性现象及自组织临界性系统研究[D]. 何越磊.西南交通大学 2005
[7]股票市场的分形特征和股票价格的FIGARCH模型研究[D]. 李建军.中国社会科学院研究生院 2002
硕士论文
[1]基于奇异谱分析的时间序列互相关分析[D]. 程爽.辽宁师范大学 2018
[2]复杂系统时间序列的复杂性及相关性研究[D]. 徐梦佳.北京交通大学 2017
[3]基于多尺度的基本尺度熵和去趋势波动分析方法对心率变异性信号的分析[D]. 张璇.陕西师范大学 2016
[4]基于去趋势波动分析的中国气温变化趋势研究[D]. 李文菁.湘潭大学 2016
[5]我国信托公司股票收益率的多重分形特征分析[D]. 茹磊.南京财经大学 2016
[6]西北干旱区极端气候事件的变化特征与时空分布规律[D]. 李佳秀.新疆大学 2015
[7]基于DFA的气液两相流特性分析[D]. 郑彩霞.青岛科技大学 2014
[8]基于多重分形理论的我国行业股价波动性研究[D]. 李倩.南京信息工程大学 2014
[9]我国股指期货现货市场的重现时间间隔及其多重分形特性分析[D]. 索园园.华东理工大学 2014
[10]替代数据及其应用[D]. 眭烨.华东师范大学 2011
本文编号：3599591
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3599591.html
