基于股票市场高频数据下的异常值挖掘及影响性分析

发布时间：2017-05-22 08:54

  本文关键词：基于股票市场高频数据下的异常值挖掘及影响性分析，由笔耕文化传播整理发布。

【摘要】：股票市场中量价关系的研究一直以来都是研究市场行为的基础,对于量价关系理论,无论是在国内还是国外都经历了多年的研究,但是,对于其关系异常情况下的研究却比较少。随着2005年以来中国金融市场的快速发展,投资金额正在逐步放大,特别是近几年来股票市场走势的转好,更多的资金涌入市场,导致了股票市场走势的更加盲目和极端。在这种新形势下,规范投资者行为,对股票市场进行监控和管理都显得尤为重要。在这种情况下,量价关系异常情况的挖掘和检测显得更有意义。本文以中国沪A股市中浦发银行(600000)的股票量价走势为研究对象,对量价关系的异常值点进行挖掘和研究。在对异常值的挖掘中,分别采用了基于距离、密度以及时间序列模型方法进行,以保证异常值挖掘的准确性和全面性；在对异常值影响分析中,分别就异常值对时序影响的阶数和各个异常值出现后的序列相关性进行分析,以找到异常值产生影响的一般规律。最后给出了量价关系异常值的种类和影响规律,并给出实际运用的价值。
【关键词】：股票市场 量价关系 异常值挖掘 影响规律
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-18
• 1.1 选题背景及其意义9-11
• 1.1.1 选题背景9-10
• 1.1.2 研究意义10-11
• 1.2 相关研究现状综述11-16
• 1.2.1 量价关系研究11-14
• 1.2.2 异常值挖掘方法的研究14-16
• 1.3 研究思路与研究内容16-18
• 1.3.1 研究思路16
• 1.3.2 研究内容16-18
• 第二章 量价关系中异常值的挖掘18-39
• 2.1 数据的介绍和预处理18-21
• 2.2 基于距离模型挖掘异常值21-26
• 2.2.1 距离模型挖掘方法的介绍21-23
• 2.2.2 基于距离模型的实证研究23-26
• 2.3 基于密度模型挖掘异常值26-28
• 2.3.1 密度模型挖掘方法介绍26-27
• 2.3.2 基于密度模型的实证研究27-28
• 2.4 基于时间序列模型挖掘异常值28-39
• 2.4.1 时间序列模型挖掘方法介绍28-31
• 2.4.2 基于时序模型的实证分析31-39
• 第三章 异常值的影响性分析39-47
• 3.1 异常值产生后的影响阶数分析39-42
• 3.2 异常值产生后序列相关性分析42-45
• 3.3 结合成交量对时序走势进行解释45-47
• 第四章 研究结果及总结47-53
• 4.1 研究结果分析47-50
• 4.1.1 各种模型挖掘异常值的差别分析47-48
• 4.1.2 异常值种类分析48-49
• 4.1.3 异常值影响结果分析49-50
• 4.2 研究结果实际运用的意义和价值50-51
• 4.3 文章不足之处51-53
• 参考文献53-56
• 致谢56

【参考文献】

中国期刊全文数据库 前5条

1 郭梁;周炜星;;基于高频数据的中国股市量价关系研究[J];管理学报;2010年08期

2 陈怡玲,宋逢明;中国股市价格变动与交易量关系的实证研究[J];管理科学学报;2000年02期

3 赵留彦,王一鸣;沪深股市交易量与收益率及其波动的相关性:来自实证分析的证据[J];经济科学;2003年02期

4 詹艳艳;徐荣聪;;时间序列异常模式的k-均距异常因子检测[J];计算机工程与应用;2009年09期

5 刘慧婷;倪志伟;;基于EMD与K-means算法的时间序列聚类[J];模式识别与人工智能;2009年05期

中国硕士学位论文全文数据库 前1条

1 郑继萍;时间序列的相似性挖掘及其在股票时间序列中的应用[D];东北财经大学;2007年

  本文关键词：基于股票市场高频数据下的异常值挖掘及影响性分析，，由笔耕文化传播整理发布。

本文编号：385177