金融時(shí)間序列經(jīng)常由異常點(diǎn)和結(jié)構(gòu)變換所影響,這種原因可能是天災(zāi),金融危機(jī)、政策變化等因素造成的。在金融時(shí)間序列波動(dòng)建模分析中,突變點(diǎn)或者離群值我們稱為金融時(shí)間序列的奇異點(diǎn)。 由于金融時(shí)間序列的奇異點(diǎn)可能影響時(shí)間序列的趨勢(shì),也能反映出許多重要特征,同時(shí)攜帶著重要的投資信息,比如異常的金融波動(dòng)和市場效應(yīng),而這種異�？赡芤馕吨鹑谑袌鰧�(duì)國內(nèi)重大經(jīng)濟(jì)事件的響應(yīng)和國際金融事件的反應(yīng)。因此能夠找出金融時(shí)間序列的奇異點(diǎn)與宏觀政策環(huán)境之間的關(guān)聯(lián),對(duì)于股票的分析和預(yù)測(cè)都是非常有必要的。 小波變換在檢測(cè)時(shí)間序列和信號(hào)的奇異性方面有它獨(dú)有的特點(diǎn),它是分析時(shí)間序列、圖像處理、信號(hào)去噪等方面的數(shù)學(xué)工具，是從信號(hào)理論領(lǐng)域發(fā)展形成的。小波分析方法是一種窗口大小固定、但窗口的形狀可變、時(shí)間窗和頻率窗都可改變的時(shí)頻局部化分析方法,能自動(dòng)適應(yīng)時(shí)頻信號(hào)分析的要求,從而可聚焦到信號(hào)的任意細(xì)節(jié)。 本文采用了小波變換方法來分析金融時(shí)間序列中的奇異點(diǎn)現(xiàn)象,通過對(duì)高尺度下的小波變換模極大值定位后,從高到低的尺度沿著模極大值線檢測(cè)和定位到原始時(shí)間序列中的奇異點(diǎn)時(shí)間,然后找到了可能影響時(shí)間序列趨勢(shì)變動(dòng)的信息因素。主要得出以下2個(gè)結(jié)論：1、...

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.13連續(xù)小波變換圖

昆明理工大學(xué)碩士學(xué)位論文的實(shí)用價(jià)值。2.3.3連續(xù)小波變換的定義小波變換是一個(gè)函數(shù)f(x)與一個(gè)在時(shí)頻域上均具有良好局部性質(zhì)的小波函數(shù)尹(x)的內(nèi)積:叮(a，b)=

圖4.3上證指數(shù)樣本數(shù)據(jù)日對(duì)數(shù)收益率時(shí)序圖

日對(duì)數(shù)收益率R(i)=logP(i+l)一logP(i)(4.1)得到的上證指數(shù)樣本數(shù)據(jù)日對(duì)數(shù)收益率如附表A，以圖形表示為圖4.3，橫軸代表交易日時(shí)序，縱軸代表日對(duì)數(shù)收益率。789DailyLog一returnSeriesofSSEComPosite!ndex呈。.05....

圖4.4時(shí)間序列4層小波分解在信號(hào)分析中，低頻部分代表序列趨勢(shì)的特征，而高頻部分則是表征序列本身的特征，這也是基于離散小波變換的金融時(shí)間序列分析的基本原則

這也是基于離散小波變換的金融時(shí)間序列分析的基本原則。經(jīng)過離散小波4層分解之后，得到第4層的高頻部分(藝誘)，也就是包含了原始序列特征信息的部分，如圖4.4所示。此外還得到了第4層的低頻部分(L殉)，即原始序列的近似信號(hào)，從而可以看出序列的趨勢(shì)走向。

圖4.5尺度為1一4的小波分解系數(shù)

每一個(gè)尺度2“上的小波變換值，我們稱之為小波系數(shù)。它指的是信號(hào)經(jīng)過小波分解之后，在不同尺度上具有的高通分量。圖4.5顯示的是樣本時(shí)間序列經(jīng)過分解尺度為4的小波變換后，各個(gè)尺度下的小波系數(shù)。Detai!念Coefficie毗S診診獷獷....

本文編號(hào)：3998361