在金融行業(yè)中,時間序列可以說是特別重要的信息,所謂的時間序列是指一系列被觀測數(shù)據(jù)按照時間順序排列,觀測值按照等距或者非等距的時間間隔采樣。而作金融證券分析時,常常以過去的歷史數(shù)據(jù)或者資料為依據(jù),對未來的趨勢或者漲跌提供預測性信息。比如股票或者期貨中的開盤價、收盤價、最高價、最低價、交易額、交易量等。都可以作為時間序列對其進行分析。而對這些時間序列進行分析,對其進行加工再改造,產(chǎn)生了一系列新的指標,包括:KDJ,MACD,RSI等[1],用這些指標來預測證券未來的走勢是目前比較常用的方法。而最近在國內(nèi)正在產(chǎn)生一種新的數(shù)量化的研究方法。包括通過數(shù)學、物理、信號[2][31]、人工智能[3]、心理[7]等方法對時間序列進行多方面的研究,二是進行程序化交易系統(tǒng)的研究。本文重點是通過對時間序列的分解,降噪,相關(guān)特征量,時間序列之間的相關(guān)性進行研究（其中包括用Copula函數(shù)對二元時間序列的尾部的相關(guān)性進行研究,用多元GARCH模型等[4]）,其次是對時間序列的記憶性通過分形方法進行分析,由于受到眾多非線性因素的影響,金融時間序列往往呈現(xiàn)出復雜的形態(tài)和細節(jié)特征,通過移動Hurst指數(shù)對其變化趨勢進... 

【文章來源】：寧波大學浙江省

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 時間序列的分解降噪
    1.1 高級降趨
    1.2 小波降噪
    1.3 檢測時間序列的自相似性
    1.4 時間序列的統(tǒng)計量函數(shù)和相關(guān)性
    1.5 收盤價和交易量的相關(guān)性
    1.6 Copula 理論及應用
        1.6.1 Copula 理論介紹
        1.6.2 基于Copula 函數(shù)的尾部相關(guān)測度
2 時間序列風險性分析
    2.1 VaR 方法介紹
    2.2 VaR 的定義
    2.3 VaR 的計算方法
        2.3.1 方差——協(xié)方差方法
        2.3.2 VaR 的歷史模擬算法
    2.4 基于棉花期貨的實證分析
        2.4.1 棉花期貨收益率的時間序列分析
    2.5 各種模型算法的VaR 結(jié)果
        非參數(shù)分析算法的VaR 結(jié)果
        VaR 的歷史模擬算法的VaR 結(jié)果
    2.6 蒙特卡羅模擬法求VaR
3 時間序列的記憶性
    3.1 時間序列記憶性介紹
        3.1.1 算法
    3.2 Hurst 指數(shù)對上證綜指的應用
    3.3 動態(tài) Hurst 指數(shù)運用于上證指數(shù)
    3.4 實證結(jié)果
4 時間序列的頻譜分析
    4.1 傅里葉變換
    4.2 傅里葉分析應用
5 時間序列預測
    5.1 線性預測
        5.1.1 ARMA 時間序列
        5.1.2 簡單的 ARMA 模型
    5.2 非線性分析預測
        5.2.1 支持向量機
6 總結(jié)
參考文獻
致謝



本文編號：3197262