本文關(guān)鍵詞： 滲流理論 Sierpinski格點(diǎn)地毯 股票價(jià)格模型 預(yù)測(cè)分析 復(fù)雜度 多重分形性　出處：《北京交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：金融物理學(xué)的誕生是金融研究史上的又一次革命,它通過物理統(tǒng)計(jì)方法幫助人們加深對(duì)金融證券市場(chǎng)的了解,受到學(xué)者的廣泛關(guān)注。本文旨在構(gòu)建金融物理價(jià)格模型,并利用該模型進(jìn)行預(yù)測(cè)分析。本文將統(tǒng)計(jì)物理模型中的滲流模型應(yīng)用到金融建模中,構(gòu)建了位于分形地毯上的股票價(jià)格波動(dòng)模型。通過對(duì)真實(shí)市場(chǎng)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)性質(zhì)和復(fù)雜性質(zhì)的分析,探究了金融市場(chǎng)相關(guān)特性,并驗(yàn)證了模型的合理性和有效性,同時(shí)對(duì)構(gòu)造的股票價(jià)格模型進(jìn)行實(shí)證分析,提供相關(guān)預(yù)測(cè)指導(dǎo)。本文共五個(gè)章節(jié),內(nèi)容如下:第一章介紹金融物理學(xué)研究背景,從金融研究者和金融市場(chǎng)參與者的角度論述了本文的研究意義與價(jià)值,并詳盡闡述學(xué)者相關(guān)研究,對(duì)本文的模型構(gòu)建、統(tǒng)計(jì)量選取、統(tǒng)計(jì)分析方法應(yīng)用這三個(gè)方面的創(chuàng)新內(nèi)容進(jìn)行展示。第二章介紹了各類常用預(yù)測(cè)方法并進(jìn)行評(píng)析,討論了經(jīng)濟(jì)預(yù)測(cè)中可能存在的問題。第三章完成具體價(jià)格模型的構(gòu)建,并對(duì)模型原理及其中參數(shù)進(jìn)行相關(guān)討論,探究不同參數(shù)對(duì)模型統(tǒng)計(jì)特性的影響。第四章對(duì)模型預(yù)測(cè)數(shù)據(jù)和真實(shí)市場(chǎng)數(shù)據(jù)進(jìn)行相關(guān)對(duì)比分析:第一種為復(fù)雜度(LZC)分析,定量計(jì)算了金融市場(chǎng)的復(fù)雜程度,既對(duì)全球各主要金融市場(chǎng)復(fù)雜程度進(jìn)行了分析,也對(duì)比出我國(guó)金融市場(chǎng)和預(yù)測(cè)數(shù)據(jù)復(fù)雜度的相似性,并通過擬合程度確定模型中的待定參數(shù);第二種為多重分形性(MF-DCCA)分析,研究了我國(guó)金融市場(chǎng)和預(yù)測(cè)數(shù)據(jù)的多重分形性,通過對(duì)多指標(biāo)的計(jì)算和比對(duì),證明了真實(shí)市場(chǎng)和預(yù)測(cè)數(shù)據(jù)均存在多重分形性,且指標(biāo)數(shù)值相近。上述模擬預(yù)測(cè)分析從金融市場(chǎng)內(nèi)在特性論證了金融價(jià)格模型的有效性�？紤]到研究的實(shí)用價(jià)值,本章對(duì)其進(jìn)行樣本外實(shí)證檢驗(yàn),效果較好,并根據(jù)目前經(jīng)濟(jì)狀況給出30個(gè)預(yù)測(cè)值,但實(shí)際預(yù)測(cè)還需使用者結(jié)合市場(chǎng)即時(shí)情況和自身判斷,對(duì)模型中初始值等參數(shù)進(jìn)行設(shè)置與調(diào)節(jié),再進(jìn)行預(yù)測(cè)。第五章對(duì)上文研究?jī)?nèi)容進(jìn)行總結(jié)。
[Abstract]:The birth of financial physics is another revolution in the history of financial research. It helps people to understand the financial securities market more deeply through the method of physical statistics. In this paper, the seepage model in the statistical physical model is applied to the financial modeling. The stock price volatility model on the fractal carpet is constructed. By analyzing the statistical and complex properties of the real market data and the forecast data, the related characteristics of the financial market are explored, and the rationality and validity of the model are verified. At the same time, the empirical analysis of the stock price model is carried out to provide guidance for prediction. There are five chapters in this paper. The contents are as follows: chapter 1 introduces the background of financial physics research. From the perspective of financial researchers and financial market participants, this paper discusses the significance and value of this study, and elaborates the relevant research of scholars, the model construction, the selection of statistics, The second chapter introduces various kinds of commonly used forecasting methods, discusses the possible problems in economic forecasting, and completes the construction of specific price model in chapter three. The model principle and its parameters are discussed, and the influence of different parameters on the statistical characteristics of the model is discussed. Chapter 4th compares the model prediction data with the real market data: the first is the complexity analysis. The complexity degree of the financial market is calculated quantitatively. The complexity of the major financial markets is analyzed, and the similarity of the complexity between the financial market and the forecast data in China is compared, and the undetermined parameters in the model are determined by the degree of fitting. The second is multifractal analysis, which studies the multifractal of financial market and forecast data in China. Through the calculation and comparison of multiple indexes, it is proved that there are multifractal in real market and forecast data. And the numerical value of the index is similar. The simulation and forecast analysis prove the validity of the financial price model from the intrinsic characteristics of the financial market. Considering the practical value of the research, this chapter carries out the empirical test on it outside the sample, and the effect is good. According to the current economic situation, 30 prediction values are given, but the actual prediction still needs the users to set and adjust the initial value of the model in combination with the market situation and their own judgment. Chapter 5th summarizes the contents of the above research.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F224;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏丹;;復(fù)雜性分析在金融領(lǐng)域的應(yīng)用[J];經(jīng)濟(jì)研究導(dǎo)刊;2014年18期

2 張林;李榮鈞;劉小龍;;基于小波領(lǐng)袖多重分形分析法的股市有效性及風(fēng)險(xiǎn)檢測(cè)[J];中國(guó)管理科學(xué);2014年06期

3 黃健柏;程慧;郭堯琦;邵留國(guó);;金屬期貨量?jī)r(jià)關(guān)系的多重分形特征研究——基于MF-DCCA方法[J];管理評(píng)論;2013年04期

4 孫克輝;賀少波;盛利元;;基于強(qiáng)度統(tǒng)計(jì)算法的混沌序列復(fù)雜度分析[J];物理學(xué)報(bào);2011年02期

5 孫健;;中國(guó)股票市場(chǎng)羊群效應(yīng)的實(shí)證研究[J];現(xiàn)代經(jīng)濟(jì)信息;2010年19期

6 李永;方錦清;劉強(qiáng);;連續(xù)滲流網(wǎng)絡(luò)模型特性[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2010年Z1期

7 湯凌冰;盛煥燁;湯凌霄;;基于小波支持向量機(jī)的金融預(yù)測(cè)[J];湘潭大學(xué)自然科學(xué)學(xué)報(bào);2009年01期

8 辛治運(yùn);顧明;;基于最小二乘支持向量機(jī)的復(fù)雜金融時(shí)間序列預(yù)測(cè)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年07期

9 苑瑩;莊新田;;股票市場(chǎng)多重分形性的統(tǒng)計(jì)描述[J];管理評(píng)論;2007年12期

10 張偉成;;從物理學(xué)到金融學(xué)——漫談跨學(xué)科結(jié)合[J];湖北農(nóng)村金融研究;2007年12期

相關(guān)博士學(xué)位論文 前2條

1 牛紅麗;隨機(jī)交互金融模型及統(tǒng)計(jì)分析與預(yù)測(cè)[D];北京交通大學(xué);2016年

2 方雯;隨機(jī)Ising金融系統(tǒng)的價(jià)格波動(dòng)研究[D];北京交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前9條

1 裴安琪;統(tǒng)計(jì)分析與預(yù)測(cè)系統(tǒng)研究：隨機(jī)交互作用金融波動(dòng)系統(tǒng)[D];北京交通大學(xué);2015年

2 鄧威;基于滲流和選舉隨機(jī)金融系統(tǒng)模型的相關(guān)性統(tǒng)計(jì)分析[D];北京交通大學(xué);2015年

3 笪婷婷;降趨交互相關(guān)性分析的多重分形拓展及其金融市場(chǎng)應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

4 張晶;基于分形分析的金融時(shí)間序列復(fù)雜性研究[D];南京財(cái)經(jīng)大學(xué);2015年

5 康靜;金融時(shí)間序列的若干問題研究[D];北京交通大學(xué);2014年

6 司震寰;信息對(duì)股票價(jià)格波動(dòng)影響的行為金融研究[D];天津大學(xué);2012年

7 牛奉高;金融時(shí)間序列的多重分形特征研究[D];山西大學(xué);2009年

8 苑迪;基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)模型研究[D];湖南大學(xué);2009年

9 熊騰科;基于數(shù)據(jù)挖掘的金融預(yù)測(cè)模型[D];廈門大學(xué);2006年

，

本文編號(hào)：1508044