異常點的存在會導(dǎo)致股票數(shù)據(jù)模型的波動預(yù)測功能失效,因此,在對股票數(shù)據(jù)進(jìn)行建模分析時,異常點的檢測是至關(guān)重要的。文章對股票數(shù)據(jù)通過GARCH模型處理得到的殘差進(jìn)行小波變換,能夠準(zhǔn)確有效地檢測異常點并很好的克服了異常點的"遮蔽效應(yīng)"。最后,實驗證明,該方法的效果良好。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖51級haar小波變換后得到的高頻系數(shù)

的極大值點的位置P=(63，122，5)及其在殘差X中對應(yīng)的異常點（130，248，14）,如圖5所示。2010月5月18日（130）的前一個交易日受加息傳聞及美國股市暴跌的影響，上證指數(shù)下跌5.07%，后證實消息為假，上證指數(shù)微漲。2010月11月15日（248）的前一....

本文編號：3956900