本文關(guān)鍵詞：金融時(shí)序模型的異常點(diǎn)檢測(cè)和糾正及投資咨詢實(shí)證分析，由筆耕文化傳播整理發(fā)布。

【摘要】：本文研究探討了時(shí)間序列模型中異常點(diǎn)干擾幅度的近似無偏估計(jì),從而可以改善模型的診斷效果,同時(shí)可將該近似無偏估計(jì)運(yùn)用于需要精確計(jì)算異常點(diǎn)的情形。本文主要涉及到ARMA模型和ARCH模型的異常點(diǎn)干擾幅度的近似無偏估計(jì)。在聯(lián)動(dòng)效益正日益頻繁的經(jīng)濟(jì)領(lǐng)域中,運(yùn)用時(shí)間序列模型來進(jìn)行客觀經(jīng)濟(jì)過程的描述和預(yù)測(cè)是一個(gè)非常重要的方法,然而在實(shí)際應(yīng)用中,由于經(jīng)濟(jì)領(lǐng)域的特殊性,傳統(tǒng)的統(tǒng)計(jì)方法進(jìn)行經(jīng)濟(jì)時(shí)間序列模型分析往往會(huì)碰到很多困難。在行業(yè)分析報(bào)告中,數(shù)據(jù)之間的邏輯性關(guān)系至關(guān)重要。當(dāng)數(shù)據(jù)出現(xiàn)與邏輯相左的波動(dòng)時(shí),會(huì)對(duì)分析過程造成一定影響。在實(shí)際投資咨詢中經(jīng)常會(huì)遇到數(shù)據(jù)出現(xiàn)波動(dòng)的情況,一般情況下會(huì)將其選擇性忽視,但這會(huì)造成分析報(bào)告邏輯的不嚴(yán)密與不完整。本文利用ARMA模型和ARCH模型的異常值偏差估計(jì)的方法對(duì)實(shí)際報(bào)告中遇到的帶有異常值的乙烯數(shù)據(jù)和WTI數(shù)據(jù)做了近似無偏的偏差估計(jì),并與傳統(tǒng)方法相比較,從而得到更符合邏輯推理的修正后數(shù)據(jù),使得咨詢報(bào)告中的邏輯論述更加合理。
【關(guān)鍵詞】：ARCH模型 異常點(diǎn) 檢測(cè) 偏差修正 投資咨詢
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F224
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-13
• 1.1 研究背景及現(xiàn)狀9-11
• 1.2 本文主要工作11-13
• 第二章 時(shí)間序列模型13-18
• 2.1 平穩(wěn)時(shí)間序列模型ARMA(p,q)13-16
• 2.1.1 模型描述13-14
• 2.1.2 AR(p)模型參數(shù)估計(jì)14-15
• 2.1.3 MA(q)模型參數(shù)估計(jì)15
• 2.1.4 ARMA(p,q)模型參數(shù)估計(jì)15-16
• 2.2 自回歸條件異方差模型ARCH(p)16-18
• 2.2.1 模型描述16
• 2.2.2 ARCH模型的平方序列性質(zhì)及參數(shù)估計(jì)16-18
• 第三章 時(shí)間序列模型的定階方法18-21
• 3.1 Akaike的AIC準(zhǔn)則、AICC準(zhǔn)則和BIC準(zhǔn)則18-20
• 3.2 Schwartz準(zhǔn)則20-21
• 第四章 時(shí)間序列異常點(diǎn)21-24
• 4.1 時(shí)間序列異常點(diǎn)的分類21
• 4.2 異常點(diǎn)診斷方法21-22
• 4.3 附加型和革新型異常點(diǎn)22-24
• 4.3.1 ARMA模型的附加型和革新型異常點(diǎn)22-23
• 4.3.2 ARCH模型的異常點(diǎn)23-24
• 第五章 異常點(diǎn)估計(jì)的偏差及偏差糾正24-29
• 5.1 AR模型異常點(diǎn)估計(jì)的偏差及偏差糾正24
• 5.2 MA模型和ARMA模型異常點(diǎn)估計(jì)的偏差24-26
• 5.3 MA模型和ARMA模型異常點(diǎn)估計(jì)的偏差糾正26-27
• 5.4 ARCH模型附加型異常點(diǎn)的近似無偏估計(jì)27-29
• 第六章 模擬數(shù)值計(jì)算29-36
• 6.1 模擬步驟29-30
• 6.2 MA模型異常點(diǎn)模擬30-32
• 6.3 ARMA模型異常點(diǎn)模擬32-34
• 6.4 ARCH模型異常點(diǎn)模擬34-36
• 第七章 實(shí)例分析36-38
• 7.1 紀(jì)念品數(shù)據(jù)實(shí)例分析36-38
• 第八章 實(shí)證分析38-47
• 8.1 全球原料多元化的烯烴產(chǎn)業(yè)研究38-47
• 第九章 總結(jié)與展望47-49
• 9.1 本文結(jié)論47
• 9.2 研究展望47-49
• 致謝49-50
• 參考文獻(xiàn)50-51

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 郭慶然;;基于小波變換的股票異常點(diǎn)檢測(cè)研究[J];統(tǒng)計(jì)與決策;2012年04期

2 成邦文,師漢民,王齊莊;多維統(tǒng)計(jì)數(shù)據(jù)對(duì)數(shù)正態(tài)分布檢驗(yàn)與異常點(diǎn)識(shí)別[J];系統(tǒng)工程;2001年05期

3 李子奈,周建;宏觀經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)結(jié)構(gòu)變化分析及其對(duì)中國(guó)的實(shí)證[J];經(jīng)濟(jì)研究;2005年01期

4 周歡;孫易木;;異常點(diǎn)挖掘在證券業(yè)的應(yīng)用研究[J];商業(yè)時(shí)代;2009年13期

5 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 張維;劉博;張小濤;;日內(nèi)金融高頻數(shù)據(jù)的異常點(diǎn)檢測(cè)[A];全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)會(huì)議論文集（一）[C];2005年

2 劉曉艷;王麗珍;楊志強(qiáng);陳紅梅;;基于數(shù)學(xué)形態(tài)學(xué)的模糊異常點(diǎn)檢測(cè)[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

3 王倩;劉奕群;馬少平;茹立云;;面向用戶互聯(lián)網(wǎng)訪問日志的異常點(diǎn)擊分析[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

4 王麗珍;周麗華;肖清;;基于數(shù)據(jù)倉(cāng)庫(kù)的動(dòng)態(tài)異常點(diǎn)檢測(cè)研究[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（二）[C];2008年

5 張重生;馮海軍;陳紅;梁思維;李翠平;;一種分布式數(shù)據(jù)集上top-n異常點(diǎn)挖掘的高效算法[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（二）[C];2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 何歡;基于概念漂移的異常檢測(cè)技術(shù)研究[D];電子科技大學(xué);2015年

2 楊宗羲;函數(shù)系數(shù)時(shí)序模型基于各類進(jìn)化算法的估計(jì)及其異常點(diǎn)檢測(cè)[D];東南大學(xué);2015年

3 江晨陽;雙線性時(shí)間序列模型的多變點(diǎn)估計(jì)及多個(gè)異常點(diǎn)挖掘[D];東南大學(xué);2016年

4 沈琰輝;基于鄰域離散度和隔離樹的異常點(diǎn)檢測(cè)算法研究[D];浙江師范大學(xué);2016年

5 夏一;金融時(shí)序模型的異常點(diǎn)檢測(cè)和糾正及投資咨詢實(shí)證分析[D];東南大學(xué);2016年

6 趙伯夷;基于神經(jīng)網(wǎng)絡(luò)的異常點(diǎn)挖掘[D];河北大學(xué);2011年

7 孫易木;異常點(diǎn)挖掘及證券行業(yè)應(yīng)用實(shí)例研究[D];同濟(jì)大學(xué);2006年

8 曹忠虔;時(shí)間序列異常檢測(cè)的研究[D];電子科技大學(xué);2012年

9 彭珊;線性回歸模型中關(guān)于異常點(diǎn)的若干問題的分析[D];東北林業(yè)大學(xué);2014年

10 楊金偉;基于距離和信息熵的不確定異常點(diǎn)檢測(cè)研究[D];云南大學(xué);2011年

  本文關(guān)鍵詞：金融時(shí)序模型的異常點(diǎn)檢測(cè)和糾正及投資咨詢實(shí)證分析，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：254779