大數(shù)據(jù)時(shí)代下時(shí)間序列出現(xiàn)高維性、海量性、隨機(jī)性、信噪比低等特征,傳統(tǒng)時(shí)間序列模型分析已經(jīng)無法滿足現(xiàn)代分析要求。因此,對(duì)時(shí)間序列進(jìn)行信息提取,降低數(shù)據(jù)維度和復(fù)雜度具有重要意義。本文所使用的HP濾波法和相似性度量能對(duì)數(shù)據(jù)中的長期趨勢,波動(dòng)循環(huán),相似波動(dòng)等信息進(jìn)行提取,有利于更好地進(jìn)行時(shí)間序列分析。濾波技術(shù)最初起源于電子工程領(lǐng)域,通過過濾信號(hào)中特定頻率的波段,去除干擾信號(hào)。HP濾波方法是一種比較成熟的、簡單易操作的高通濾波法,能將信號(hào)中的高頻成分和其他成分進(jìn)行分離。利用HP濾波法對(duì)時(shí)間序列進(jìn)行分解,可以去除其中長期增長趨勢成分得到平穩(wěn)的周期波動(dòng)成分。經(jīng)濟(jì)學(xué)者們常用HP濾波法分解經(jīng)濟(jì)指標(biāo),從而得到其中隱含的經(jīng)濟(jì)波動(dòng)信息、分析經(jīng)濟(jì)周期、研究經(jīng)濟(jì)波動(dòng)與增長之間的關(guān)系。目前學(xué)者對(duì)HP濾波的研究大都局限于直接應(yīng)用,但其仍有不足之處。首先,平滑參數(shù)的取值缺乏統(tǒng)一標(biāo)準(zhǔn)。其次,序列分解結(jié)果受序列長度影響,尾部分解不穩(wěn)定。本文第四章針對(duì)這里兩個(gè)問題提出了有效的解決辦法。在平滑參數(shù)取值方面,提出利用分解所得波動(dòng)序列與波動(dòng)率序列的極值點(diǎn)重合率對(duì)平滑參數(shù)進(jìn)行選擇的方法。在尾部分解的修正方面,提出延長序列法,并通過延... 

【文章來源】：西華師范大學(xué)四川省

【文章頁數(shù)】：50 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

XTLD的相關(guān)函數(shù)圖

子序列ix 是由原序列的連續(xù)T 期值構(gòu)成的，其中i表示起始期數(shù)， 1 ijijx x，（ i 1, 2, n T 1;j 1,2, ,T)。（2）對(duì)每段序列的波動(dòng)趨勢和波動(dòng)程度進(jìn)行量化，計(jì)算方向序列和程度序列。（3）將第 k（ k 1, 2, ,n T 1)段序列kX 作為檢測序列，依次度量kX 與其余序列段的波動(dòng)趨勢相似度。從大到小的選擇波動(dòng)趨勢相似度閾值，使每段序列都有至少有一條相似序列，篩選出與kX 波動(dòng)趨勢相似度大于等于閾值的序列段，此時(shí)，得到kX 的趨勢相似序列集kS 。（4）計(jì)算kX 與其趨勢相似序列集kS 中每一條序列的波動(dòng)程度相似度，波動(dòng)程度相似度最大的序列段即為kX 的最相似序列。4.2 實(shí)證研究4.2.1 數(shù)據(jù)來源基于網(wǎng)易財(cái)經(jīng)所提供的股票歷史行情數(shù)據(jù)獲得中國平安（601318）2017.08.01到 2018.11.26 的 323 個(gè)連續(xù)交易日的收盤價(jià)序列，并用上章所介紹的 HP 濾波方法進(jìn)行濾波，為更好的去除序列長期增長趨勢平滑參數(shù)取值為 6.25。結(jié)果如圖 4-1所示。再對(duì)波動(dòng)成分（cycle）進(jìn)行相似性度量

第 4 章 基于分層相似性度量的股價(jià)時(shí)間序列分析表 4-2 最相似序列對(duì)Table 4-2 Most similar sequence pair序列 1 序列 2 波動(dòng)趨勢相似度 波動(dòng)程度相似度2018.06.06—2018.6.12 2018.05.15—2018.05.21 1 0.8032018.06.05—2018.6.11 2018.05.14—2018.05.18 1 0.7732018.08.10—2018.8.16 2018.06.22—2018.06.28 1 0.7492018.06.07—2018.6.13 2018.05.16—2018.05.22 1 0.7342018.10.12—2018.10.18 2018.06.12—2018.06.19 1 0.7302017.09.27—2017.10.10 2017.09.20—2017.09.26 1 0.7152017.09.26—2017.10.09 2017.09.19—2017.09.25 1 0.7032018.04.17—2018.04.23 2017.11.01—2017.11.07 1 0.6972018.01.02—2018.01.08 2017.12.11—2017.12.15 1 0.6822018.06.11—2018.06.15 2017.10.30—2017.11.03 1 0.681

【參考文獻(xiàn)】：
期刊論文
[1]中國金融周期測度及國際比較研究[J]. 王博,李昊然.  經(jīng)濟(jì)學(xué)動(dòng)態(tài). 2018(06)
[2]基于HP濾波和ARIMA-ARCH模型的我國GDP分析與預(yù)測[J]. 王丹,馮長煥.  福建江夏學(xué)院學(xué)報(bào). 2018(01)
[3]基于HP濾波法的我國CPI波動(dòng)規(guī)律研究[J]. 李國祥,李永清,馬天驕.  經(jīng)濟(jì)問題. 2017(10)
[4]基于EEMD-HS-SVM的短期風(fēng)功率組合預(yù)測模型[J]. 姬廣龍,袁越,黃俊輝,關(guān)志堅(jiān),吳涵,楊蘇.  可再生能源. 2017(08)
[5]線性時(shí)變參數(shù)DGM（1,1）變權(quán)組合預(yù)測模型[J]. 王豐效.  統(tǒng)計(jì)與決策. 2017(13)
[6]國際能源價(jià)格如何撥動(dòng)了國內(nèi)農(nóng)產(chǎn)品價(jià)格波動(dòng)的弦?——基于CF濾波分析方法的經(jīng)驗(yàn)分析[J]. 張兵兵,朱晶.  經(jīng)濟(jì)問題探索. 2016(11)
[7]基于產(chǎn)業(yè)結(jié)構(gòu)模型的中國未來經(jīng)濟(jì)潛在增長率測算[J]. 張屹山,陳超,張麗媛.  社會(huì)科學(xué)戰(zhàn)線. 2016(10)
[8]基于近鄰傳播的時(shí)間序列基因表達(dá)譜聚類算法[J]. 周運(yùn),徐久成,徐存拴.  河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(06)
[9]濾波方法提取周期信息的比較研究[J]. 黃晶.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2013 (07)
[10]基于BK濾波的農(nóng)民收入增長周期分析[J]. 王浩.  求索. 2013(05)

博士論文
[1]時(shí)間序列分析的早期發(fā)展[D]. 聶淑媛.西北大學(xué) 2012
[2]我國宏觀經(jīng)濟(jì)變量周期性波動(dòng)的動(dòng)態(tài)模型與計(jì)量分析[D]. 張海燕.吉林大學(xué) 2006

碩士論文
[1]基于時(shí)間序列相似性的股價(jià)趨勢預(yù)測研究[D]. 孫建樂.重慶交通大學(xué) 2014



本文編號(hào)：3001278