近年來,習近平總書記在關于資本市場和金融工作的重要講話中多次強調,要遵循金融發(fā)展規(guī)律、要防范化解金融風險、要維護金融安全、要深化金融體制改革,增強金融服務實體經濟能力。證券市場作為資本市場的重要參與主體,應當緊緊圍繞服務實體經濟的本源定位,通過業(yè)務轉型和管理創(chuàng)新,為推進供給側結構性改革、支持戰(zhàn)略性新興產業(yè)發(fā)展貢獻力量,在實現高質量發(fā)展方面要有新作為。這些重要論斷不斷彰顯“金融是國家重要的核心競爭力”。股票市場是證券市場不可或缺的一部分,它的演化系統是復雜的、非線性的。貨幣政策、稅收制度、財政政策、還有外部環(huán)境以及一些不可預知的事件等等,許許多多的因素都會對股票市場的波動產生影響,而且這些影響因素之間并不是獨立的,而是互相關聯、互相影響的,它們對市場波動的影響有著不同的時滯和強度。中國的股市雖然僅有20多年的歷史,但前前后后卻經歷了七次暴漲暴跌現象。若能夠研究股市極端波動的特征,則對于加強市場的風險管控、引導投資者的理性投資、保障股市的持續(xù)健康發(fā)展都具有理論參考價值。首先,本文在小波去噪理論的基礎上通過小波分解、重構的方式去除包含在股市序列中噪聲的干擾,提高極端值識別的準確性和有效性。隨... 

【文章來源】：江西財經大學江西省

【文章頁數】：62 頁

【學位級別】：碩士

【部分圖文】：

結構框架圖

2.2 小波去噪理論2.2.1 小波去噪方法小波去噪有很多處理方法，就目前來看，主要包括閾值法、相關分析法、模極大值法等。對于細節(jié)信息豐富、而邊界信息量大及信噪比低的數字圖像，模極大值去噪法較為合適 (2018) ，但在處理的過程中的運算速度比較低，實際中如果采用需考慮消除噪聲的效果和速度兩個比較因素，折中選擇。當處理對圖像邊緣特征要求較高，圖像信噪比要求也較高時，可以選擇相關性小波去噪的方法來消除噪聲。小波閾值方法去噪處理的優(yōu)點是速度快，適應性較強，可以獲得最優(yōu)化得理想數字圖像，是一種比較不錯的圖像去噪方法，其運用也較為廣泛，本文的信號對邊緣信息和信噪比沒有特殊要求，結合上述分析的三種方法的優(yōu)缺點，采取閾值法去噪處理較為合理。圖 2.1 是小波閾值法去噪過程的流程圖，下面將對閾值法去噪進行介紹。

圖 3.1 Lorenz 曲線圖本文選擇 Lorenz 方程 分量的 10000 個數據作為初始序列X，其中， 分圍為 ，從中隨機選取若干個 ′，人工制造極端若干個 ′ 或 ′ 。此處進行的具體操作是將原序列 和 分別替代為范圍外的 27.94891 和-27.10520。假設后的序列為 ′ ， ，再利用上文中構建的 SMF-DFA 方法極端閾值。

【參考文獻】：
期刊論文
[1]幾種圖像小波去噪算法比較研究[J]. 關雪梅.  許昌學院學報. 2018(10)
[2]基于MF-DFA方法的外匯市場多重分形研究[J]. 王繼田,李媛.  中國集體經濟. 2018(06)
[3]泵車排量檢測的極值增量DFA方法[J]. 江星星,李舜酩,李世勛,王勇,程春.  振動.測試與診斷. 2016(02)
[4]基于多重分形去趨勢波動分析的電力負荷風險預警閾值[J]. 李存斌,李慶良,王慶林,宋易陽.  電網技術. 2016(05)
[5]基于線性回歸與重標極差R/S法的年平均流量變化趨勢分析[J]. 金保明.  南昌大學學報(工科版). 2014(04)
[6]極端波動、跳躍和尾部風險——基于已實現波動率的股票市場風險動態(tài)預測[J]. 柳會珍,顧嵐,胡嘯兵.  數理統計與管理. 2014(01)
[7]基于百分位法確定流域極端事件閾值[J]. 薛聯青,劉曉群,宋佳佳,張振全,黎昔春.  水力發(fā)電學報. 2013(05)
[8]基于計盒維數的股市分形特征研究[J]. 喻敏,常曉兵,王文波.  中國商貿. 2013(28)
[9]深圳股市交易量及價格的長程相關性研究[J]. 張玲.  冶金財會. 2013(04)
[10]基于小波分析的股市波動的多重分形辨識[J]. 羅世華,周斌,李穎.  系統工程理論與實踐. 2012(11)

博士論文
[1]中國股票市場日內波動率研究[D]. 王國華.中南財經政法大學 2017
[2]全球氣候變化背景下東北地區(qū)極端氣候事件研究[D]. 杜海波.東北師范大學 2015
[3]日內股市數據的小波分形特征研究[D]. 汪劍鯤.首都經濟貿易大學 2012
[4]極端氣候事件研究規(guī)律[D]. 鄧北勝.蘭州大學 2010
[5]極端事件檢測、評價方法及中國近40年極端溫度和降水事件時空變化研究[D]. 侯威.蘭州大學 2009
[6]沙堆模型復雜性現象及自組織臨界性系統研究[D]. 何越磊.西南交通大學 2005
[7]股票市場的分形特征和股票價格的FIGARCH模型研究[D]. 李建軍.中國社會科學院研究生院 2002

碩士論文
[1]基于奇異譜分析的時間序列互相關分析[D]. 程爽.遼寧師范大學 2018
[2]復雜系統時間序列的復雜性及相關性研究[D]. 徐夢佳.北京交通大學 2017
[3]基于多尺度的基本尺度熵和去趨勢波動分析方法對心率變異性信號的分析[D]. 張璇.陜西師范大學 2016
[4]基于去趨勢波動分析的中國氣溫變化趨勢研究[D]. 李文菁.湘潭大學 2016
[5]我國信托公司股票收益率的多重分形特征分析[D]. 茹磊.南京財經大學 2016
[6]西北干旱區(qū)極端氣候事件的變化特征與時空分布規(guī)律[D]. 李佳秀.新疆大學 2015
[7]基于DFA的氣液兩相流特性分析[D]. 鄭彩霞.青島科技大學 2014
[8]基于多重分形理論的我國行業(yè)股價波動性研究[D]. 李倩.南京信息工程大學 2014
[9]我國股指期貨現貨市場的重現時間間隔及其多重分形特性分析[D]. 索園園.華東理工大學 2014
[10]替代數據及其應用[D]. 眭燁.華東師范大學 2011



本文編號：3599591