本文關(guān)鍵詞：基于小波分析的金融波動(dòng)模式識(shí)別及異常值檢測(cè)　出處：《天津大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 小波分析D-Markov模型 符號(hào)時(shí)間序列分析 金融波動(dòng) 模式識(shí)別 異常值檢測(cè)

【摘要】：金融的波動(dòng)性是所有金融市場(chǎng)的內(nèi)在特征，其對(duì)資產(chǎn)組合配置、金融產(chǎn)品定價(jià)、金融風(fēng)險(xiǎn)管理等都有很重要的作用，特別是金融波動(dòng)模式的識(shí)別及相關(guān)異常的研究對(duì)于市場(chǎng)投資者和監(jiān)管者來(lái)說(shuō)意義重大。在實(shí)際中，主要通過(guò)金融資產(chǎn)收益率序列來(lái)得出金融波動(dòng)的特征。本文主要利用將小波分析與符號(hào)時(shí)間序列分析、D-Markov模型以及金融波動(dòng)計(jì)量模型相結(jié)合的方法來(lái)研究金融波動(dòng)序列的模式識(shí)別問(wèn)題和金融收益序列的異常檢測(cè)問(wèn)題。 本文首先將小波分析、主要應(yīng)用于工程領(lǐng)域的隱含模式快速識(shí)別方法D-Markov模型及符號(hào)時(shí)間序列分析相結(jié)合，引入波動(dòng)向量之間異常度的概念，提出了一種全新的用于金融波動(dòng)模式識(shí)別及異常模式檢測(cè)的方法。第一步對(duì)金融波動(dòng)序列進(jìn)行離散小波變換產(chǎn)生小波系數(shù)序列，選擇符號(hào)集大小，將小波系數(shù)序列符號(hào)化，并對(duì)符號(hào)序列進(jìn)行D-Markov模型分析，計(jì)算狀態(tài)概率向量，得到波動(dòng)向量的異常度，進(jìn)而進(jìn)行模式識(shí)別及異常模式的檢測(cè)。其次基于波動(dòng)模型對(duì)金融收益時(shí)間序列的刻畫而產(chǎn)生的殘差序列，提出了一種以小波分析為基礎(chǔ)的異常檢測(cè)與定位的方法。采用蒙特卡洛模擬選定閾值，分析殘差序列離散小波變換后的小波系數(shù)序列，標(biāo)記大于閾值且是最大的小波系數(shù)值位置，通過(guò)將該位置的值設(shè)置為零重建小波系數(shù)序列，并通過(guò)逆離散小波變換重構(gòu)殘差序列，如此循環(huán)，直到小波系數(shù)序列滿足閾值要求，形成位置集合。進(jìn)而基于該位置集合來(lái)檢測(cè)和定位異常值。 針對(duì)本文提出的方法，均以上證綜指和深證成指檢驗(yàn)了所提方法的可行性和有效性。實(shí)證結(jié)果表明在選定標(biāo)準(zhǔn)波動(dòng)模式的情況下，該方法可以實(shí)現(xiàn)尋找到類似與標(biāo)準(zhǔn)波動(dòng)模式的波動(dòng)時(shí)間段；在選定正常波動(dòng)模式的情況下，可以實(shí)現(xiàn)對(duì)異常波動(dòng)模式的檢測(cè)。而在基于小波分析的異常檢測(cè)定位時(shí)，，可以有效地檢測(cè)到對(duì)數(shù)日收益率序列的異常值并且能夠準(zhǔn)確地對(duì)異常值進(jìn)行定位。
[Abstract]:Financial volatility is the inherent feature of all financial markets, which plays an important role in portfolio allocation, pricing of financial products, financial risk management and so on. In particular, the identification of financial volatility patterns and the study of related anomalies are of great significance to market investors and regulators. This paper mainly uses wavelet analysis and symbolic time series analysis. D-Markov model and financial volatility econometric model are combined to study the pattern recognition problem of financial volatility series and the anomaly detection problem of financial return series. In this paper, firstly, wavelet analysis is combined with D-Markov model and symbolic time series analysis, which is mainly applied in engineering field. The concept of anomaly degree between wave vectors is introduced. A new method for financial volatility pattern recognition and abnormal pattern detection is proposed. In the first step, discrete wavelet transform (DWT) is used to generate the wavelet coefficient sequence and the symbol set size is selected. The wavelet coefficient sequence is symbolized and the D-Markov model is used to analyze the symbol sequence. The state probability vector is calculated and the anomaly degree of the fluctuation vector is obtained. Then the pattern recognition and abnormal pattern detection. Secondly, based on the volatility model to describe the time series of financial returns, the residuals are generated. A method of anomaly detection and localization based on wavelet analysis is proposed. Monte Carlo simulation is used to select the threshold value to analyze the wavelet coefficient sequence of discrete wavelet transform of residual sequence. The mark is larger than the threshold value and is the largest wavelet coefficient value position, by setting the value of the position to zero reconstruction wavelet coefficient sequence, and inverse discrete wavelet transform reconstruction residual sequence, such a cycle. Until the wavelet coefficient sequence meets the threshold requirement, the location set is formed, and then the outlier value is detected and located based on the position set. For the methods proposed in this paper, the Shanghai Composite Index and Shenzhen Composite Index are used to test the feasibility and effectiveness of the proposed method. The empirical results show that in the case of the selection of standard volatility model. This method can find the fluctuation time period similar to the standard fluctuation mode. In the case of selecting normal fluctuation mode, the detection of abnormal fluctuation mode can be realized, but in the case of abnormal detection and localization based on wavelet analysis. The outliers of the daily return series can be detected effectively and the outliers can be accurately located.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F830.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 霍光耀;郭名媛;;金融波動(dòng)研究的新進(jìn)展及未來(lái)展望[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2007年05期

2 李勝歌;張世英;;金融波動(dòng)的賦權(quán)“已實(shí)現(xiàn)”雙冪次變差及其應(yīng)用[J];中國(guó)管理科學(xué);2007年05期

3 謝宏華，鄒修清，毛愛(ài)國(guó)，劉曉波;從金融波動(dòng)看金融穩(wěn)定──三次金融波動(dòng)的回顧與反思[J];經(jīng)濟(jì)體制改革;1994年02期

4 張紅偉;實(shí)際經(jīng)濟(jì)波動(dòng)對(duì)金融波動(dòng)的影響和傳導(dǎo)渠道[J];廣東社會(huì)科學(xué);2002年06期

5 謝宏華，鄒修清，毛愛(ài)國(guó)，劉曉波;從金融波動(dòng)看金融穩(wěn)定──三次金融波動(dòng)的回顧與反思[J];經(jīng)濟(jì)理論與經(jīng)濟(jì)管理;1994年03期

6 謝宏華，鄒修清，毛愛(ài)國(guó)，劉曉波;從金融波動(dòng)看金融穩(wěn)定──三次金融波動(dòng)的回顧與反思[J];中央財(cái)政金融學(xué)院學(xué)報(bào);1994年03期

7 張勁;論實(shí)際經(jīng)濟(jì)波動(dòng)向金融波動(dòng)的傳導(dǎo)渠道[J];天府新論;2003年02期

8 孟勇;王紅霞;;關(guān)于金融市場(chǎng)波動(dòng)預(yù)測(cè)模型研究的發(fā)展展望[J];統(tǒng)計(jì)與決策;2008年24期

9 埃德加·佩雷斯;;高頻交易引發(fā)金融波動(dòng)?[J];首席財(cái)務(wù)官;2012年08期

10 樊智,張世英;隨機(jī)分形與金融波動(dòng)的市場(chǎng)機(jī)制[J];系統(tǒng)工程;2003年01期

相關(guān)重要報(bào)紙文章 前10條

1 中國(guó)銀行國(guó)際金融研究所 譚雅玲;阿根廷金融波動(dòng)因與果[N];國(guó)際經(jīng)貿(mào)消息;2001年

2 王宇;吳曉靈：有關(guān)工業(yè)國(guó)家應(yīng)認(rèn)真分析金融波動(dòng)根源[N];新華每日電訊;2007年

3 洪江源;通脹幽靈浮現(xiàn) 金融危局誰(shuí)解[N];期貨日?qǐng)?bào);2005年

4 本報(bào)記者 韓楊;印度“意外”降息[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2008年

5 李萬(wàn)茂;應(yīng)對(duì)國(guó)際金融危機(jī)的理性思考[N];中國(guó)信息報(bào);2009年

6 本版評(píng)論員 青云;奧巴馬新政高懸 俄羅斯金融波動(dòng)[N];國(guó)際商報(bào);2008年

7 胡曉偉 趙暉;“錢生錢”的虛擬經(jīng)濟(jì)是否安全?[N];天津日?qǐng)?bào);2004年

8 羅善興;外匯儲(chǔ)備差異將導(dǎo)致金融波動(dòng)[N];經(jīng)濟(jì)參考報(bào);2004年

9 本報(bào)記者 劉冬;誰(shuí)放大了金融危機(jī)[N];財(cái)經(jīng)時(shí)報(bào);2008年

10 本報(bào)記者 黃繼匯;IMF上調(diào)今年全球增長(zhǎng)預(yù)期至4.6%[N];中國(guó)證券報(bào);2010年

相關(guān)博士學(xué)位論文 前3條

1 樊智;分形市場(chǎng)理論與金融波動(dòng)持續(xù)性研究[D];天津大學(xué);2003年

2 耿立艷;非線性金融波動(dòng)率模型及其實(shí)證研究[D];天津大學(xué);2009年

3 徐梅;金融波動(dòng)分析的小波和頻域方法研究[D];天津大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 賈彥東;中國(guó)金融波動(dòng)研究[D];西南財(cái)經(jīng)大學(xué);2004年

2 牛孟宇;金融市場(chǎng)波動(dòng)性的統(tǒng)計(jì)特征研究[D];武漢理工大學(xué);2008年

3 王桂平;基于符號(hào)時(shí)間序列的超高頻金融波動(dòng)研究[D];天津大學(xué);2011年

4 李金丹;基于“已實(shí)現(xiàn)”波動(dòng)金融波動(dòng)的符號(hào)時(shí)間序列分析[D];天津大學(xué);2014年

5 朱明子;金融波動(dòng)率的非線性分析及其應(yīng)用[D];浙江理工大學(xué);2014年

6 扈夢(mèng);基于小波分析的金融波動(dòng)模式識(shí)別及異常值檢測(cè)[D];天津大學(xué);2014年

7 王宇新;度量金融波動(dòng)的方法和模型及其應(yīng)用[D];天津大學(xué);2006年

8 周美英;基于厚尾分布的金融波動(dòng)模型實(shí)證研究[D];山東科技大學(xué);2007年

9 奚丹丹;基于符號(hào)時(shí)間序列分析的多尺度金融波動(dòng)研究[D];天津大學(xué);2012年

10 李群;基于分形市場(chǎng)理論的金融波動(dòng)性研究[D];電子科技大學(xué);2009年

本文編號(hào)：1430332