資源描述：
《基于符號時間序列研究的金融波動研究與預測》由會員上傳分享，免費在線閱讀，更多相關內容在工程資料-天天文庫。
1、permutationentropymethodsareusedtoanalyzethesetwoseries,thedominatingorderpatternsaredeterminedandwefindthesetwoindex'srealizedvolatilityserieshavequitelowgeneralizedsynchronization.Moreover,weforecastthenextdayvolatilitylevelbasedonprincipalorderpatternsandourforecastingresultsindic
2、atethattheconditionalorderpatternsofthemainorderpatternsarestilldominant.KEYWORDS:symbolictimeserieshistogram,K-nearestneighborsforecasting,realizedvolatility,permutationentropy,generalizedsynchronization第一章緒論11?1課題召開究背景11.2國內外相尖研究狀況2121金融波動分析與預測的研究現(xiàn)狀21.2.2符號時間序列分析的研究現(xiàn)狀21?3論文研究內容41.4
3、論文的創(chuàng)新點5第二章相尖理論與方法綜述62」傳統(tǒng)的高頻金融波動的預測方法62.1.1一般時間序列預測方法62.1.2高頻金融波動的預測方法82.2符號時間序列分析方法102.2.1符號時間序列分析的步驟10222符號時間序列分析的基本方法132.3分布預測的K?NN方法的理論182.4本章小結19第三章基于符號時間序列直方圖的高頻金融波動預測203.1符號直方圖時間序列203.1.1時間序列符號化與編碼203.1.2符號序列直方圖與符號直方圖時間序列213.2符號直方圖序列的相似度度量22321符號直方圖序列的歐幾里得范數(shù)與/統(tǒng)計量223.2.2符號直方圖序列的
4、相對燔233.3符號直方圖序列的K?NN算法233.3.1傳統(tǒng)K?NN算法233.3.2符號直方圖序列的K?NN算法243.3.3嵌入維數(shù)d的選擇243.4實證分析263.4.1數(shù)據(jù)預処理263.4.2獲得符號直方圖時間序列263.4.3確定直方圖序列的嵌入維數(shù)273.4.4符號直方圖序列的預測283.5本章小結31第四章基于排列燔的金融波動分析與預測334.1基于排列燔的直方圖與廣義同步334.1.1基于排列煙的符號序列直方圖334.1.2廣義同步334.2中國股票市場順序結構分析354.2.1數(shù)據(jù)預処理354.2.2"已實現(xiàn)〃波動的排列癇364.2.3"已實
5、現(xiàn)"波動符號序列直方圖374.3廣義同步分析3944基于主要順序模式的RV水平預測404.5本章小結42第五章結束語435.1主要研究結果435.2研究展望44參考文獻45發(fā)表論文和參加科研情況說明49致謝50第一章緒論1.1課題研究背景準確度量與預測金融資產(chǎn)收益的波動特征對金融產(chǎn)品定價、資產(chǎn)組合配置、資產(chǎn)評估、風險管理等至尖重要，但是金融資產(chǎn)的波動率不能被直接觀測，其主要特征一般通過資產(chǎn)收益率序列得出。金融資產(chǎn)條件收益分布的主要特征是其二階矩結構，主要表現(xiàn)是分布的時變性，收益分布的這一特征使得尖于收益波動的模型與預測日益增多。金融資產(chǎn)的波動率主要有以下特征：一
6、是波動率的聚類，二是波動率隨時間連續(xù)變化?即很少存在波動跳躍?三是波動率序列不會發(fā)散到無窮，即波動率在固定的范圍內變化，四是波動率對價格的大幅上升與價格的大幅下降的反應不同。傳統(tǒng)的研究主要針對具體的低頻波動序列，研究方法主要是從計量經(jīng)濟學的角度?分析其統(tǒng)計特征，建立線性或非線性的波動模型?大部分的研究以Engle提岀的自回歸條件異方差（ARCH）模型或隨機波動模型或金融衍生品的隱含波動率為基礎?這些波動度量方法在某種特定的分布假設下有效，研究結果普遍發(fā)現(xiàn)金融波動具有高度的跨時期波動持續(xù)，并且盡管樣本內的參數(shù)估計高度顯著，但是標準波動模型的預測并不理想。近年來隨著
7、數(shù)據(jù)存儲技術的提高，對金融波動的研究焦點也轉移到（超）高頻數(shù)據(jù)上來，（超）高頻數(shù)據(jù)包含更多的信息，有助于預測長周期的金融波動，如月或季。然而（超）高頻金融數(shù)據(jù)特有的日內模式、價格離散性與集中于"無變化〃、復雜相依性、不規(guī)則時間間隔等特性以及對噪聲、擾動敏感導致對（超）高頻金融波動的預測非常困難。計量學方法在金融波動方面的研究無論是針對低頻數(shù)據(jù)還是高頻數(shù)據(jù)都取得了豐富的成果，但金融系統(tǒng)是非線性動力學系統(tǒng)，諸如混沌、分叉與分形等都是金融市場的非線性本質特征。單純以計量經(jīng)濟學的方法來研究金融波動對于全方位地把握波動的規(guī)律以及預測具有一定的局限性，需要利用新的方法從不同
8、的角度來研究波動問題?本
