学位论文 > 优秀研究生学位论文题录展示
基于小波分析的高频时间序列研究
作 者: 高静
导 师: 张世英
学 校: 天津大学
专 业: 数量经济学
关键词: 高频时间序列 小波分析 “已实现”波动率 多分辨投资组合
分类号: F830
类 型: 硕士论文
年 份: 2007年
下 载: 374次
引 用: 2次
阅 读: 论文下载
内容摘要
高频/超高频时间序列比低频时间序列包含了更多的信息,并且能表现长期趋势。它的研究不论是对于金融理论工作者,还是对于金融从业者,都具有十分重要的意义。而在资本市场中,每一个投资者的视界都不是一样的,有长期投资者也有短期的。因此,市场是多尺度结构的。而小波分析的多尺度特性,使其成为分析金融市场的有利工具。本文正是利用小波分析的方法研究金融高频时间序列在波动、风险、可预测上存在的一些特性。首先,利用小波的方法,分析研究高频时间序列的“已实现”波动特性。给出小波“已实现”波动率的定义,并以上海股市为例分析了个股和上证指数小波“已实现”波动在不同尺度上的相关性。其次,对金融高频数据,根据其多尺度结构的特性给出不同尺度下的Beta系数,构建多分辨投资组合策略。这种方法能够解决在不同的时间尺度下,如何选择相应的组合权重以获得大的收益或者将投资组合风险降到最低的问题。再次,讨论高频时间序列的可预测性。利用小波中的多分辨分析方法,对高频数据在不同尺度上建模,成立趋势项和周期项,分析数据并进行预测,将预测结果与普通建模预测方法进行对比,发现这种预测方法在对短期预测效果较好,精确度很高。最后总结全文,并展望了该领域今后的研究趋势。本论文是国家自然科学基金项目《多变量矩序列长期均衡关系及动态金融风险规避策略研究》(No.70471050)的组成部分。
|
全文目录
摘要 3-4 ABSTRACT 4-8 第一章 绪论 8-22 1.1 论文选题背景与研究现状 8-17 1.1.1 金融学的发展 8-10 1.1.2 金融微观结构的研究综述 10-11 1.1.3 金融高频数据和超高频数据的概念 11-13 1.1.4 金融高频数据的主要特征 13 1.1.5 金融高频数据和超高频数据的研究现状 13-17 1.2 问题的提出与选题意义 17-19 1.2.1 问题的提出 18-19 1.2.2 选题意义 19 1.3 论文的内容结构、具体工作及研究工具 19-22 1.3.1 论文的内容结构 19-20 1.3.2 论文的主要工作 20 1.3.3 研究工具及方法 20-22 第二章 金融时间序列的小波分析 22-35 2.1 小波的概念 22-26 2.1.1 小波分析理论 22-24 2.1.2 小波分析与傅立叶变换的比较 24 2.1.3 小波应用的意义 24-26 2.2 连续小波变换 26-27 2.2.1 一维连续小波变换 26 2.2.2 高维连续小波变换 26-27 2.3 离散小波变换 27-29 2.3.1 离散小波变换 27-28 2.3.2 极大重叠离散小波变换 28-29 2.4 多分辨分析 29-31 2.5 小波方差 31-33 2.6 小波信号去噪 33-35 第三章 小波方法分析研究“已实现”波动 35-42 3.1 高频时间序列的“已实现”波动 35-38 3.1.1 金融证券市场的波动性 35-36 3.1.2 “已实现”波动研究综述 36-38 3.2 小波“已实现”波动 38-40 3.2.1 小波“已实现”波动定义 38-39 3.2.2 小波“已实现”波动的VARFIMAX模型及其估计 39-40 3.3 实证研究 40-42 第四章 高频金融数据的风险组合分析 42-53 4.1 金融风险的规避与防范 42-47 4.1.1 经济及金融系统的不稳定性与脆弱性 42-43 4.1.2 金融风险的含义和基本特征 43-44 4.1.3 CAPM的理论意义及作用 44-47 4.1.4 传统投资组合理论的缺陷 47 4.2 小波方法的投资组合研究 47-50 4.2.1 CAPM及其对Beta系数的估计 47-48 4.2.2 小波分析及其对Beta系数的估计 48-50 4.2.3 多分辨Beta系数的意义 50 4.3 我国股市多分辨Beta系数研究 50-53 第五章 基于小波方法的高频时间序列预测 53-67 5.1 经济预测的概念 53-55 5.2 股市高频数据的预测研究 55-60 5.2.1 高频数据的预测研究概述 55-57 5.2.2 中国股市概述 57 5.2.3 高频数据股市价格预测的重要性 57-58 5.2.4 高频预测的小波理论 58-60 5.3 实证分析 60-67 5.3.1 基于十分钟上证指数的预测 61-64 5.3.2 十分钟高频数据与日数据预测对比 64-67 第六章 总结与展望 67-70 6.1 论文工作总结 67-69 6.1.1 高频数据投资组合的小波方法 67-68 6.1.2 高频时间序列的预测研究 68-69 6.2 研究展望 69-70 参考文献 70-75 发表论文和参加科研情况说明 75-76 致谢 76
|
相似论文
- 航天继电器时间参数测试分析技术的研究,TM58
- 基于汉语听觉认知的事件相关电位的研究,R318.0
- 基于声学特性的裂纹缺陷检测方法研究,TP274
- 基于小波分析的掌纹图像识别研究,TP391.41
- 基于小波和Kalman滤波的GPS数据去噪方法研究,P228.4
- 面向大批量生产的刀具磨损在线识别技术研究,TG71
- 高分辨率自然伽马测井仪器研制,TE927
- 漏电及故障电弧保护断路器的研究,TM561
- 基于形态分析的小电流系统接地故障辨识技术与工程应用,TM862
- 基于小波分析的流体快速模拟方法,TP391.41
- 基于FPGA的电力系统谐波检测系统的研究与设计,TM935
- 基于小波和神经网络理论的电力系统负荷预测研究,TM715
- 模拟电路故障诊断方法及其应用研究,TN710
- 基于DSP+FPGA的近红外检测仪关键技术研究,TN791
- 小波分析在MEMS陀螺信号降噪中的应用研究,TN911.4
- 小波分析在摩托车发动机异响诊断中的应用,U483
- 基于信息融合的高速公路交通事件自动检测算法研究,U491
- 声信号分析方法在重载货运列车滚动轴承故障诊断中的应用研究,TH165.3
- 基于小波神经网络的岩土锚固系统智能无损检测理论及应用研究,TU43
- 溶解有机物三维荧光光谱结合多变量分析在赤潮藻识别中的应用,X55
- 小波分析与突变理论在变形分析中的应用研究,P258
中图分类: > 经济 > 财政、金融 > 金融、银行 > 金融、银行理论
© 2012 www.xueweilunwen.com
|