时间序列短期趋势信号模型研究

论文摘要

时间序列广泛存在于自然界和社会生活的各个方面,在经济、金融、工程技术、天文、地理、气象和生物等领域很多数据是以时间序列的形式出现的。对时间序列进行研究分析,可以发现事物运动、变化和发展的内在规律,从而提高人们认识事物的准确性。因而对做出科学的决策具有重要的现实意义。从20世纪后半期至今,对金融时间序列的预测在方法的数量和规模上都有稳步的发展,有些方法在很大程度上依赖金融理论,以此构建预测模型；而有些则采用各种不同的统计方法和时间序列模型。随着数据资料的日渐丰富和计算机应用技术的突飞猛进,我们可使用的模型快速地增加,使用模型的效率也日益提高。随着我国金融证券市场的不断发展和目渐完善,金融时间序列的研究对金融投资者具有越来越重要的意义,受到越来越多的研究者和投资者的关注。在投资市场,投资者对于价格趋势的关心相对于股票价格具体的精确的价格本身更为强烈,只要掌握了金融产品价格的上涨趋势和下跌趋势投资者就能够盈利。本文的研究目的正是通过金融时间序列的短期的趋势信号估计金融时间序列的短期趋势,再根据短期趋势预测金融时间序列的长期趋势。本文的主要工作如下：1、提出短期趋势的估计方法,短期趋势是时间序列短时间内的增长或下降趋势,本文中提出的短期趋势是如果在时间序列中连续的下跌或上涨后出现连续的三个上涨或下跌,则分别定义为增长趋势和下降趋势；2、提出短期趋势为信号的模型,用最小二乘法对所估计出的短期趋势建立趋势模型。3、提出信号的长期趋势的估计方法,把时间序列分解为趋势项和扰动项两个变量,其中趋势项的模型已经通过短期信号建立,使用ARMA模型建立扰动项的预测模型,两者的和即为长期趋势模型；4、做了短期趋势信号模型的实证研究,通过对上证A股的时间序列进行实证分析,实验表明所建立的模型是有效的,对实际序列中长期趋势的估计符合预期的效果,能够减小短期趋势信号模型的预测误差,为投资者提供参考。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题背景及意义
• 1.1.1 课题背景
• 1.1.2 选题意义
• 1.2 国内外研究现状
• 1.3 本文的创新
• 1.4 本文的结构
• 第二章 时间序列基本概念
• 2.1 时间序列
• 2.1.1 时间序列定义
• 2.1.2 时间序列组成成分
• 2.1.3 时间序列表示
• 2.2 时间序列分析
• 2.2.1 时间序列分析的概念
• 2.2.2 时间序列分析的基本特征
• 2.2.3 时间序列分析的作用
• 2.3 时间序列的分解
• 2.3.1 趋势分量、循环分量、季节分量、不规则分量的分离
• 2.3.2 时间序列长期趋势、循环变动和季节变动的分析
• 2.3.3 时间序列中消除趋势的方法
• 第三章 金融时间序列模型
• 3.1 ARMA模型与相应平稳随机过程
• 3.1.1 随机过程
• 3.1.2 差分方程、滞后算子和白噪声过程
• 3.1.3 滑动平均模型
• 3.1.4 自回归模型
• 3.1.5 自回归滑动平均模型
• 3.2 ARMA过程的建立
• 3.2.1 建模思想
• 3.2.2 模型定阶或识别
• 3.2.3 模型参数的估计
• 3.2.4 诊断检验
• 3.3 预测
• 第四章 时间序列中短期趋势形态模式的定义和识别
• 4.1 股票时间序列中的基本形态
• 4.2 增长趋势的识别与检测
• 4.2.1 增长趋势的特征和定义
• 4.2.2 识别增长趋势
• 4.3 下降趋势的识别与检测
• 4.3.1 下降趋势的特征和定义
• 4.3.2 识别下降趋势
• 4.4 V形反转的识别与检测
• 4.4.1 V形反转的特征和定义
• 4.4.2 识别V型反转的步骤
• 第五章 短期趋势作为信号的模型
• 5.1 建立模型
• 5.1.1 建模思想
• 5.1.2 趋势模型
• 5.2 参数估计
• 5.3 实验分析
• 第六章 长期趋势模型的建立与实证分析
• 6.1 建立模型
• 6.1.1 建模思想
• 6.1.2 长期趋势模型
• 6.2 建模过程
• 6.3 长期趋势模型的检验
• 第七章 总结与展望
• 7.1 本文总结
• 7.2 未来工作
• 致谢
• 参考文献
• 攻读学位期间工作成果