基于多重分形谱的高频股价时间序列的波动研究

论文题目: 基于多重分形谱的高频股价时间序列的波动研究

论文类型: 硕士论文

论文专业: 金融学

作者: 宋坤

导师: 周孝华

关键词: 多重分形谱,高频股价时间序列,波动,预测

文献来源: 重庆大学

发表年度: 2005

论文摘要: 价格行为一直在金融学中占据基础性地位,金融资产价格特别是股票价格的运动规律是众多学者研究的重点课题,而研究的关键在于能否掌握股票价格的波动特征并对其进行预测。运用多重分形理论研究高频股价时间序列的运动规律,类似于用不同倍数的放大镜观察同一事物,可以通过更加细致的分解达到更真实、更全面地认识股票市场的波动性的目的,这无疑具有重要的理论与实践意义。论文在查阅大量资料文献、收集高频数据及编写计算机程序的基础上,对我国高频股指及个股股价时间序列进行实证分析,结果发现股指及个股股价均具有显著的多重分形结构和特征。论文的研究重点是从三个不同的方面将多重分形谱及其参数应用于股价波动性的预测研究。论文共分五部分。第一部分是绪论。阐述多重分形理论应用于金融学研究的学术意义和现实意义;国内外已有的相关文献,以及在应用方面的不足之处;论文的研究目的、研究内容和创新之处。第二部分系统阐述应用于金融学的分形以及多重分形理论,并详细描述论文所采用的多重分形算法。第三部分是多重分形谱图像及其参数在预测高频股价时间序列波动方面的应用。四支随机选取的个股数据的实证结果与从理论上推导出高频股价时间序列在持续大幅波动开始与结束时多重分形谱应该具有的异象特征相吻合。因此,该方法可以对金融资产持续大幅震荡的开始及结束做出一定预测。第三部分是多重分形谱参数在预测高频股价时间序列短期内走势方面的应用。用多重分形谱参数Δf构造并计算出民生银行的条件概率和条件平均收益率,结果发现民生银行的股价和收益率的波动并非是个随机过程。因此,该方法对金融资产在短期内的走势有一定预测能力。第四部分是多重分形谱参数在预测高频股价时间序列在下一个交易周波动幅度方面的应用。用六类周波动性预测模型中预测效果较好的模型测算出上证综指下一个交易周的多重分形谱参数Δα,通过对照Δα值与股指周波动幅度统计表,可较好地预知股指下个交易周股指的波动范围。第五部分为结论、启示与展望。总结论文的应用研究结果,阐述论文的结论所带来的启示,并讨论与论文相关研究领域在未来的发展方向。

论文目录:

中文摘要

英文摘要

1 绪论

1.1 问题的提出及研究意义

1.1.1 问题的提出

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.2.3 国内外研究的缺陷

1.3 研究目的和内容

1.3.1 研究目的

1.3.2 研究内容

1.4 创新之处

2 分形与多重分形理论

2.1 分形的提出及定义

2.1.1 分形的提出

2.1.2 分形的定义

2.2 分形维数

2.2.1 分形维数意义

2.2.2 分形维数的类别

2.3 多重分形的定义

2.4 多重分形过程

2.5 多重分形过程的局部尺度特征

2.6 多重分形谱

2.7 多重分形谱的算法

2.7.1 直接计算法

2.7.2 数盒子法

2.7.3 固定半径法

2.7.4 固定质量法

2.8 论文所用算法及流程图描述

2.8.1 算法描述

2.8.2 算法流程图

2.9 本章小结

3 高频金融时间序列的异象特征分析及预测应用

3.1 引言

3.2 高频金融时间序列每单元多重分形谱的计算

3.3 多重分形谱的解释及异象特征的推导

3.4 实证分析

3.4.1 样本的选取及分析

3.4.2 个股持续大涨前后多重分形谱的异象分析

3.4.3 个股持续大跌前后多重分形谱的异象分析

3.4.4 个股持续大幅波动前后多重分形谱的共同异象特征

3.5 本章小结

4 高频股价时间序列的预测应用

4.1 引言

4.2 样本数据的选取

4.3 个股高频股价时间序列多重分形谱的计算

4.4 用Δf 的符号构造的条件概率预测股价的波动

4.5 预测条件平均收益率

4.6 本章小结

5 股指周波动预测模型的实证比较

5.1 引言

5.2 样本数据的选取

5.3 每个交易周多重分形谱参数Δα的计算

5.4 多重分形谱参数Δα的意义

5.5 周波动性的预测模型

5.5.1 随机游走模型

5.5.2 长期平均模型

5.5.3 移动平均模型

5.5.4 指数平滑模型

5.5.5 指数加权移动平均模型

5.5.6 简单回归模型

5.6 模型的预测结果及误差分析

5.7 本章小结

6 结论、启示与展望

6.1 主要结论

6.2 研究启示

6.3 后续研究工作的展望

致谢

参考文献

附录

独创性声明

学位论文版权使用授权书

发布时间: 2006-12-05

参考文献

• [1].时间序列的复杂性和递归性研究[D]. 刘成功.北京交通大学2018
• [2].基于小波分析的时间序列异常值检验[D]. 张利红.湘潭大学2017
• [3].中信证券股价预测的统计方法研究[D]. 曾任健.云南大学2016
• [4].LASSO分析方法及在股价预测中的应用[D]. 熊赫.暨南大学2017
• [5].时间序列奇异点趋势方向研究[D]. 付强.昆明理工大学2011
• [6].基于时间序列的货币与投资对CPI指数的关联性研究[D]. 张伟.中国地质大学(北京)2018
• [7].基于组合模型的股市趋势预测方法研究[D]. 张璐.中国科学院大学(中国科学院深圳先进技术研究院)2018
• [8].非线性方法的时间序列组合模型在农产品价格预测中的应用研究[D]. 江粉桃.兰州交通大学2018
• [9].时间序列的细化二元熵和递归性研究[D]. 卞松寒.北京交通大学2018
• [10].基于CPI时间序列的季节性调整方法研究比较分析[D]. 陈邦柱.清华大学2016

相关论文

• [1].基于多重分形理论的股价波动研究及预测[D]. 邓嘉兴.暨南大学2007
• [2].中国股票市场Hurst指数与多重分形分析[D]. 王莹莹.华中科技大学2006
• [3].基于多重分形谱的高频数据实证研究[D]. 郝冰.昆明理工大学2007
• [4].分形市场假说的应用研究[D]. 杨名杰.华中师范大学2006
• [5].分形市场理论在中国证券市场的应用研究[D]. 沈晓栋.浙江工商大学2006
• [6].金融时间序列的长记忆与分形协整关系研究[D]. 吴大勤.东南大学2006
• [7].中国证券市场的混沌与多重分形特征研究[D]. 阮坚.暨南大学2006
• [8].分形分析方法在中国证券市场中的应用研究[D]. 赵巍.东南大学2005
• [9].一类时间序列的多重分形分析[D]. 丁丽娟.华东师范大学2007
• [10].多重分形的算法研究及应用[D]. 高海霞.成都理工大学2004

标签：多重分形谱论文;  高频股价时间序列论文;  波动论文;  预测论文;