期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
稳健改进的AO型异常点检测法在金融时序中的应用 被引量:12
1
作者 王志坚 王斌会 《数理统计与管理》 CSSCI 北大核心 2016年第2期369-380,共12页
针对金融时间序列数据易受外界突发事件干扰而产生连续性异常点的特点,本文首先分析了Chang,Tiao和Chen(1988)^([11])提出的金融时间序列AO型异常点检测法的不稳健性,并对其进行稳健改进得到稳健检测统计量,而且在理论上证明了改进检测... 针对金融时间序列数据易受外界突发事件干扰而产生连续性异常点的特点,本文首先分析了Chang,Tiao和Chen(1988)^([11])提出的金融时间序列AO型异常点检测法的不稳健性,并对其进行稳健改进得到稳健检测统计量,而且在理论上证明了改进检测统计量的优良性;随后模拟了五种污染率下的时序数据,分别用三种检测法对其中的异常点进行检测,发现稳健检测法准确率最高;最后用R语言对上海黄金交易所2008年1月2日至2013年3月29日含金量为99.99%的黄金交易收益率的异常现象进行稳健检测,结果显示本文提出的稳健检测法比传统的检测法对异常点检测能力显著提高,并且能更好的捕捉到我国金融市场的异常特点。该方法不仅对于金融风险的研究具有理论上的意义而且对金融时间序列的稳健建模具有一定的参考价值。 展开更多
关键词 金融时序 AO型异常点 稳健检测 收益率
原文传递
金融时序的波动率模型比较研究 被引量:6
2
作者 陶爱元 《统计与决策》 CSSCI 北大核心 2005年第08S期9-11,共3页
关键词 金融时序 波动率模型 贝叶斯法 MCMC
下载PDF
一种面向金融数据的基于ARIMA的模糊时间序列预测模型 被引量:5
3
作者 陈立新 张磊 《现代计算机》 2014年第5期3-8,13,共7页
时序分析方法在金融数据挖掘中扮演着越来越重要的角色,然而,历史数据的不完整、不确切性制约着传统金融时间序列预测方法的准确性。创新地定义ARIMA模型的相似性和模,并融合模糊时间序列方法,提出新的基于ARIMA的模糊时间序列预测模型... 时序分析方法在金融数据挖掘中扮演着越来越重要的角色,然而,历史数据的不完整、不确切性制约着传统金融时间序列预测方法的准确性。创新地定义ARIMA模型的相似性和模,并融合模糊时间序列方法,提出新的基于ARIMA的模糊时间序列预测模型。该模型能够高效处理不完整的、含糊的历史数据,并对未来走势进行有效预测。一方面,ARIMA模型的简约灵活性使得对高维金融时间序列的特征提取大为简化;另一方面,由于结合模糊逻辑的理论,该方法能够有效发现历史数据中的相似模式。以人民币兑美元汇率为例,通过对预测结果的分析,验证了的新模型的有效性。 展开更多
关键词 数据挖掘 金融时序 模糊逻辑
下载PDF
基于IGARCH投影寻踪回归的国际油价走势拟合模型 被引量:1
4
作者 王吉培 杨远 肖宏伟 《统计与决策》 CSSCI 北大核心 2009年第5期49-51,共3页
随着我国对石油进口的依赖程度不断增加,国际油价变化对我国经济的影响越来越大。文章充分考虑了金融时间序列的方差时变性的特点,建立基于三种不同分布的IGARCH模型对国际油价的走势进行刻画,引入非参数投影寻踪回归模型的理论方法,对... 随着我国对石油进口的依赖程度不断增加,国际油价变化对我国经济的影响越来越大。文章充分考虑了金融时间序列的方差时变性的特点,建立基于三种不同分布的IGARCH模型对国际油价的走势进行刻画,引入非参数投影寻踪回归模型的理论方法,对多维数据进行投影降维分析,结果表明基于IGARCH的投影寻踪回归具有较强的模型拟合能力,我国应采取一定的措施把国际油价变化对我国经济的影响减到最小。 展开更多
关键词 国际油价 IGARCH模型 投影寻踪回归 金融时序
下载PDF
基于改进的支持向量回归机的金融时序预测 被引量:10
5
作者 陈懿冰 张玲玲 +1 位作者 聂广礼 石勇 《数学的实践与认识》 CSCD 北大核心 2012年第4期38-44,共7页
金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于... 金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果. 展开更多
关键词 支持向量机 非平稳时间序列 金融时序预测 先验知识 惩罚因子
原文传递
融合延迟变换和张量分解的金融时序预测算法 被引量:3
6
作者 李大舟 于锦涛 +2 位作者 高巍 陈思思 朱风兰 《计算机工程与设计》 北大核心 2022年第5期1295-1303,共9页
金融时序预测可以为从业人员提供行业变化趋势信息。采用多路延迟嵌入变换将时间序列转化为低秩块Hankel张量,利用Tucker分解将高阶张量投影到压缩核心张量中,对核心张量使用季节性差分自回归滑动平均算法实现对未来的预测。在4个公共... 金融时序预测可以为从业人员提供行业变化趋势信息。采用多路延迟嵌入变换将时间序列转化为低秩块Hankel张量,利用Tucker分解将高阶张量投影到压缩核心张量中,对核心张量使用季节性差分自回归滑动平均算法实现对未来的预测。在4个公共数据集上验证了该算法与经典的XGBoost、VAR、SARIMA等算法相比具有更好的计算精度和更少的计算成本。 展开更多
关键词 多维金融时序预测 块Hankel张量 季节性差分自回归滑动平均算法 Tucker分解 多路延迟嵌入变换
下载PDF
基于小波低频分量的量化择时策略及仿真模拟 被引量:2
7
作者 王峰虎 齐祥会 贺毅岳 《统计与决策》 CSSCI 北大核心 2018年第4期143-147,共5页
文章运用Best Basis Selection(BBS)算法选取最优小波包基,对上证综指收盘价进行小波包非线性阈值消噪,在消除随机性干扰的基础上,针对传统均线策略买卖信号滞后性的不足,根据不同分解水平的小波低频分量能够反映信号基本和次级趋势... 文章运用Best Basis Selection(BBS)算法选取最优小波包基,对上证综指收盘价进行小波包非线性阈值消噪,在消除随机性干扰的基础上,针对传统均线策略买卖信号滞后性的不足,根据不同分解水平的小波低频分量能够反映信号基本和次级趋势且不具滞后性的特点,提出了一种基于小波低频分量的量化择时策略,并对该策略和传统的均线策略分别用R语言进行仿真模拟交易和回测,实验表明在类似风险的情况下,该策略在提示基本和次级趋势买卖信号的同时可以缩短交易信号的滞后性,具有更好的投资表现。 展开更多
关键词 小波包变换 金融时序消噪 小波低频分量 量化择时策略
下载PDF
基于滑动窗口-变分模态分解的深度学习金融时序预测
8
作者 江嘉华 徐鹏程 邓小毛 《电脑知识与技术》 2022年第34期14-18,共5页
针对金融数据的时序特征,构造了滑动窗口-变分模态分解(SW-VMD)的数据处理方法,对股指收盘价以及收益率时序数据进行分解与重构,把非线性、非平稳的数据序列转换为线性且平稳的数据。处理后的数据作为长短时记忆神经网络(LSTM)的输入数... 针对金融数据的时序特征,构造了滑动窗口-变分模态分解(SW-VMD)的数据处理方法,对股指收盘价以及收益率时序数据进行分解与重构,把非线性、非平稳的数据序列转换为线性且平稳的数据。处理后的数据作为长短时记忆神经网络(LSTM)的输入数据,对股票指数未来的收盘价和收益率进行预测分析。实证分析将趋势准确率作为模型的评价指标,以此反映模型对隔天收盘价和收益率涨跌的预测能力。结果显示,与无数据分解的模型相比较,采用了数据分解后的LSTM模型在趋势预测准确率上有显著的优化效果。 展开更多
关键词 滑动窗口 变分模态分解 长短时记忆神经网络 金融时序预测
下载PDF
区间型金融时间序列的长记忆性研究
9
作者 丁勤祥 王哲 +1 位作者 王艺宁 李铭源 《重庆工商大学学报(自然科学版)》 2020年第1期104-111,共8页
研究金融时序的长记忆性能够帮助人们更加准确地刻画金融市场的特征,而在现有研究中,有关区间型金融时序长记忆性的研究很少。因此,考虑了区间型金融时序蕴含的长记忆性特征及其基于现有实值金融时序长记忆性建模的区间值时序预测模型,... 研究金融时序的长记忆性能够帮助人们更加准确地刻画金融市场的特征,而在现有研究中,有关区间型金融时序长记忆性的研究很少。因此,考虑了区间型金融时序蕴含的长记忆性特征及其基于现有实值金融时序长记忆性建模的区间值时序预测模型,首先,将区间数表示成区间中心和区间半径的形式;然后分别对中心和半径序列进行长记忆性检验,并对具有长记忆性的序列进行组合预测;最后,以上证综指和深证综指的区间股指为实证对象进行验证。实证结果表明:上证综指的区间股指具有明显的长记忆性,且组合预测能够显著提高区间型金融时序的预测精度。 展开更多
关键词 区间金融时序 长记忆性 HURST指数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部