基于符号时间序列分析的金融波动分析与预测

《基于符号时间序列分析的金融波动分析与预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于符号时间序列分析的金融波动分析与预测AnalysisandForecastofFinancialvolatilityBasedonSymbolicTimeSeriesAnalysis学科专业：管理科学与工程研究生：王雨蒙指导教师：徐梅副教授天津大学管理学院二零一二年十一月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对

2、本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要高频金融数据包含更多的市场信息，由于其在市场微观结构的实证研究方面

3、的重要性而受到广泛关注。对高频金融波动的研究对股票估值、衍生产品定价、资产组合配置、风险管理、货币政策的制定等至关重要，传统分析方法针对具体的波动数据，建立波动模型，本文则从不同的角度出发，分析与预测高频金融波动的整体模式。本文首先将符号时间序列分析方法与K-NearestNeighbors(K-NN)算法相结合，提出了一种基于符号时间序列直方图的高频金融波动整体分布的预测方法。第一步将观测所得的时间序列变换为符号时间序列，利用符号序列直方图直观表示符号序列的分布，引入符号直方图时间序列的概念，采用K-NN算法得到下一

4、个周期符号序列直方图的预测。在K-NN算法中，针对符号序列直方图的特点，2提出以欧几里得范数，χ统计量和相对熵作为选择邻居时的符号直方图序列相似度的度量方法，并利用系统自身的几何特性确定符号直方图序列的嵌入维数。其次，利用可以有效提取日内信息的“已实现”波动来度量高频金融时间序列的波动，首次使用具有鲁棒性的排列熵方法分析“已实现”波动序列的顺序模式、序列之间的广义同步，利用全概率理论，在已知历史“已实现”波动顺序模式的情况下，预测下一个交易日的“已实现”波动处于不同水平的概率。针对本文所提的方法，均以上证综指或深证成指

5、5分时的高频数据检验了方法的可行性与有效性。结果表明直方图时间序列的预测所得结果整体误差均在可以接受的范围内，预测所得的分布与真实分布均值相同，但是方差较小；而基于排列熵方法分析时，发现这两个指数的“已实现”波动序列之间基本不存在广义同步，确定了它们的主要顺序模式，并基于主要顺序模式对“已实现”波动水平进行预测，结果显示主要顺序模式的条件顺序模式仍然占主要地位。关键词：符号时间序列直方图，K-NN预测，“已实现”波动，排列熵，广义同步ABSTRACTFinancialhigh-frequencydataincludem

6、oremarketinformationanditisanimportantpartintheempiricalresearchofmarketmicrostructure,thisrecognitionhasspurredanextensiveandvibrantresearchintoit.Thestudyofhigh-frequencyfinancialvolatilityisanimportanttaskinfinancialmarkets,especiallyinrelationtoassetallocati

7、on,riskmanagement,securityvaluation,thepricingofderivativesandmonetarypolicy-making.Thetraditionalmethodsalmostfocusonthespecificdataandtrytoconstructprecisemodels,however,thisarticleanalyzesandforecaststheentirepatternsofhigh-frequencyfinancialdatafromadifferen

8、tangle.First，AnewmethodofcombiningsymbolictimeseriesanalysisandK-NearestNeighbors(K-NN)algorithmisputforwardtoforecasthighfrequencyfinancialvolatilitybasedonsymbolict