资源描述：
《毕业论文--基于数据挖掘的高频金融时间序列微观结构噪声估计》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、湖南大学毕业设计(论文)·HUNANUNIVERSITY毕业论文论文题目基于数据挖掘的高频金融时间序列微观结构噪声估计学生姓名学生学号专业班级自动化二班学院名称电气与信息工程学院指导老师学院院长2015年5月27日湖南大学毕业设计(论文)·摘要高频金融时间序列的分析研究是一个最近比较热的研究领域，而怎样才能更准确的预测金融市场波动率也一直是这个领域中的核心问题。在当前市场中，低频数据只包含了少量有价值的信息和许多的噪声，这样无法更准确全面的估计市场波动率，所以我们要进行高频金融时间序列的分析研究。高频金融时间序列就是以每小时、每分钟、
2、每秒为频率所采集的金融数据。在高频序列中，由于微观结构噪声的存在，对市场波动率产生了明显的影响，所以要进行对微观结构噪声的消噪。基于前人对波动率研究的成果，提出在不同假设情况下估计市场微观结构噪声误差的方法，与常用方法进行比较，得到其渐进性质。渐进性质主要是得到噪声方差的渐进性质。为了更好的反映真实存在，故讨论在噪声序列之间及噪声与有效价格之间存在相关性的假设下的噪声序列方差的估计。本论文基于中国股市逐笔交易数据，先用小波分析剥离出噪声信息，再运用ARMA（自回归平均滑动）模型算法对微观结构噪声进行估计，得出噪声的方差等渐进性质。最后
3、通过分析对比，推出结论。关键词：高频金融时间序列,微观结构噪声,方差,ARMA（自回归平均滑动）,小波分析High-frequencyfinancialtimeseriesbasedondataminingmicrostructurenoiseestimationAbstract湖南大学毕业设计(论文)·Highfrequencyfinancialtimeseriesanalysisisarelativelyhotareaofresearchrecently,andhowcanmoreaccuratelypredictvolatili
4、tyinfinancialmarketshasalsobeenacoreprobleminthefield.Inthecurrentmarket,thelowfrequencydataonlycontainsasmallamountofvaluableinformation,andalotofnoise,sounabletomoreaccurateestimatesofthecomprehensivemarketvolatility,sowemustcarryonthehighfrequencyfinancialtimeseriesa
5、nalysisandresearch.High-frequencyfinancialtimeseriesisanhour,everyminute,everysecondofthefinancialdatacollectedforfrequency.Inthehighfrequencysequence,asaresultoftheexistenceofmicrostructurenoise,hasasignificantimpactonmarketvolatility,somustcarryonthede-noisingofmicros
6、tructurenoise.Basedonpredecessors'researchonvolatility,undertheconditionofdifferenthypothesismethodtoestimatethemarketmicrostructurenoiseerror,comparedwithcommonmethods,itsprogressivenature.Progressivenaturemainlygetprogressivecharacterofnoisevariance.Inordertobetterref
7、lectthereal,sothediscussionbetweenthenoisesequenceandthecorrelationbetweennoiseandeffectivepriceundertheassumptionofthenoisesequenceofvarianceestimation.Inthispaper,basedonChina'sstockmarkettransaction-to-transactionbasisdata,fromnoiseusingwaveletanalysistheinformationf
8、irst,thenusingtheARMA(autoregressiveaveragesliding)estimatealgorithmofmicrostructurenoisemodel,itisconcludedth
