毕业论文

当前位置: 毕业论文 > 数学论文 >

金融时间序列的Hilbert谱分析研究

时间:2018-01-11 14:48来源:毕业论文
对深证和万科股票价格进行了EMD分解,得到了在不同模态上的波动曲线以及十几年的大致走势为上升后下降。随后对其进行Hilbert谱分析,得到价格指数的中心频率以及波动。在此基础上
摘要:金融时间序列分析已成为金融市场研究中必不可少的一部分。金融时间序列是非线性非平稳的变化过程,Hilbert-Huang变换(HHT)是近年来发展起来的一种处理非线性非平稳时间序列的新方法。HHT方法由两部分所组成:经验模态分解(EMD)和Hilbert 谱分析,其中EMD是Hilbert谱分析的基础,这种分解方法应用广泛并且高效。
    本文采用HHT方法对深证指数以及万科指数进行了分析,得到的主要结果如下:
首先,对深证和万科股票价格进行了EMD分解,得到了在不同模态上的波动曲线以及十几年的大致走势为上升后下降。随后对其进行Hilbert谱分析,得到价格指数的中心频率以及波动。在此基础上对股价的变化进行了大体的分析。17475
其次,随后根据前十几年的股票价格,利用灰度模型对深证指数和万科价格指数在2011年的大致走势进行了预测,并同2011年的实际值进行了比较分析。
关键字:HHT; 经验模态分解(EMD); IMF
Analysis Financial Time Series by Hilbert Spectral
Abstract: The analysis of financial time series has become an essential part in the study of  financial market. As we know, the financial time series is a non-linear and non-stationary process. Hilbert-Huang Transform ( HHT ) is a new method to analyze non-linear and non-stationary problems. HHT consists of two parts: Empirical Mode Decomposition ( EMD ) and Hilbert spectral analysis. EMD is the basic part , and it is widely applied and efficient.
Shenzhen stock index and Vanke index are investigated in this paper using the HHT method, the main results obtained are as follows:
First of all, the Shen Zhen and Vanke stock price wave motions in different modes are obtained through the EMD, and the movements in the last ten years. Then the index of the center frequency and wave are got by Hilbert spectral analysis . The general trend on stock price is analyses.

源自六/维-论;文;网!加7位QQ324,9114 www.lwfree.cn


Secondly, according to the stock price in the previous ten years, gray model was used to predict the Shen Zhen stock index and Vanke price index's general trend in 2011.  And  the real value and the predict value are compared and analysised about the different and similar points between them.
Keyword: Hilbert-Huang Transform;EMD;IMF
目录
第一章 绪论    1
1.1研究背景和意义    1
1.2 研究现状    2
1.3 研究目的与思路    3
第二章 Hilbert-Huang变换方法简介    4
2.1 EMD分解方法    4
2.2 Hilbert谱分析    7
2.3 小结    7
第三章 金融时间序列的Hilbert-Huang变换    9
3.1 时间–频率分析的深证指数价格数据    9
3.2 时间–频率分析的万科股份价格数据    12
3.3 数据分析    14
3.3.1深证成指与个股的关系    14
3.3.2 股票指数不同尺度模态相关性分析    16
3.4 运用灰度模型预测数据    18
3.4.1累加生成运算    18
3.4.2 灰色系统建模,用最小二乘法估计得到参数    18
3.4.3 解一阶线性微分方程,得到时间响应函数    19
3.4.4 数据预测值    19
3.5 小结    21
第四章 结论与展望    22
4.1结论    22
4.2 展望    22
致谢    23
参考文献    24
第一章 绪论
1.1研究背景和意义
金融市场又可以被称为资金市场或资金融通市场,包括有货币市场以及资本市场。在金融市场上交易依赖于各种金融工具,例如股票、储蓄存单以及债券等。同时以上也是国家进行宏观调控的手段,根据对以上数据的分析可以看出整个经济体的繁荣和衰退。因此关注金融数据,并对其进行分析,对个人与的投资、消费以及微观经济有重要影响,同时也对国家实施怎样的财政政策以及货币政策有重要的影响。资金融通是指资金供求双方在经济运行过程中,运用以上介绍的金融工具来调节资金盈余,也就是所有金融的交易活动。而金融时间序列是指将某种金融现象的其中一个统计指标的各个数值在不同的时间段上表示出来,这种表示排序是按时间先后进行的。例如:货币供给量就是通过买卖证券进行控制。增加货币供给量时,就向公众购买大量债券,实施扩张性货币政策,从而市场利率下降,国民总收入上升;减少货币国家的货币供给,就是向公众出售大量债券,施行紧缩性货币政策,市场利率上升,国民收入下降。因此国家债券价格就是金融现象的其中一个重要统计指标,将不同时间的债券价格进行按时间顺序的排列就形成了一个金融时间序列了。金融时间序列分析早已成为金融市场研究中必不可少的一部分。 金融时间时间序列分析方法已是金融定量分析的主流方法之一。 近代计量经济和金融市场的许多研究成果都建立在时间序列分析的基础之上。Engle和Grange因为他们的时间序列模型在经济金融中的广泛应用而获得2003年的诺贝尔经济学奖。 金融时间序列的Hilbert谱分析研究:http://www.lwfree.cn/shuxue/20180111/19153.html
------分隔线----------------------------
推荐内容