共查询到20条相似文献,搜索用时 15 毫秒
1.
ARCH类模型是当今金融时间序列波动性建模分析的最重要的工具。而随着金融时间序列研究不断深入,金融时间序列的波动性特征不断显现,最初的ARCH类模型以及无法满足金融时间序列波动性建模的需要。因此,ARCH类模型也经历了相应的发展。 相似文献
2.
尽管金融经济学家很早就知道经济时间序列的波动率有簇聚效应,并且边际分布具有尖峰形态,但却一直没有建立能够反映这种特点的时间序列模型。恩格尔在20世纪80年代早期开始了波动率模型的研究,成功地突破了传统的时间序列统计分析方法,开创性地建立了随时间变化的波动率模型一自相关条件异方差(ARCH)模型,从而有力地推动了金融经济学的发展。本文介绍了ARCH模型的产生背景、模型结构及其对金融经济学的学术价值。 相似文献
3.
4.
5.
由于传统时域分析的狭隘性,能从时域和频域两个角度同时充分描绘信号物理特性的小波分析方法引起了众多学者的关注,小波分析应用于金融时间序列分析逐渐成为趋势。小波方法由于具有良好的去噪性与多分辨分析能力,能够出色地完成对非平稳序列的拟合、奇异点的定位等工作,被普遍应用于单个市场、多个市场的金融时间序列分析以及金融时间序列中非市场因素的探究等方向。本文基于小波方法在金融时间序列分析中的"应用"视角,对该领域的部分文献进行了评述与总结,并对其未来研究提出了展望。 相似文献
6.
本文以已经实现的中国人民银行经济金融时间序列数据库系统为基础,介绍中央银行如何借助计算机工具从事金融调查统计和分析预测工作,以及该系统的设计方法和主要功能。 相似文献
8.
9.
10.
本文对今年来欧元兑美元的日收盘价进行数据分析.发现欧元/美元汇率日波动不服从正态分布。而且汇率的时间序列有波动异方差性,根据近年来欧元/美元的汇率数据特征.建立欧元/美元汇率的GAR.CH(1,1)预测模型,实证分析所建模型的拟合度较高,适应做短期预测。 相似文献
11.
12.
提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。 相似文献
13.
14.
15.
16.
17.
通过证明ADF检验模型中滞后差分项m与ARMA(p,q)模型中阶数p的关系,在Pandit-Wu建模方法基础上,归纳出ARMA(p,q)建模的一种方法。并以广西外经贸2005~2009年10月的出口数据为例。 相似文献
18.
改进SVR在金融时间序列预测中的应用 总被引:2,自引:0,他引:2
针对目前金融时间序列预测方法的不足,在利用训练样本与测试样本间马氏距离对惩罚因子进行加权的基础上,改进传统的支持向量回归机(SVR).通过以上海证券综合指数趋势的预测为例子,与标准BP人工神经网络(BPANN)和SVR方法进行了对比,发现该方法能获得更准确的预测结果.结果表明,该方法能充分反映股票价格时间序列趋势规律,是研究金融时间序列预测问题的有效方法. 相似文献
19.
对中国上世纪90年代末以来有关金融发展与经济增长之间的实证研究进行综述,其思路是根据已有研究中采用的计量方法进行阐述分类.通过对这些实证研究进行归纳整理后发现,虽然研究对于我国金融改革有一定的指导意义,但是仍然存在一些问题值得我们进一步深入研究. 相似文献
20.
股票价格的波动是影响整个金融市场最重要、最直接的因素,对于以股票价格变化的研究来衡量风险价值具有很重要的现实意义。本文主要借助于恒生指数每日的收盘价进行GARCH效应分析并进行建模,通过设定残差分布的不同形式考察残差分布对建模的影响。最后,将GARCH模型拟合出来的方差的值带入风险价值量模型中,从而得到精确度更高的VAR值。 相似文献