一、用分形方法预测石油股票价格和指数(论文文献综述)
戴子安[1](2021)在《中国金融市场高频已实现波动率多重分形特征辨识及应用》文中研究指明金融市场投资标的的波动率研究一直以来都是金融领域研究的核心内容之一。已实现波动率作为代表性波动率之一,能够很好的反映出投资者对市场的态度和看法。随着信息与计算机技术的巨大进步,中国金融市场的交易频率飞速提升。在此基础上,高频微观下的已实现波动率研究正逐步展现其重要的研究价值。这其中,物理金融学的大力发展将多重分形这一重要的非线性工具引入了金融学的应用之中,为金融市场的研究提供了重要的分析工具。本文首先利用这一工具对高频微观结构下的已实现波动率进行了深入的投资者特征异质性探讨,而后基于其多重分形特征中的局部自相似性提出了专门针对高频已实现波动率的预测和刻画的多尺度多自相似区间参照法,最后基于其自相似性拓展了高频已实现波动率在金融市场中投资交易和风险管理的实际应用。论文的主要创新工作归纳如下。1.在我国金融市场投资者的异质性研究中,将高频已实现波动率的多重分形特征值引入其评估体系,建立高频已实现波动率的多维度特征矢量。通过对特征矢量间的欧氏距离的对比来进行投资者特征的异质性研究。传统研究表明,投资者的特征与外部环境有着密切联系,而本文借助我国多层次资本市场所提供的丰富金融衍生品,进一步的将异质性的研究推进到投资同一类标的的投资者在完全相同的外部环境下的异质性辨识及总结。在这一研究中,首先通过静态和动态的多重分形特征辨识发现即使都以上证50指数为投资标的,投资途径不同的投资者通过期货、个股和ETF的形式参与到上证50指数的投资中,这些投资者在面对完全相同的外部环境时,依然存在着显着的异质性,不同于传统研究中的定性式研究结论,利用多重分形特征值可以数量化的对这一异质性进行总结和展示。其次,利用多重分形特征值构成的矢量,研究者能够利用矢量间的欧氏距离对不同投资标的的投资者特征进行分类总结,更好的对投资者特征转化进行观察和比较。而后,利用虚假临近点的统计检验方法验证了多重分形特征值在这一过程中的必要性,说明传统的量价指标体系并不足以对投资者特征进行总结辨识,引入多重分形这一研究工具是合理且有效的。最后,通过引入具有代表性的高换手率个股与指数权重股进行实证检验,检验结果中一些个股的投资者特征时而与机构投资者最为类似,时而与散户投资者更为接近,存在着变化速率快、变化幅度大的特征,充分验证了我国金融市场中投资者行为特征的复杂性与多变性。2.在高频已实现波动率的刻画和预测研究当中,提出了基于其局部自相似性的多尺度多自相似区间参照法。高频已实现波动率的研究其本质就是投资者特征的研究,通过上海证券交易所、深圳证券交易所及中国金融期货交易所公布的统计数据可以发现,以散户为主的个人投资者是影响高频已实现波动率的主要人群。目前散户的主要指导思想为基于周期性特征的技术分析,从而导致了高频已实现波动率的周期性及自相似性,为多尺度多自相似区间参照法提供了现实基础。而高频已实现波动率的多重分形特征则为该方法提供了局部自相似性的理论基础。多尺度多自相似区间参照法通过对过往数据在不同时间尺度上的自相似性检验,找到不同尺度上的自相似区间,综合参照这些自相似区间选取合适的预测方法对未来的已实现波动率进行预测。通过上证50指数期货为例的实证分析,相较传统的高精度预测模型--ARFIMA和时下较为流行的神经网络智能算法--LSTM,该方法不但能够提供较高的预测精度,同时还能够弥补当前已实现波动率预测模型中解释能力不足的缺陷,尤其是在对未来波动的变化趋势判断上,该方法达到了70%的准确率。同时,通过不同方法的对比可以发现,固定化、标准化的模型或算法很难在长时间跨度的研究中保持稳定,究其原因,是因为固定化模型在高频已实现波动率研究中的解释能力难以跟上投资者特征的转变速率。最后,在后续的多尺度多自相似区间参照法参数探讨中,进一步提升了该方法的解释能力,目前我国高频已实现波动率受长、中、短期的尺度共同影响,但是其中短时间尺度的影响更为显着。3.针对高频已实现波动率研究往往应用较为困难的情况,提出了新的应用。利用高频已实现波动率所反映的投资者行为的多尺度自相似性,可以更好的对不同时间尺度的行情往复进行预测。通过对投资标的在不同时间尺度上的自相似强度评估,可以有效对该投资标的未来在不同时间尺度上的波动进行预测,找寻大概率存在的潜在交易机会,提升投资者的资金使用效率。该方法通过选取高频已实现波动率的多维度指标建立自相似矢量,而后对自相似矢量进行标准化处理,计算每个矢量间的两两距离,从而找到中心矢量。利用中心矢量与各矢量间的距离对不同尺度的自相似程度进行排序和筛选,选取自相似程度最强的时间尺度,在该尺度下行情大概率会出现类似的波动情况,依据该特征可以对未来的潜在交易机会进行有效的评估,从而提升资金使用效率。论文分别选取了波动相对较小的指数型ETF、波动较为剧烈的高换手率个股、波动情况较为复杂的指数权重股三类投资标的进行实证检验,该方法均准确的找到了自相似程度最强的时间尺度以及其对应的潜在波动情况。4.高频已实现波动率的研究在带来经济利益的同时,也能够较好的对日内风险管理提供帮助。目前我国的金融市场交易频率极高,因此日内的异常波动风险也需要进一步的进行观察和预测。论文基于高频已实现波动率的自相似性,利用拉伸指数分布对高频已实现波动率的异常波动时间间隔进行密度函数估计。在拉伸指数分布的估计过程中,利用多重分形特征值中的赫斯特指数,可以对拉伸指数分布中的参数进行计算。通过对比核函数和指数分布估计的结果,可以发现,拉伸指数分布的方法计算便利、相较指数分布能够较好的覆盖长时间间隔时的尾部特征,而对比核函数估计的结果,拉伸指数分布有着明确的连续函数形式,在后续的使用中更为便利。
彭宇灿[2](2021)在《基于ARFIMA-GRACH-SVM模型的股指预测研究》文中研究表明自1990年Peters提出分形市场假说,对金融时间序列非线性的研究就从未停过,其中就包含长记忆性和条件异方差性的研究。这些研究中得到的非线性模型,使得学者们可以解决一些传统时间序列方法无法解决的问题。另外,随着计算机的不断发展,大量学者将机器学习应用到金融数据的预测当中。在2020年,世界金融市场受到了新冠疫情的剧烈冲击。美国作为世界金融中心,在3月的时候,其股票触发了 4次熔断。这一系列的震荡对中国股市也产生了一定程度的影响。而股市是一个国家经济的晴雨表,因此正确判断股市动向对于普通投资者和国家监管机构都十分重要。本文使用经验模态分解算法,将数据分解为波动部分和趋势部分,并用非线性时间序列模型和含有外部变量的机器学习模型建立估值模型,以期望取得更好的预测效果。本文可分为七个部分,第一章主要介绍各个模型在金融中的发展与应用;第二、三、四、五章详细介绍本文需要的理论知识、模型方法、建模步骤以及优化准则;第六章是本文实证部分,分别对沪深300和中证500采用线性组合和支持向量机组合的方式建立基于ARFIMA-GARCH-SVM的组合预测模型,并与单一ARFIMA模型和ARFIMA-GARCH模型作比较;第七章是对本文模型的总结和展望。本文的创新点在于通过EMD方法分解数据,并结合ARFIMA模型,以达到在减少差分阶数的同时,过滤数据噪声的目的,最大限度利用数据中的信息,再使用支持向量机的方式对GARCH模型的波动方向进行估计从而减少传统ARFIMA-GARCH模型波动的随机性,在过往的研究中很少有相关文献同时使用这四个方法;另外本文的组合方式使用的是机器学习方法通过非线性的方式处理GARCH模型预测值需要乘以的随机数,以期望减小误差;再者,对于在SVM模型中使用外部变量进行多步预测的问题,本文采用了建立多个模型进行处理。最终本文从各模型的比较结果中发现,数据表现出较强非线性时,使用SVM进行组合的组合模型模型能够对前面各个部分的预测结果进行修正,并且预测结果明显好于仅进行线性组合的组合模型。最后本文选用组合模型对疫情影响期间的股指进行短期预测,并利用组合模型和GARCH模型预测结果作为投资依据,对投资者提供可行性建议:本文建立的组合模型基本可靠,投资者可根据组合模型未来五天的预测值决定下一周的投资选择,但是当发现GARCH模型预测值较大时需要谨慎,由于波动较大,可能会使得组合模型失效。
董振宇[3](2020)在《国际原油价格短期预测模型、优化算法及应用》文中研究指明国际原油价格预测作为世界性难题,一直以来都受到国内外学者和石油企业的高度关注.此类问题涉及数学,能源经济,工程学,控制论,计算机科学等,是一门新兴的交叉学科.本文以国际原油市场分析和预测为背景,梳理概括了国际原油市场及其价格形成机制,主要研究国际原油价格短期预测模型,优化算法及其应用问题.应用整数规划,多元回归等计量经济模型以及变分系统等理论知识,建立了国际原油价格预测的双层随机整数规划模型以及基于国际原油价格影响因素的历史最优时段匹配模型,同时构造了国内柴油批发销量的离散线性时滞非齐次动力系统,证明了离散线性时滞非齐动力系统的强稳定性.本文一方面提出了短期国际原油价格走势预测模型,实现模型预测理论与实践经验充分结合,大幅增强了短期国际原油价格预测结果的解释性;另一方面,通过构建多元回归模型,将短期国际原油价格预测结果应用到石油企业实际价格营销策略中,不仅增强了石油企业价格营销策略科学性,同时也增强了短期国际原油价格预测结果实用性.本文主要内容概括如下:(1)梳理总结国际原油市场及其价格形成机制,包括主要国际原油期货市场,国际原油价格形成机制的历史演变过程等.通过对短期国际原油价格自身走势的规律研究,构建了以国际原油价格预测误差期望与方差最小为最优目标的国际原油价格预测双层随机整数规划模型,依据通过模型得出的最优状态转移矩阵,按照概率最大原则,预测未来短期国际原油价格走势.实证分析表明,利用该方法得到的国际原油价格预测误差相对较小,在预测短期国际原油价格走势,国内成品油价格调整等方面具有一定的实用价值.(2)选择具有代表性的,有连续日数据的美元指数,黄金价格以及道琼斯指数,作为模拟影响国际原油价格走势变化的外部市场环境数据指标,同时构建历史最佳相似时段模型算法,利用该优化算法得出与指定时段数据指标走势变化相似的该数据指标的最佳历史时段,通过比较不同数据指标历史最佳相似时段,寻找相似时段交集或重合部分,研究分析比较重合时段与指定时段的国际原油价格走势变化情况,预测指定时段之后的短期国际原油价格走势.(3)根据国内成品油价格形成机制,基于已有的短期国际原油价格预测结果,构建了石油企业柴油批发销量的离散线性时滞非齐次动力系统,以石油企业销售效益最优为目标函数,证明了目标函数优化问题存在最优解,构建了柴油批发价格调整的优化算法,定量分析了不同价格营销策略对石油企业柴油批发销量和效益的影响,为石油企业抓住油价波动时机实现销售效益最优,提供了科学合理的价格营销策略建议,具有较好的实际应用价值.(4)依据线性变分系统和非齐次线性变分系统的基本矩阵解的有限性,证明柴油销量离散线性时滞非齐次动力系统的强稳定性.
张亚丽[4](2020)在《随机金融市场波动模型构建及时间序列统计分析》文中提出金融市场是一个复杂的系统,价格机制的建模在风险管理和实物资产中起着至关重要的作用.基于agent-basde的随机动态系统的价格模型是证券市场研究的重要课题之一.引入统计物理学的方法来分析金融市场中的某些特征,使用统计物理力学来调查金融市场的方法,来自于经济学和物理学的交叉学科“经济物理学”(或被称为金融物理学),吸引了许多学者的研究兴趣.本文提出了两种新的随机金融市场波动模型,基于多类型多强度交互作用接触系统和带有随机跳的Sierpinski三角形分形格点渗流交互系统.然后,本文从不同的角度,采用多种方法研究了所提出的两种随机金融市场波动模型模拟数据的统计特性和非线性复杂性等特性.同时对比分析金融市场实际数据,得到了丰富的实证分析结果,这将有利于我们更好地了解金融市场的波动行为.数值经验研究表明,两种随机金融市场价格波动模型在一定程度上是合理的.此外,本文还分析了影响金融市场价格波动的机制.本文的主要工作如下:在第2章中,构建了两种新的随机金融市场波动模型.随机交互金融市场价格波动模型I是基于随机多类型多强度接触(MRIC)交互过程来构造的.多类型多强度接触交互过程是接触过程的扩展.在MRIC交互粒子系统中,粒子有两种,可以解释为两种疾病传播的模型,一种是重病粒子,另一种是轻病粒子.它们在不同的范围上有不同的传播强度,分别与重度感染和轻度感染的邻居的数量成比例,并且两种感染者的感染率都可以保持恒定.随机交互金融市场价格波动模型II是基于引入带有随机跳的二维Sierpinski三角形分形格点上的渗流交互过程构建的.在Zd上的Sierpinski三角形是有限分支的分形,具有自相似性.在第3章中,研究了基于随机金融市场波动价格模型I的统计分析结果.为了研究金融动力学的非线性复杂演化,引入了两种基于随机可视图的新方法和Lempel-Ziv复杂度分析来研究收益时间序列和相应的随机排序序列的复杂行为.可视图方法是复杂网络理论,LZC是复杂度的非参数度量,它反映了一系列新模式生成的速率.在本章中,实际股票市场指数与所提出的基于随机多类型多强度接触交互系统的模型的模拟数据进行了比较研究.此外,数值经验研究表明,模型与实际市场之间的复杂性行为相似.研究证实随机金融市场波动价格模型I在一定程度上是合理的.在第4章中,研究了基于随机金融市场波动价格模型II的统计分析结果.本章引入模糊熵和多尺度复合复杂度同步研究模型模拟数据收益时间序列的复杂度和同步行为,并和实际股票市场收益时间序列进行比较分析.结果表明,该模型的收益序列的随机性随参数的增加而增加,这表明在单位时间内影响股票市场的突发事件的频率随着时间尺度的增加,时间序列基本上变得更加同步.实证研究表明,随机金融市场波动价格模型II在一定程度上是合理的.在第5章中,分析了影响金融市场价格波动的机制.原油价格的波动对各种经济活动都有重大影响,在本章中,我提出了一种基于多尺度复合复杂度同步分析的时延定义,并将其用于研究股市是否对原油市场的大幅波动产生了延迟反应.然后,根据原油市场与金融市场之间的多尺度时延,通过交叉递归量化分析和深度典型相关分析,本章对原油市场与股票市场之间的联动同步和相关关系进行了度量.
翁旋龙[5](2020)在《WTI、Brent原油价格联动性动态分析及其在配对交易中的应用》文中提出本研究从原始价格时间序列和价差时间序列两个角度分析WTI原油(西德克萨斯轻质中间基原油)和Brent原油(北海布伦特原油)期货的联动性。静态时间序列分析表明,WTI原油和Brent原油的期货价格呈高度正相关,具有长期均衡关系并且互为格兰杰因果关系;价差序列的Hurst指数为0.39小于0.5,即价差的时间序列长期具有均值回复的性质,表明WTI原油和Brent原油的期货价格变化紧密联系、价差波动稳定,从而说明原油市场具有“全球化”特征。本文运用窗口长度为180天、移动长度为一天的滑动窗口动态分析发现,原油市场既存在同步波动的时段,也存在独立波动的时段,展现出短暂的“区域化”特征:在同步波动的时段,WTI原油和Brent原油期货价格的动态相关系数大于0.8,高度相关;动态Hurst指数时间序列在0.34附近波动,表明价差序列是均值回复的。在独立波动的时段,WTI原油和Brent原油期货价格为弱相关,动态Hurst指数是在0.5附近波动,表明价差序列是随机的。通过进一步分析价差序列的Hurst指数和多重分形的动态变化,分别确定了2007年8月7日和2010年6月11日为WTI原油和Brent原油价差的结构变化点和结构崩溃点。根据WTI原油和Brent原油联动性动态分析,从WTI原油和Brent原油的动态相关性、动态格兰杰因果关系以及动态Hurst指数三个角度来构造动态联动性配对套利策略的交易信号,若满足以下任意一个条件,则把这个时间点作为开仓信号:1)动态相关系数小于0.89;2)动态格兰杰检验显示单向因果关系;3)动态Hurst指数大于0.38。结果表明动态联动性配对套利策略表现要优于基于传统协整理论的配对套利策略,动态联动性配对套利策略的累计收益比基于传统协整理论的配对套利策略高出83770美金。
李燕[6](2020)在《基于递归图的股票市场非线性动力学演化研究》文中指出股票市场是一个真实且持续演变的极其复杂的动力学系统,特别是该复杂系统还呈现出一定的突变特性。1987年美国“黑色星期一”、20世纪80年代的拉丁美洲金融危机、1997年的亚洲金融危机及2008年美国次贷危机等金融危机的爆发,对建立在线性范式基础上的经典金融理论提出了挑战。在此背景下,社会科学与自然科学相结合的交叉研究科目——金融系统复杂性研究逐渐产生和发展。金融系统复杂性研究主要就金融系统的复杂性问题开展研究,金融学研究范式由完全理性、线性及静态的方法向适应性、复杂性及动态演化的方法转变。论文使用重构相空间理论及递归图方法,通过把一维股票价格时间序列嵌入到高维相空间中,进而可以在一个拓扑性质等价的高维相空间中通过分析状态向量轨迹的递归性来研究股票市场系统的动力学行为特征。论文主要就股票市场动力学特征的动态演化行为进行研究,尤其是从复杂性科学的视角探讨金融危机的形成、深化及扩散过程中股票市场动力学特征的演化进行系统性研究,解析金融危机传染的微观机制,深化对金融危机传染过程的认识,丰富金融危机传染问题的理论及实证方法,也为金融学研究范式的创新及转变提供借鉴。论文主要研究内容及结论如下:(一)从动态演化的视角来分析股票市场有效性的变化。使用递归图方法来获得股票价格时间序列的动力学特征。递归图中斜对角线长度的分布函数构建递归熵,它能够度量一维时间序列嵌入到高维相空间中状态矢量的聚集程度,及系统的确定性或可预测性程度,可用于量化股票市场的有效性程度。对14个发达国家(地区)和12个新兴国家(地区)的股票市场的有效性进行研究。研究得出:股票市场的有效性呈现出“相对有效——相对无效—相对有效”复杂的似周期性动态演化特征及时间尺度效应;社会环境的不稳定性及经济危机对市场有效性呈现负向效应;进一步使用经验模态分解法、最大熵谱分析法及Fisher检验研究发现美国股票市场的有效性在不同频率上存在约为3-5年、11年及25年的周期,这些周期与基钦经济周期提出的3-4年周期、朱格拉经济周期提出的10年左右经济周期及库涅茨经济周期提出的15-25年经济周期基本吻合。(二)股票价格的急剧涨跌现象越发频繁,尤其是股票市场崩盘给金融市场的稳定带来极大挑战。论文使用递归图方法及非线性时间序列突变检测的启发式分割算法对股票市场崩盘前市场动力学特征突变时点的检测问题进行研究。通过对12个发达国家(地区)的金融市场和10个新兴国家(地区)的金融市场的崩盘事件进行分析,研究发现:(1)股票市场崩盘前市场层流性特征值LAM会发生显着性大幅下降;(2)对金融危机期间美国股票市场的LAM序列进行递归分析,发现LAM序列呈现出类分形自相似性结构,且在递归图中均有空白带存在,说明股票市场崩盘前LAM序列存在相变;(3)使用非线性时间序列突变检测的启发式分割算法发现,在市场崩盘前,市场的动力学特征会连续出现异常突变,且异常突变时点早于市场崩盘2到8个月时间。(三)基于递归图方法的非线性时间序列分析方法己经越来越受到各领域研究者的重视,已经成功运用到多个领域。但传统递归图使用Heavyside阶跃函数来判断相空间中状态点的递归行为,存在两个问题:(1)Heavyside阶跃函数会产生刚性边界问题,造成信息丢失;(2)临界距离ε的选取非常关键,假若选取不恰当会导致递归分析结果的不准确,目前对该参数的选取并没有一个统一的方法。针对上述问题,论文的创新之处是:(1)判断状态相点递归性时使用高斯函数代替Heavyside函数,解决Heaviside阶跃函数所造成的递归分析结果具有刚性和二元值问题;(2)使用局部二值模型(LBP)和纹理相似性度量Earth Mover’s Distance模型(EMD)就复杂系统动力学特征分析提出了对递归图进行纹理分析的新思路,并在此基础上构建了度量复杂系统动力学特征相似度的方法体系。(四)适应性市场假说(AMH)认为金融市场是动态演化的,市场泡沫及崩盘等状态显示出复杂的动态变化。AMH假说把金融市场看成是一个复杂的自适应性系统,在不同的外界背景下,市场特征表现出动态演化。目前,对适应性市场假说研究存在的一个难点问题是市场的演化行为如何量化。论文通过构建度量复杂系统动力学特征相似度性方法,从股票市场动力学特征演化视角就适应性市场假说进行实证研究。对14个发达国家(地区)及11个新兴市场国家(地区)的股票市场进行研究,研究结果:(1)股票市场的动力学特征呈现出动态演化且各市场的演化行为具有“异质性”;(2)大多数市场的EMD距离表现出逐级下降趋势,市场表现出适应性进化现象;(3)在2008年金融危机前后4年内,9个新兴国家(地区)金融市场的动力学特征发生了突变;(4)中国沪深A股市场在国家出台较大影响力政策或市场环境发生重大变化时,市场动力学特征都会发生非常明显的异常突变,如在2008年金融危机及2015年“股灾”期间,市场动力学特征出现异常突变。(五)金融危机传染逐渐成为金融领域的一个焦点和难点问题。目前,对此问题的研究大多遵循线性研究范式,未能解析出金融危机传染的复杂非线性特征及金融危机传染的内在微观机制。论文尝试从复杂性科学视角对金融危机传染问题开展研究,研究的基本思想是将各国金融市场看成具有不同动力学特征的动力学系统,对金融危机前、次贷危机及欧债危机过程中各金融市场动力学特征的动态演化及构建金融市场间动力学特征联动模式复杂网络进行研究。使用符号时间序列分析思想,将股票市场联动情况进行符号化处理,再粗粒化为由五个符号所组成的联动模式,由联动模式之间的转化关系构建股票市场动力学特征联动模式有向加权复杂网络,探究金融危机传染的内在微观机制。研究结论:(1)各国股票市场动力学特征在2007至2008年间都发生了较为明显的异常突变,2009至2011年间各国股票市场动力学特征发生持续性突变,相对次贷危机,欧债危机期间全球金融市场变得更为脆弱;(2)金融危机在全球股票市场中的传染表现出一种典型的“事件驱动”性特征,危机期间全球股票市场动力学特征联动模式复杂网络的结构及重要节点组成均发生明显变化。(六)由于市场环境、投资者情绪及金融机构的决策都处于不断变化之中,股市系统网络的拓扑结构也常常处于动态演化之中,静态复杂网络能够提供给我们关于股市系统复杂网络的信息是有限的,甚至容易“诱发”我们对股市系统复杂网络产生错误认知。论文从动态演化的研究视角,使用滑动时间窗口方法,构建全球73个股票市场动力学特征之间的动态演化关系网络。研究结论:(1)股票市场动力学特征复杂网络表现出典型的小世界网络特征,表明股票市场网络具有极强的信息传递能力,这就解释了发生在局部国家或地区的金融危机能够迅速扩展到其它国家或地区的原因。(2)随着金融危机的深入,网络的平均度值及平均聚类系数有增大趋势,网络直径及平均路径长度有下降趋势,股票市场动力学特征复杂网络的小世界网络特性会进一步加强,股票市场动力学特征复杂网络会表现出更强的同步能力,信息在股票市场之间的传播范围会明显扩大,网络的信息传输效率提升,市场之间的共振及联动会进一步增强。
凌美君[7](2020)在《中国能源市场和G20股票市场的多重分形分析》文中提出能源市场和股票市场是金融市场的重要组成部分,在经济全球化的背景下,金融市场的复杂性及市场间的联动性受到了广泛的关注.大量的研究已表明,金融市场是极其复杂的动态系统,通常呈现出显着的分形特征.本文运用多重分形分析的理论与方法,分别研究国内外能源市场以及G20成员国的股票市场的波动特征及市场内和市场间的相关关系,并揭示复杂波动行为的形成机理.对于能源市场,本文选取了中证能源指数、中证内地新能源主题指数和WTI原油日收盘价作为国内传统能源市场、新能源市场和国际原油市场的代表,运用MF-DCCA等方法研究国内外能源市场的波动特征及交互相关关系.实证结果表明,三个市场均有明显的波动聚集现象,呈现出“尖峰厚尾”的分布特征,三个市场间的交互相关关系存在多重分形性,并且新能源和传统能源指数之间的交互关系的多重分形性最强,意味着国内能源市场是一个低效的市场,市场的波动受到市场外的因素影响较大.同时,指出序列的胖尾分布是造成多重分形性的主要原因.对于股票市场,本文选取了全球最大的经济组织G20成员国的股票指数作为研究对象,运用互信息分析、MF-DFA和MF-DCCA等方法研究G20股票市场之间的交互相关关系、市场风险大小及市场间波动溢出效应.特别,研究了中国和G20中17个国家的股指之间的交互相关关系,以及G20中9个发达国家和9个新兴国家的股指分别与发达市场指数、新兴市场指数的交互相关关系.实证结果表明,上述这些交互相关关系都存在多重分形特征,且中国股指分别与其它新兴国家股指和新兴市场指数之间的多重分形性强度高于中国股指分别与发达国家股指和发达市场指数之间的多重分形性强度.此外,G20国家中的新兴国家所蕴含的风险比发达国家蕴含的风险小,而新兴市场指数蕴含的风险却比发达市场指数的要大.最后,我们给出全文的总结与展望.
朱婷[8](2020)在《分形方法与机器学习方法在金融市场中的应用研究》文中研究说明股票市场和外汇市场是金融市场的重要组成部分,也是金融市场分析中的热点研究对象.这两个市场的剧烈波动将对一个国家的金融安全乃至世界经济的平稳发展有重大的影响,因此,研究股票市场的波动特征,提高股票价格的预测精度,分析汇率市场的波动行为及相关关系等问题对风险管理、投资决策和国际贸易等具有重要意义.首先,本文借助分形插值的理论与方法分析中国股票市场的波动特征,并尝试建立新的数学模型对市场价格进行短期预测.以深证成指的收盘指数为样本数据,建立了分析股票指数的分形插值模型.在此基础上,将分形插值方法分别与SVM方法和BP神经网络方法相结合,提出了新的混合预测模型用于预测股票指数的短期变化,并比较三种预测模型的预测效果.结果表明,分形插值与SVM以及分形插值与BP神经网络两种混合预测模型的预测效果均比单独使用分形插值模型的预测效果更佳,预测精度更高.然后,本文选取全球新兴市场与发达市场中若干代表性国家的汇率为研究对象,运用包括MV-MFDFA、MV-MFDCCA和CDFA等在内的多重分形分析方法研究新兴市场和发达市场国家的汇率波动特征、交互相关关系及耦合相关关系.实证结果表明,两个市场内和两个市场间各国汇率序列的自相关、交互相关和耦合相关关系均具有多重分形特征,且中国和法国分别为新兴市场和发达市场中多重分形性最强的国家,而俄罗斯和澳大利亚分别为新兴市场和发达市场中更易受外界因素影响而波动的国家;新兴市场的汇率波动相比发达市场的波动更易受突发事件的影响,中国和俄罗斯以及澳大利亚与英国分别是所在市场汇率波动的主导国家;在新兴市场内,中国汇率市场比其他市场具有更强的波动传导效应,而发达市场内各国汇率之间的波动关系具有相似的持续性特征;此外,指出由于长程相关性和胖尾分布的不同影响,在新兴市场中,南非和中国分别与其他国家汇率市场的耦合相关性最强,而在发达市场中,法国和日本与其他国家汇率市场的耦合相关性最强.最后,我们给出本文的总结与相关问题的进一步研究展望.
刘振华[9](2019)在《经济政策不确定性下国际原油价格冲击对中国股票市场的影响研究》文中研究说明原油是重要的工业生产原材料,其价格波动与股票市场的相互作用和传导机制研究一直是风险防范和金融监管的重要课题之一。进入21世纪以来,由次贷危机和欧债危机引发的全球金融危机对世界经济的影响不断蔓延,国际油价和股票市场出现多轮暴涨暴跌,全球经济不确定性增强,不同市场间的风险传导效应增加。各国为了维护本国经济的有序发展而频繁出台财政、货币和监管等一系列经济政策,导致经济主体的政策不确定性升高。由此可见,原油与股票市场之间的相互作用关系并非孤立于经济政策不确定性,而是存在复杂的内在联系。随着中国原油对外依存度不断攀升,股票市场将持续面临国际油价冲击风险。而且,中国经济运行正处于增长速度换挡期、结构调整阵痛期、前期刺激政策消化期“三期叠加”的特定阶段,以及股票市场具有明显的政策干预特征。在此背景之下,探究经济政策不确定性在国际油价冲击传递至中国股票市场过程中的作用机制具有重要的现实意义。本文将经济政策不确定性纳入原油与股票市场研究体系,构建了“原油价格冲击—经济政策不确定性—股票市场”理论分析框架。从整体市场和行业板块两个维度出发,首先将国际油价冲击分解为原油供给冲击、总需求冲击和特定需求冲击,然后结合时变参数结构向量自回归(TVP-SVAR-SV)模型、波动溢出指数方法、滚动窗口分析技术、混频数据抽样动态条件相关系数(DCC-MIDAS)模型和马尔科夫区制转换模型,从收益率和波动率两个层面揭示了不同原因引起的国际油价冲击基于经济政策不确定性渠道对股票市场影响的机制、路径和结构,以及经济政策不确定性与原油和股票市场之间长期动态相关性的区制关联,从而理清经济政策不确定性在国际油价冲击传递至中国股票市场中的作用机制。最后,基于实证研究结论,从政策制定者、市场投资者和金融监管者等角度提出具体的政策建议。本文的主要研究内容和结论总结如下:(1)经济政策不确定性下国际原油价格冲击对中国股票市场收益的动态影响。首先,不同原因引起的国际油价冲击对股市收益的影响存在显着差异。原油特定需求冲击对股市收益的影响效应最大,然后是原油总需求冲击,而原油供给冲击的影响效应相对较小。其次,经济政策不确定性为国际油价冲击影响股市收益提供了渠道作用。原油特定需求冲击会显着增加经济政策的不确定性,并对股市收益起到抑制作用,而经济政策不确定性的增加又会对全球原油产量、实际原油价格和股市收益产生显着的负向影响,与此同时,原油总需求冲击会降低经济政策不确定性,最终抬高股市收益。再次,国际油价冲击和经济政策不确定性对股市收益的影响具有明显的时变特征。在经济动荡时期,股市收益对原油价格和经济政策不确定性冲击更加敏感。(2)经济政策不确定性下国际原油价格冲击与中国股票市场波动之间的动态溢出效应。溢出指数分析显示,油价冲击、经济政策不确定性和股市波动之间存在显着的时变溢出效应,总溢出指数在10%-40%范围内变化,其中结构性油价冲击在波动信息传递当中占主导地位。特别是经济政策环境不稳定时期,波动溢出指数明显升高,在2008年11月高达36%。溢出网络分析表明,原油供给冲击是系统内波动信息溢出的净接收方,而原油总需求冲击和特定需求冲击处于波动溢出的净输出方,经济政策不确定性和股市波动都是原油需求冲击波动溢出的净接收方。此外,原油总需求冲击和原油特定需求冲击均会通过经济政策不确定性进而对股市波动产生溢出效应,这进一步验证了经济政策不确定性为油价冲击传递至股票市场提供了渠道作用。从行业差异来看,与油价冲击和经济政策不确定性波动溢出关系较为紧密的是能源业、工业、公共事业和金融业股市,溢出关系较低的是信息技术业、电信服务业、医疗保健业和消费者常用品业股市。(3)经济政策不确定性对国际原油市场与中国股票市场之间长期动态相关性的影响。原油与股票市场之间的动态相关性具有均值回归特征,其短期成分围绕长期趋势变动。在经济繁荣和经济复苏时期,长期动态相关性保持在低位徘徊,而在经济衰退(如全球金融危机)期间长期动态相关性急剧上升且呈高位震荡态势。区制关联分析表明,在长期动态相关性较高且波动幅度较大的区制,经济政策不确定性上升将加强两市间的长期动态相关性;而在长期动态相关性较低且波动幅度较小的区制,经济政策不确定性的影响效应十分微弱。行业分析显示,经济政策不确定性对原油与能源业、金融业、工业、材料业和公共事业股票市场之间的长期动态相关性的影响程度较高,而对原油与消费者常用品业和医疗保健业股票市场之间的长期动态相关性作用程度相对较小。(4)基于实证研究结论,从政策制定者、市场投资者和金融监管者三个方面提出相关的政策建议。政策制定者既要保持政策的连续性和稳定性,以降低经济政策的不确定性,又要把握经济政策实施时机,实现适时适度宏观调控,还要针对不同原因引起的油价冲击,采取差异化应对策略。市场投资者需要密切关注经济政策变化,动态调整投资策略,同时把握油价冲击的行业影响效应,构造差异化投资组合。金融监管者应当重视市场联动关系的动态变化,向关注市场间风险传递的“太关联而不能倒”的监管理念转变,并且适度发挥监管职能,尽力避免直接政策干预,提高风险监测和管控能力,实现金融稳定和效率均衡。该论文有图40幅,表24个,参考文献369篇。
李秀明[10](2019)在《基于时间序列网络的能源价格波动与溢出机制研究》文中提出世界能源价格体系是一个涉及多元化参与主体的复杂系统。不同区域、不同种类的能源市场价格具有不同的行为特征,且能源价格之间相互影响,形成了多种溢出关系,从而使得能源价格的波动机制变得更加错综复杂。基于时间序列网络的建模和网络拓扑结构的分析,可以清晰地刻画和揭示能源价格波动的行为特征及波动溢出的关联机制。因此,本文试图通过构建改进的可视图网络模型、偏格兰杰因果关系网络模型、多尺度的灰色关联模式网络模型及时变的贝叶斯模式网络模型,揭示原油、天然气、可再生能源等不同能源价格的波动特征与演化规律,寻求能源价格波动的溢出机制和联动特点,从而从能源价格波动机制角度推进能源结构的多元化和低碳化发展。本文主要的研究内容和创新性研究成果主要体现在以下四个方面:(1)天然气作为一种清洁的化石能源,在各国能源消费结构中的比重越来越高。受资源禀赋和储运设施的影响,世界天然气价格体系具有明显的地域特征。本文首先基于已有的可视图模型构建了带参数的改进有限穿越可视图模型,最大程度的保留了序列的动力学特性;然后分别对日本液化天然气、欧洲天然气及北美亨利中心天然气价格进行实证分析。通过对平均度、平均链接长度、累积度分布等网络指标的评价与对比,结合三个区域天然气市场的资源禀赋、定价机制、管网设施等影响因素进行分析,揭示和识别三种代表性天然气价格不同的波动行为特征。(2)由于天然气对原油具有较强的替代性作用,已有文献对两者价格的关系进行了大量研究,但是由于数据选取和研究方法的不同,导致研究结果具有明显的差异性。本文选取了着名的亨利中心天然气现货价格和WTI原油现货价格作为样本数据,提出了多时间尺度的灰色关联模式网络模型。为了分别从短期市场供需不均衡因素、重大事件和政策因素、长期趋势三个方面揭示天然气价格和原油价格的波动溢出机制,模型首先对数据进行了分解,以灰色关联度来刻画不同时间尺度下的天然气和原油价格之间的动态关联关系,并以粗粒化方法构建灰色关联模式网络。通过节点强度中心性、边的转换能力系数以及模式的自转换能力系数这三个网络指标,分别识别出了三种不同因素下,两种价格间的重要关联模式、转换连边以及具有较大自转换能力的关联模式,为决策者把握天然气与原油市场关系、制定投资组合决策提供了关键的参考对象。(3)化石能源具有耗竭性、高污染性,天然气虽是能源结构过渡的一种重要资源,但是可再生能源才是世界能源转型的核心。近年来,世界对可再生能源的需求保持了持续性增长。股票市场中出现了许多可再生能源上市公司,这些公司的股价相互关联,形成了复杂的股票价格网络。本文选取了79家中国光伏上市公司,截取了2007.10.02-2016.10.03间的股票收盘价格作为样本数据;分别用格兰杰因果关系和偏格兰杰因果关系来刻画两个公司股价间的依赖关系,构建了格兰杰因果关系网络和偏格兰杰因果关系网络模型。实证结果显示,由于偏格兰杰因果关系能消除网络中其它公司的影响,反映公司间的直接依赖关系,从而更能真实地反映中国光伏企业股价间依赖关系的特征及演化规律。通过强度、介数、聚类系数、累积强度分布等网络指标的分析,识别和揭示出了中国光伏产业中最重要的企业、企业影响力和传导力的演化关系以及股价波动的传导效应,并且在分析过程中结合了光伏扶持政策、产业链结构以及地理分布等影响因素。(4)碳市场作为一种节能减排的有效工具,在越来越多的国家和地区兴起。由于化石能源是碳排放的主要来源,碳价与化石能源价格之间存在着复杂的传导和溢出机制。本文选取了四种期货价格,分别是欧盟碳排放配额、布伦特原油、伦敦国际石油交易所的天然气、鹿特丹煤炭,样本截取时段2009.06.02-2018.09.18。一方面,为了识别欧盟排放交易体系第二阶段和第三阶段下碳价与三种化石能源之间的因果影响关系,本文应用贝叶斯网络和交叉相关系数分别揭示了四种价格间的阶段性因果影响关系及价格间的领先/滞后关系。另一方面,为了揭示碳价与三种化石能源价格间因果关系随时间变化的动态演化特征和规律,构建了时变的贝叶斯模式网络模型,基于节点加权度、累积加权度分布分析,识别出了重要的贝叶斯关系模式及四种价格间因果关系模式的动态演化特征。
二、用分形方法预测石油股票价格和指数(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用分形方法预测石油股票价格和指数(论文提纲范文)
(1)中国金融市场高频已实现波动率多重分形特征辨识及应用(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.1.1 现实背景 |
1.1.2 理论背景 |
1.2 研究现状 |
1.2.1 有效市场假说 |
1.2.2 典型事实 |
1.2.3 金融市场分形及多重分形研究文献综述 |
1.2.4 波动率研究回顾 |
1.3 研究意义 |
1.3.1 当前相关研究的不足 |
1.3.2 理论与现实意义 |
1.4 研究内容与方法 |
1.5 论文结构安排 |
1.6 创新之处 |
2 多重分形理论及辨识方法 |
2.1 分形及分形市场理论 |
2.1.1 分形的定义 |
2.1.2 分形维 |
2.1.3 分形市场理论 |
2.2 多重分形理论 |
2.2.1 多重分形定义与刻画 |
2.2.2 多重分形辨识方法 |
2.2.3 关于多重分形辨识的参数选择 |
2.3 多重分形特征值 |
2.3.1 广义赫斯特指数与标度函数 |
2.3.2 奇异指数和多重分形奇异谱 |
3 中国金融市场高频已实现波动率多情景多重分形特征辨识及其特征值应用 |
3.1 标准研究对象的选取 |
3.1.1 上证50 指数 |
3.1.2 上证50 ETF |
3.1.3 上证50 指数期货 |
3.1.4 基于超高频数据的积分波动率算法 |
3.1.5 样本数据概览 |
3.2 中国证券期货市场的不同交易频率多重分形特征 |
3.3 中国证券期货市场的不同行情多重分形特征 |
3.4 高频已实现波动率的动态多重分形特征 |
3.4.1 整体变化情况 |
3.4.2 巨幅波动时的变化 |
3.5 引入多重分形特征值的投资标的历史表现评估 |
3.5.1 引入高频已实现波动率多重分形特征值的必要性检验 |
3.5.2 引入高频已实现波动率多重分形特征值的历史交易总结与评估 |
3.5.3 基于高频已实现波动率多重分形特征值的投资标的复杂性评估 |
3.6 本章小结 |
4 高频已实现波动率的多尺度多自相似区间参照法预测 |
4.1 金融市场高频已实现波动率的刻画与预测 |
4.1.1 GARCH类模型 |
4.1.2 HAR-RV模型 |
4.1.3 长短期记忆神经网络LSTM |
4.1.4 ARFIMA模型 |
4.1.5 高频已实现波动率的预测难点 |
4.2 多尺度多自相似区间参照法 |
4.2.1 理论基础 |
4.2.2 现实基础 |
4.2.3 多尺度多自相似区间参照方法 |
4.3 多尺度多自相似区间参照方法拓展研究 |
4.3.1 自相似性检验 |
4.3.2 参照自相似区间的预测基准选择 |
4.3.3 尺度选择 |
4.4 本章小结 |
5 基于多重分形特征的高频已实现波动率自相似性应用 |
5.1 自相似区间检验应用 |
5.1.1 自相似性程度检验方法 |
5.1.2 多投资标的自相似强度 |
5.1.3 多情景自相似强度 |
5.1.4 自相似强度的动态研究 |
5.1.5 通过自相似程度检验合理规划投资组合日内资金使用 |
5.2 高频已实现波动率的奇异事件时间间隔概率分布估计 |
5.2.1 长记忆性序列的奇异事件及奇异事件时间间隔 |
5.2.2 核函数密度估计 |
5.2.3 基于长记忆性的参数估计 |
5.2.4 数据实证 |
5.3 本章小结 |
6 总结与展望 |
6.1 研究工作总结 |
6.1.1 高频已实现波动率多重分形特征研究总结 |
6.1.2 高频已实现波动率预测总结 |
6.1.3 高频已实现波动率特征应用总结 |
6.2 当前研究的不足以及有待解决的问题 |
6.3 未来的研究方向 |
参考文献 |
致谢 |
(2)基于ARFIMA-GRACH-SVM模型的股指预测研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.3 本文主要研究内容 |
1.4 本文创新点 |
第二章 分形市场假说 |
2.1 有效市场假说 |
2.2 有效市场失效 |
2.3 分形市场假说 |
2.4 时间序列的长记忆性 |
2.4.1 长记忆的定义 |
2.4.2 重标极差分析法 |
第三章 经验模态分解 |
3.1 经验模态分解基础理论 |
3.2 经验模态分解过程 |
第四章 时间序列模型 |
4.1 时间序列基础理论 |
4.1.1 特征统计量 |
4.1.2 时间序列的平稳性及检验 |
4.2 分数阶差分自回归移动平均模型 |
4.2.1 ARFIMA模型定义 |
4.2.2 ARFIMA模型建模步骤 |
4.2.3 分数阶差分的意义 |
4.2.4 分数阶差分推导 |
4.2.5 ARFIMA模型预测公式推导 |
4.3 广义自回归条件异方差模型 |
4.3.1 时间序列异方差 |
4.3.2 GARCH模型定义 |
4.3.3 GARCH模型相关统计特征 |
4.3.4 GARCH模型建模步骤 |
4.3.5 ARCH效应的拉格朗日乘数检验 |
4.4 模型优化准则 |
第五章 支持向量机 |
5.1 线性可分支持向量机 |
5.2 非线性可分支持向量机 |
5.2.1 软间隔 |
5.2.2 核函数 |
5.2.3 对偶问题 |
5.2.4 分离超平面表达式推导 |
5.3 支持向量回归 |
第六章 股指预测实证分析 |
6.1 样本选取与建模步骤 |
6.1.1 样本选取 |
6.1.2 指标选取 |
6.1.3 建模步骤 |
6.2 沪深300预测模型 |
6.2.1 基于EMD的序列分解与重构 |
6.2.2 ARFIMA-GARCH股指预测模型 |
6.2.3 SVC预测模型 |
6.2.4 SVR预测模型 |
6.2.5 ARFIMA-GARCH-SVM组合模型 |
6.3 中证500预测模型 |
6.3.1 基于EMD的序列分解与重构 |
6.3.2 ARFIMA-GARCH股指预测模型 |
6.3.3 SVC预测模型 |
6.3.4 SVR预测模型 |
6.3.5 ARFIMA-GARCH-SVM组合模型 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
学位论文评阅及答辩情况表 |
(3)国际原油价格短期预测模型、优化算法及应用(论文提纲范文)
摘要 |
abstract |
主要符号表 |
0 绪论 |
0.1 研究背景与意义 |
0.2 国内外相关工作研究进展 |
0.3 本文研究思路和内容 |
1 预备知识 |
1.1 标准的回归假定 |
1.2 线性多元回归 |
1.3 常微分方程的一些性质 |
1.4 一般线性系统 |
1.5 国内成品油市场 |
2 国际原油价格预测的双层随机整数规划模型研究及应用 |
2.1 引言 |
2.2 国际原油价格形成机制 |
2.3 国际原油价格变化描述 |
2.4 国际原油价格预测的双层随机整数规划及算法 |
2.5 实证分析及应用 |
2.6 小结 |
3 国际原油价格短期影响因素分析、模型算法及应用 |
3.1 美元指数对国际原油价格影响分析 |
3.2 黄金价格对国际原油价格影响分析 |
3.3 道琼斯指数对国际原油价格影响分析 |
3.4 基于国际原油价格影响因素的历史最佳相似时段模型算法 |
3.4.1 历史最佳相似时段模型算法 |
3.4.2 模型应用 |
3.5 小结 |
4 国内柴油销售价格模型及优化算法 |
4.1 引言 |
4.2 国内柴油批发销量的离散线性时滞非齐次动力系统 |
4.3 柴油批发销售价格调整策略的优化模型及性质 |
4.4 柴油价格调整的优化算法 |
4.5 应用实例 |
4.6 小结 |
5 柴油销量离散线性时滞非齐动力系统的强稳定性 |
5.1 柴油销量离散线性时滞非齐次动力系统 |
5.2 线性变分系统 |
5.3 非齐次线性变分系统的基本矩阵解 |
5.4 柴油销量离散线性时滞非齐次动力系统的强稳定性 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
(4)随机金融市场波动模型构建及时间序列统计分析(论文提纲范文)
致谢 |
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及研究现状 |
1.2 重要的基础理论 |
1.3 创新点与主要研究结果 |
第2章 基于随机交互粒子系统的价格波动模型的构建 |
2.1 引言 |
2.2 基于多类型多强度接触交互系统的金融市场波动模型的构建 |
2.2.1 有限程多类型多强度接触交互过程 |
2.2.2 构造Agent-based随机交互金融市场波动模型I |
2.3 基于带跳Sierpinski三角形分形的金融市场波动模型的构建 |
2.3.1 谢尔宾斯基三角性理论 |
2.3.2 构造Agent-based随机交互金融市场波动模型II |
2.4 本章小结 |
第3章 基于随机交互金融市场波动模型I的统计分析 |
3.1 引言 |
3.2 统计分析特性 |
3.3 自相关分析 |
3.4 复杂网络理论 |
3.4.1 随机可视图与水平可视图 |
3.4.2 模拟与实证的随机VG和随机HVG的复杂性分析 |
3.5 Lempel-Ziv复杂度分析 |
3.5.1 Lempel-Ziv复杂度理论 |
3.5.2 模拟与实证分析 |
3.6 本章小结 |
第4章 基于随机交互金融市场波动模型II的统计分析 |
4.1 引言 |
4.2 统计分析特性 |
4.3 自相关分析 |
4.4 随机金融市场波动模型II的模糊熵分析 |
4.4.1 模糊熵分析的基本理论 |
4.4.2 模拟数据和实证数据的模糊熵分析 |
4.5 多尺度复合复杂度同步分析 |
4.5.1 多尺度复合复杂度同步方法基本理论 |
4.5.2 多尺度复合复杂度同步模拟和实证分析 |
4.6 本章小结 |
第5章 复杂系统的多尺度复合复杂度同步机制及实证分析 |
5.1 引言 |
5.2 方法理论 |
5.2.1 交叉递归量化分析 |
5.2.2 深度典型相关分析 |
5.3 MCCS时间延迟的实证结果 |
5.4 随机交互动力系统波动的相关性分析 |
5.4.1 复杂系统时间序列的交叉递归量化分析 |
5.4.2 复杂系统时间序列的深度典型相关分析 |
5.5 本章小结 |
第6章 总结与展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(5)WTI、Brent原油价格联动性动态分析及其在配对交易中的应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和目的 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.2 研究意义 |
1.3 研究内容和研究框架 |
1.4 研究方法 |
1.5 主要创新点 |
第二章 文献综述 |
2.1 WTI原油与Brent原油的联动性研究现状 |
2.2 金融领域分形理论研究现状 |
2.3 统计套利——配对交易研究现状 |
2.4 本章小结 |
第三章 国际原油期货市场概况 |
3.1 原油期货市场特征 |
3.2 原油期货市场的作用 |
3.3 世界主要原油期货品种 |
3.3.1 Brent原油 |
3.3.2 WTI原油 |
3.4 原油期货价格差异的原因 |
3.5 原油期货市场非线性的原因 |
第四章 基本理论和方法 |
4.1 原油期货市场价格联动理论基础 |
4.1.1 原油期货市场间价格联动的定义 |
4.1.2 经济全球化理论——原油市场全球化 |
4.1.3 市场整合理论 |
4.1.4 无套利均衡理论 |
4.1.5 信息传递与波动溢出效应理论 |
4.2 分形理论 |
4.2.1 分形的定义 |
4.2.2 Hurst指数 |
4.2.3 去趋势波动分析 |
4.2.4 自适应分形分析 |
4.3 统计套利 |
4.3.1 统计套利定义 |
4.3.2 统计套利原理——均值回归 |
4.3.3 配对交易 |
第五章 WTI原油和Brent原油联动性实证分析 |
5.1 数据来源及基本分析 |
5.1.1 数据来源 |
5.1.2 基本分析 |
5.2 Brent原油和WTI原油期货价格相关性分析 |
5.2.1 WTI原油和Brent原油期货价格整体相关性 |
5.2.2 WTI原油和Brent原油期货价格动态相关系数分析 |
5.3 WTI原油和Brent原油期货价格格兰杰因果检验 |
5.3.1 静态WTI原油和Brent原油期货价格格兰杰因果检验 |
5.3.2 WTI原油和Brent原油期货价格动态格兰杰因果检验 |
5.4 Brent原油和WTI原油期货价差的分形分析 |
5.4.1 静态Brent原油和WTI原油期货价差Hurst分析 |
5.4.2 动态Brent原油和WTI原油期货价差Hurst分析 |
第六章 动态联动性配对交易 |
6.1 配对交易策略设计 |
6.2 配对交易的实证分析 |
第七章 总结与展望 |
7.1 主要研究结论 |
7.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表论文情况 |
(6)基于递归图的股票市场非线性动力学演化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景 |
第二节 研究的理论意义及应用价值 |
一、研究的理论意义 |
二、研究的应用价值 |
第三节 创新点 |
第四节 研究方法和技术路线 |
一、研究方法 |
二、研究路线 |
第五节 研究内容及结构安排 |
第二章 国内外研究现状及发展趋势 |
第一节 复杂性科学与金融理论发展 |
一、金融市场复杂性 |
二、复杂性科学提供的金融分析工具 |
第二节 递归图方法 |
一、递归图方法的理论基础 |
二、递归量化分析(RQA) |
三、递归图方法中的重要参数确定 |
四、递归图方法的应用 |
五、递归图方法的最新发展 |
第三节 递归图方法在经济领域中的应用 |
第四节 当前研究的不足 |
第三章 全球股市有效性的动态演化及量化比较研究 |
第一节 引言 |
第二节 递归图方法及递归熵 |
第三节 全球主要股票市场的有效性量化比较研究 |
第四节 金融危机期间各国股票市场有效性研究 |
第五节 股票市场有效性的周期性动态演化分析 |
第六节 本章小节 |
第四章 股票市场崩盘前市场动力学特征异常突变时点检测研究 |
第一节 引言 |
第二节 相关工作 |
第三节 研究方法 |
一、递归图LAM指标 |
二、非线性时间序列突变检测的启发式分割算法(BG算法) |
第四节 股票市场崩盘与市场动力学特征异常突变研究 |
一、股票市场崩盘前市场动力学特征分析 |
二、基于BG算法的崩盘前市场动力学特征突变时点检测 |
三、2008年金融危机期间全球股市动力学特征异常突变时点检测研究 |
四、A股市场2015年“千股跌停”式崩盘的市场动力学特征突变分析 |
第五节 本章小节 |
第五章 股票市场动力学特征相似性度量方法 |
第一节 引言 |
第二节 高斯函数递归图及纹理特征分析 |
一、高斯函数递归图 |
二、递归图纹理特征相似性分析 |
第三节 数值分析 |
第四节 本章小结 |
第六章 基于动力学特征演化视角的适应性市场假说实证研究 |
第一节 引言 |
第二节 全球主要股票市场的动力学特征适应性演化分析 |
一、全球主要股票市场的动力学特征分析 |
二、基于BG算法的股票市场动力学特征突变研究 |
三、中国沪深A股市场动力学特征变化分析 |
第三节 本章小节 |
第七章 金融危机期间危机传染及股市动力学特征联动研究 |
第一节 引言 |
第二节 相关工作 |
第三节 构建市场动力学特征联动模式复杂网络方法 |
第四节 数据分析 |
一、数据采集 |
二、危机期间股票市场动力学特征演化及突变分析 |
三、危机期间市场动力学特征联动模式复杂网络分析 |
第五节 全球股市动力学特征复杂网络结构演化分析 |
一、相关工作 |
二、全球股市动力学特征网络结构动态演化分析 |
第六节 本章小节 |
第八章 研究结论与未来展望 |
第一节 研究结论 |
第二节 研究局限及未来展望 |
参考文献 |
致谢 |
个人学术简历 |
附件(A) 联动模式加权复杂网络 |
附件(B) 联动模式复杂网络中度值前30的节点 |
(7)中国能源市场和G20股票市场的多重分形分析(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 本文研究内容 |
第二章 多重分形分析方法 |
2.1 MF-DCCA和 MF-DFA方法 |
2.2 MV-MFDCCA方法 |
第三章 国内传统能源市场、新能源市场和国际原油市场的交互相关性分析 |
3.1 数据描述与统计检验 |
3.2 交互相关性的多重分形特征分析 |
3.3 多重分形性成因分析 |
3.4 小结 |
第四章 G20国家股票市场的多重分形分析 |
4.1 数据描述与统计检验 |
4.2 交互相关性的特征分析 |
4.2.1 互信息分析 |
4.2.2 多重分形去趋势波动分析 |
4.3 市场整体的波动性和交互相关性分析 |
4.4 小结 |
第五章 总结与展望 |
参考文献 |
攻读硕士学位期间发表的论文 |
后记 |
(8)分形方法与机器学习方法在金融市场中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 本文研究内容 |
1.4 论文创新之处 |
第二章 分形插值方法与多重分形分析方法 |
2.1 分形插值方法 |
2.2 MV-MFDFA方法 |
2.3 MV-MFDCCA方法 |
2.4 CDFA方法 |
第三章 分形插值与机器学习混合预测模型的建立与应用 |
3.1 分形插值与SVM的混合预测模型 |
3.2 分形插值与BP神经网络的混合预测模型 |
3.3 深证成指序列的分析和预测 |
3.4 三种模型的预测结果 |
3.4.1 分形插值模型的预测结果 |
3.4.2 分形插值与SVM混合模型的预测结果 |
3.4.3 分形插值与BP神经网络混合模型的预测结果 |
3.4.4 预测结果比较 |
3.5 小结 |
第四章 国际新兴市场与发达市场的汇率波动特征及相关性研究 |
4.1 数据处理与统计检验 |
4.1.1 数据选取与预处理 |
4.1.2 基本统计特征与交互相关性检验 |
4.2 多重分形实证分析 |
4.2.1 自相关性波动分析 |
4.2.2 交互相关性波动分析 |
4.2.3 耦合相关性波动分析 |
4.3 小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 不足之处与进一步研究方向 |
参考文献 |
攻读硕士学位期间发表的论文和成果 |
后记 |
(9)经济政策不确定性下国际原油价格冲击对中国股票市场的影响研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.3 概念界定 |
1.4 研究内容、方法及技术路线 |
1.5 论文创新点 |
2 文献综述和理论基础 |
2.1 国内外研究述评 |
2.2 原油价格影响股票市场的相关理论和传导机制 |
2.3 经济政策不确定性在原油与股票市场关系中的作用机理 |
2.4 分析框架 |
2.5 本章小结 |
3 经济政策不确定性下国际原油价格冲击对中国股票市场收益的动态影响 |
3.1 问题的提出 |
3.2 变量选择与数据描述 |
3.3 TVP-SVAR-SV模型构建 |
3.4 国际油价冲击和经济政策不确定性对综合股市收益的动态影响 |
3.5 国际油价冲击和经济政策不确定性对行业股市收益的动态影响 |
3.6 稳健性检验 |
3.7 本章小结 |
4 经济政策不确定性下国际原油价格冲击与中国股票市场波动溢出效应 |
4.1 问题的提出 |
4.2 波动溢出指数模型构建 |
4.3 数据和描述性统计分析 |
4.4 国际油价冲击、经济政策不确定性和综合股市波动的溢出效应分析 |
4.5 国际油价冲击、经济政策不确定性和行业股市波动的溢出效应分析 |
4.6 稳健性检验 |
4.7 本章小结 |
5 经济政策不确定性下国际原油市场与中国股票市场长期动态相关性分析 |
5.1 问题的提出 |
5.2 DCC-MIDAS模型构建 |
5.3 经济政策不确定性对原油与综合股市长期动态相关性的影响 |
5.4 经济政策不确定性对原油与行业股市长期动态相关性的影响 |
5.5 稳健性检验 |
5.6 本章小结 |
6 政策建议 |
6.1 政策制定者层面 |
6.2 市场投资者层面 |
6.3 金融监管者层面 |
6.4 本章小结 |
7 研究结论与展望 |
7.1 主要研究结论 |
7.2 研究局限与未来展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(10)基于时间序列网络的能源价格波动与溢出机制研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 能源市场价格体系 |
1.1.2 碳交易市场价格体系 |
1.2 文献综述 |
1.2.1 化石能源价格波动与溢出机制研究 |
1.2.2 可再生能源价格波动与溢出机制研究 |
1.2.3 碳交易市场价格波动与溢出机制研究 |
1.3 研究内容、创新点及意义 |
1.3.1 研究内容 |
1.3.2 研究创新点 |
1.3.3 研究意义 |
第二章 研究方法 |
2.1 图与网络 |
2.2 网络基本拓扑性质 |
2.2.1 节点的度与强度 |
2.2.2 度分布与累积度分布 |
2.2.3 平均路径长度 |
2.2.4 介数中心性 |
2.2.5 聚类系数 |
2.2.6 社团结构 |
2.3 时间序列网络模型 |
2.3.1 可视图 |
2.3.2 粗粒化网络 |
2.4 其他相关研究方法 |
2.4.1 BEMD数据分解 |
2.4.2 Fine-to-Coarse数据重构 |
2.4.3 灰色关联分析 |
第三章 区域天然气市场价格波动特征分析 |
3.1 引言 |
3.2 模型的构建 |
3.2.1 带参数的改进有限穿越可视图网络模型 |
3.2.2 拓扑性质 |
3.2.3 模型有效性验证 |
3.3 实证分析 |
3.3.1 数据来源 |
3.3.2 区域天然气价格序列的分形特征分析 |
3.3.3 区域天然气价格波动特征的网络分析 |
3.4 本章小结 |
第四章 天然气与原油价格波动溢出关系分析 |
4.1 引言 |
4.2 模型的构建 |
4.2.1 多时间尺度灰色关联网络模型框架 |
4.2.2 灰色关联模式网络的构建 |
4.3 实证分析 |
4.3.1 数据的选取 |
4.3.2 天然气和原油现货价格的分解 |
4.3.3 数据重构及波动因素分析 |
4.3.4 天然气与原油价格波动关联性的网络分析 |
4.4 本章小结 |
第五章 中国光伏上市公司股价波动溢出关系分析 |
5.1 引言 |
5.2 模型的构建 |
5.2.1 格兰杰因果关系网络模型 |
5.2.2 偏格兰杰因果关系网络模型 |
5.3 实证分析 |
5.3.1 数据的选取 |
5.3.2 两种网络的构建 |
5.3.3 企业影响力、传导力分析 |
5.3.4 企业影响力、传导力的地理演化 |
5.3.5 企业综合影响力排名及分析 |
5.4 本章小结 |
第六章 碳价与化石能源价格波动溢出关系分析 |
6.1 引言 |
6.2 模型的构建 |
6.2.1 贝叶斯网络 |
6.2.2 基于交叉相关系数的领先/滞后关系 |
6.2.3 时变的贝叶斯模式转换网络 |
6.3 实证分析 |
6.3.1 数据的选取 |
6.3.2 阶段性因果影响关系及领先/滞后分析 |
6.3.3 时变性因果影响关系特征及演化的网络分析 |
6.4 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
攻读博士学位期间的科研成果 |
附录 |
四、用分形方法预测石油股票价格和指数(论文参考文献)
- [1]中国金融市场高频已实现波动率多重分形特征辨识及应用[D]. 戴子安. 江西财经大学, 2021(02)
- [2]基于ARFIMA-GRACH-SVM模型的股指预测研究[D]. 彭宇灿. 山东大学, 2021(11)
- [3]国际原油价格短期预测模型、优化算法及应用[D]. 董振宇. 大连理工大学, 2020(01)
- [4]随机金融市场波动模型构建及时间序列统计分析[D]. 张亚丽. 北京交通大学, 2020
- [5]WTI、Brent原油价格联动性动态分析及其在配对交易中的应用[D]. 翁旋龙. 广西大学, 2020(07)
- [6]基于递归图的股票市场非线性动力学演化研究[D]. 李燕. 上海财经大学, 2020(04)
- [7]中国能源市场和G20股票市场的多重分形分析[D]. 凌美君. 南京财经大学, 2020(04)
- [8]分形方法与机器学习方法在金融市场中的应用研究[D]. 朱婷. 南京财经大学, 2020(04)
- [9]经济政策不确定性下国际原油价格冲击对中国股票市场的影响研究[D]. 刘振华. 中国矿业大学, 2019(04)
- [10]基于时间序列网络的能源价格波动与溢出机制研究[D]. 李秀明. 江苏大学, 2019(05)