突发事件对国际石油期货价格波动的时间记忆性分析——基于PPM模型和Hurst指数分析

以国际原油期货价格波动日度数据为样本,通过PPM突变点识别模型,从高频时间序列中出现的众多"跳跃点"中甄别出能够改变时间序列波动趋势的突变点,对相邻两突变点之间样本进行Hurst指数分析,研究突发事件对国际原油期货价格波动的时间记忆性。研究表明,时间序列数据中存在多个"跳跃点",大多数跳跃点并未改变数据波动趋势,少数突变点不但改变数据波动趋势,国际原油期货价格波动受突发事件的影响改变其原有的运动轨迹。此项研究为后续学者提供了一种研究"事件冲击"和"数据时间记忆"的新方法。     

基于Markov切换模型的中国CPI指数波动特征分析

文章引入Markov切换模型探讨中国CPI指数波动的持续性、波动幅度以及波动频率等特征.通过ADF方法和JB统计量检验CPI时间序列的平稳性和非对称性,通过CUSUM方法检验时间序列的机制转移特征,采取极大似然估计方法确定Markov切换模型的相关参数.结果表明,CPI时间序列的低波动性持续的时间最长,并且三种波动状态之间的切换主要集中于低波动状态和高波动状态之间;CPI时间序列的波动主要稳定于低波动率,并且存在明显的“聚集波动”和“分段波动”现象.     

基于HP分离ARIMA—Markov模型的我国生猪存栏量预测

时间序列分析方法的运用呈现出多样性和组合型的特点.针对于当前时间序列模型运用存在的分割性不足,在对时间序列分离后独立序列的特性出发,认为应当对独立分离序列分别建立适合波动规律的预测模型.文章首先采取HP滤波对生猪存栏量进行分离,然后采用ARIMA模型和Markov转移模型分别对趋势序列和随机序列进行预测并加总,最后采用原始序列的ARIMA处理结果与组合模型进行对比,发现了组合模型要优于传统ARIMA.     

基于改进的Grey-Markov对区域碳排放市场价格的预测

文章采用灰色预测法刻画碳价的发展趋势,运用马尔科夫(Markov)理论刻画碳价的随机波动特性,使用并改进Grey-Markov模型预测碳价波动.通过比较其与传统金融时间序列预测模型GARCH的结果,发现改进的Grey-Markov模型能够提高预测的精度.     

基于小波方差分解的沪深综指序列的特性分析

近年来小波理论已越来越被广泛应用于时间序列分析.应用小波方差依尺度分解的方法,对沪、深股市综合指数序列的长记忆性与相关性进行了实证分析,结果表明:沪、深股市波动序列实存在长记忆性,沪市波动序列所受历史信息的影响较大,但深市对各种信息的反应比上海股市更迅速,更易受外部信息的影响.在大尺度下沪、深股市波动序列的相关性比小尺度两波动序列之间的相关性更强,以小尺度为基准选择分散投资策略为好.     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。     

基于GARCH模型的股票市场有效性的实证研究

证券市场波动的有效性问题是证券市场研究中的一个重要课题。文章运用时间序列的GARCH模型的推广形式对上证指数股票收益率序列建模,在以往研究的基础上鉴于实际波动情况引入了两个虚拟变量进行刻画,并就股票市场有效性问题进行了实证研究。     

我国宏观经济指标周期波动相关性的互谱分析

时间序列谱分析方法可以从频域角度反映序列周期波动特征的全部信息 ,它的基本思想是把时间序列看作互不相关的不同频率分量的叠加 ,利用富氏变换等手段将各频率分量加以分解 ,通过谱密度函数来衡量各分量的相对重要性以找出序列中存在的主要频率分量。我们曾利用该方法对我国转轨时期主要经济指标的周期波动特征进行了分析 ,结果表明 :80年代以来 ,我国经济增长中出现了 7～ 9年为主的中周期波动 ,这与西方工业国家曾出现的主周期波动即朱格拉周期是基本一致的 ;此外 ,围绕 2～ 3年还存在一个作用相对较弱的短周期波动。谱分析方法不但能分…     

ARCH族模型在深沪A股中的应用

经典的最小二乘回归假定随机残差序列无自相关,误差的方差为一常数.然而研究金融市场时却发现,大多数时间序列往往具有变方差的特征,即在某些时期的波动十分剧烈,而另一些时期的波动又相对平稳,为了模拟这种波动,提高预测精度,1982年Engle提出了方差随时间变化的自回归条件异方差ARCH模型,Bollerslev又于1986年进一步提出了广义自回归条件异方差GARCH模型,此后,ARCH模型的一些扩展模型也被相继提出,如ARCH-M模型,GARCH-M模型,EGARCH模型等,形成ARCH族模型,并在解释货币和金融时间序列的行为中得到广泛应用.     

价格波动的研究方法及其模型

在价格理论与实践中,经济学家们试图建立严密的数学模型来研究和分析时间序列经济周期和误差修正等价格波动问题。文章参考有关时间序列分析方面的研究成果,系统阐释了应用于价格波动相关的计算方法及其模型。     

季节分析中趋势剔除的研究

一、问题的提出在传统时间序列分析中,重点是确定性因素的分解和提取。确定性因素分解一般归纳成四大因素:长期趋势、季节变动、循环波动、随机波动。由于非固定周期的循环波动和长期趋势难以严格分解,人们对四因素的分解作了改进,现在通常分解成三大因素:(1)长期趋势:包括长期     

基于高频数据的金融波动率模型

金融高频数据和金融波动率是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动率估计量——"已实现"双幂次变差进行了建模和预测。"已实现"双幂次变差无模型、计算简便,在一定条件下是金融波动率的无偏估计量,并且具有稳健性和有效性。通过用上证综指对"已实现"双幂次变差进行ARFIMA建模,发现中国股票市场的上证综指"已实现"双幂次变差时间序列具有长记忆性。     

基于小波特征提取的高频面板数据聚类方法

高频面板数据在时间维度的频繁波动给聚类的准确性造成了很大干扰。综合考虑这一问题,从小波分解的角度提取了面板数据主成分降维后指标的综合得分序列,利用小波变换提取综合得分序列的"周期"特征、低频部分的"均值"特征与"趋势"特征、高频部分的"波动"特征,最后采用熵值法对这些特征进行赋权并利用赋权后的特征数据和系统聚类方法实现高频面板数据聚类。通过股票高频面板数据的实证分析表明,该方法的聚类效果良好。     

风暴潮灾害损失时间路径模拟与预测

文章基于1989-2013年我国风暴潮灾害的损失数据,采用Fourier级数扩展模型拟合了其时间路径,构建了时间序列预测模型.实证结果表明:我国风暴潮灾害损失的时间路径呈周期性波动,波动周期约为10年;我国风暴潮损失的时间路径是非收敛的,但是会在每个周期中表现出与均衡值相对均匀的偏离,属于均匀波动的时间路径;预计未来5年我国风暴潮灾害损失将处于波动上扬的半周期中,国家防灾减灾部门需要高度重视,采取适当防范措施.     

SV模型局部分析的稳健性研究

随机波动（SV）模型是一种重要的具有隐性波动的时间序列模型。本文在对SV模型进行Cook局部影响分析的基础上，探讨方法对参数估计精度的稳健性，从而评价局部影响分析方法应用在时间序列模型的优劣。     

我国大蒜价格波动周期和特征分析

文章利用大蒜价格的时间序列数据,从长期和短期进行分析其价格波动特征和规律,研究表明大蒜价格波动具有一定的周期性和趋势性,在不同的阶段影响因素不完全相同；同时价格的波动具有集簇性,高风险性,但是不具有高回报性.     

基于DWT的相似性搜索算法

时间序列数据聚类在统计分析中具有重要意义。然而高维时间序列数据挖掘高度依赖的相似性搜索方法仍面临计算量大、准确率低等问题。为了提升高维时间序列数据挖掘任务的准确率和效率，提出一种基于波动特征的时间序列相似性搜索算法。该算法首先提出局部高频离散小波变换(LHFDWT)方法，通过合理的分解与重构来实现序列的降维；然后提出基于欧氏距离(ED)、波动幅度和秩相关系数从时间序列形态波动的相对偏差和趋势一致性角度计算相似度；最后提出一种相似性搜索算法和新的基于波动特征的时间序列聚类方法，并利用k-medoids聚类技术进行聚类分析。基于UCR标准时间序列数据集的实验结果表明，相对于动态时间规整(DTW)和最长公共子序列(LCSS)方法，所提新方法下的聚类准确率表现更优，置信度达到99%;在正确预测聚类数目和搜索效率方面具有更好的效果，且聚类结果具有更高的稳定性；1-NN分类准确率更高，说明其在确定更好的聚类中心方面效果更优，置信度至少为85%,证明了所提新方法的相似性搜索算法的优越性。     

ARCH族波动模型的理论与发展

一、波动率与ARCH族计量模型的研究背景 一年一度的诺贝尔经济学奖又一次授予了计量经济学家,这是四年内诺贝尔经济学奖第二次授予"计量经济学"的分支学科.英国经济学家克莱夫-格兰杰(Clive Granger)和美国经济学家罗伯特-恩格尔(Robert Engle)因为他们在处理"时间序列"变量的研究方法上取得重大突破而获此殊荣.恩格尔的研究方向是波动性随时间而变化的变量的统计规律.恩格尔的研究成果通常用于金融市场价格分析.他的杰出贡献在于他提出的,现已被金融市场广泛使用的ARCH模型.     

持久冲击与中国经济增长的波动

文章依据一个内在逻辑一致的统计程序考察了1952~2003年间中国实际GDP序列的数据生成过程。发现中国实际GDP序列遵循一个带漂移的随机游走,因而它有一个随机波动的长期趋势;进一步的分析还揭示了长期趋势的波动幅度不小于短期周期性波动的幅度。这些事实在理论上意味着产出序列增长趋势的变化和它经常偏离趋势的运动共同构成了中国产出序列的波动。因此,有理由相信来自供给方面的持久冲击是导致中国经济波动不可忽视的重要原因。     

中国GDP数据周期性的时间序列分析——基于制度及其变迁的一个解释

文章利用时间序列模型等计量方法,对中国GDP总量序列进行了时间趋势分解并结合实证结果对中国经济的发展周期进行了重新的划分.同时以此为视角,进一步提出了我国经济周期波动的特点;中国经济周期的超制度特征以及转轨期经济波动的新规律.