一种新的时间序列TC型异常值稳健检测法

时间序列异常值检测是时间序列分析研究中的重要内容,然而,在实际检测中往往存在“遮蔽效应”问题。文章分析了已有研究提出的时间序列TC型异常值检测法的不稳健性,并从两个方面进行改进：第一,建立基于Huber权函数的稳健ARMA模型,得到无干扰AR系数与MA系数;第二,用绝对离差中位数作为残差稳健估计量。通过以上改进得到了TC型异常值稳健检测统计量,并通过模拟对比小样本、中样本、大样本,轻污染、中污染、重污染情形下传统检测法与稳健检测法的检测效力,结果发现：在小样本、轻污染率下,两种检测法相差不大,但随着样本量、污染率的增加,稳健检测法显著优于传统检测法。最后,稳健检测法的优良性在金融市场异常现象检测中得到进一步说明。     

基于GARCH模型的深圳股市周内效应研究

有很多学者对股市周内效应进行了深入的研究,但是他们大多都基于经典模型,即对收益率取对数后没有考虑其条件异方差.本文通过对条件异方差的分析,借助GARCH模型识别深圳股市的周内效应,我们得出深圳股市综合指数(1995-2006)存在明显的“负周四效应”。     

线性回归模型中异常点的统计诊断

线性回归模型中异常点的统计诊断@吕光明$大连市东北财经大学统计系!116025     

基于农业视角的股票价格季节性效应实证研究

文章以农业上市公司为研究对象,运用最小二乘法和GARCH模型分析其股票价格变动是否存在异于其他行业的季节效应。结论显示：我国农业类上市公司股票价格收益率存在着冬季、夏季效应;考察其月份效应,发现存在着异于其他行业的二月、六月及十月效应;表现出了农业行业固有的特点,即受自然气候、农时规律的影响很大,其股票价格表现了显著的季节效应。     

基于MOSUM的多重滤波变点检测研究

多时间尺度的变点问题一直是质量控制中的热点研究对象。基于移动和统计量(MOSUM),提出了一种多重过滤检验方法(MFT),以检验均值不变的零假设或存在均值变点的备择假设。首先,为使方法具有实用性和一般性,构建均值变点模型,并假定分布假设较弱。其次,由于单一窗宽对变点检测的局限性,构造了一个弱收敛到一个布朗运动相关的函数的MOSUM统计量,进而应用多个窗宽下MOSUM过程进行多变点检测。最后,为使得MFT方法不受其它分布参数变化影响,对模型均值外的参数变化作了鲁棒性检验。经模拟研究和实证分析表明,MFT方法的估计精度和准确度比一般方法更具优势和实效性。     

基于上证指数数据股票市场周日效应实证研究

"周日效应"指股票市场在一周中的某一天的平均收益率比一周内其它任何一天的平均收益率高或者低,且在统计上有显著性。由于研究发现周一的平均收益率显著低于其它时间,而周五的平均收益率显著高于其它时间。文章选用上证指数2006~2010年的股票收益率作为样本来进行研究,采用实证分析方法,采用Eviews软件作为分析工具,利用广义条件异方差自回归模型(GARCH)分析中国上海股票市场是否存在周日效应。     

市场流动性的状态转换及其突变点检测研究

通过构建AR-MS-GARCH模型,分析了市场流动性的状态转换机制,并设计了一种新的突变点检测指标。实证结果表明,市场流动性存在明显的"低—高"波动状态交替转换特征,两种状态都有较强的波动持续性,但不同状态转换和持续期存在一定的非对称性;计算突变点检测指标发现,市场流动性在样本期内存在五个突变点,而它们所对应的时刻往往是市场流动性"强—弱"转换的临界点。这些结论有助于监管部门及时采取政策措施,减少市场流动性突然逆转的可能性,以维护金融系统稳定。     

基于最近邻分析的空气质量时空数据异常点识别

空气质量数据具有在时间上连续、空间上相关的特点,这提高了异常点识别的难度.本文提出在时间维度上运用移动平均法,在空间维度上运用反距离加权法对观测值进行预测并求残差的解决思路,从而将时空数据的异常点识别问题转化为二维残差值的异常点检测问题.通过仿真验证表明新方法具有良好的检出力.最后将新方法应用于北京市实际观测数据,取得了满意的识别效果.     

基于时间序列孤立点检测的可疑外汇资金交易识别研究

尽管洗钱模式复杂多变,但洗钱行为在整个金融活动中只占有极少的比例,这给监测洗钱交易增加了难度.作为数据挖掘重要方法之一的孤立点分析是在大数据集中发现有趣小模式的有效方法.文章提出了一种适用于可疑外汇资金交易识别的孤立点检测方法,可以持续地从大量的日常交易中发现极少数的与正常交易显著不同的异常交易.从孤立点分析角度,提出了基于非频繁模式挖掘思想和概念漂移处理的混合属性空间上时间序列孤立点检测方法;从可疑金融交易识别的角度,提出了对每天持续动态产生的海量金融交易数据进行分析的一种新思路.     

基于GARCH模型族的外汇汇率的波动性分析

外汇汇率市场的波动特性是金融市场中人们研究的热点之一.文章以美元对人民币汇率和欧元对人民币汇率为研究对象,分别运用GARCH模型、GARCH-M模型、EGARCH模型和TARCH模型对两种汇率同时拟合,通过比较分别得出描述两种汇率的最佳模型.     

天气、季节性情绪混乱与股票收益--基于上证综合指数的研究

在这篇文章中我们着重研究投资者情绪是否影响投资者决策,方法是研究天气变量与上证综合指数收益之间的联系.我们选取了温度、湿度、风速、降水量、晴阴状况与四个SAD变量,研究它们与上证综合指数收益之间的关系.研究表明某些变量(如湿度、风速等)确实能影响投资者情绪,从而影响指数收益.     

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。     

基于Copula-SV模型的投资组合风险分析

文章将Copula函数和SV模型相结合,建立了投资组合风险分析的Copula-SV模型,对我国股票市场实际的组合投资问题进行了实证风险分析;并与Copula-GARCH模型下的投资组合风险值进行比较,取得了满意的结果。     

基于GARCH类模型的上证股市波动性研究

文章在回顾ARCH/GARCH类模型的基础上,用GARCH模型进行上证股市波动性的实证研究,用GARCH-M模型分析风险溢价情况,以及用EGARCH模型进行股市波动的非对称性实证研究.结果表明,GARCH模型能消除残差的异方差性,股市波动存在强烈冲击,收益有正的风险溢价,股市中坏消息引起的波动比同等大小的好消息引起的波动要大得多,存在明显的杠杆效应.最后给出一些相关结论和建议.     

趋势变动点与异常点的关系探讨

一、概念综述具体来讲趋势变动点也称为结构变动点,是指以该点为分界点将一组时间序列数据分为两部分,分别用这两组数据来拟合事先建立好的模型,再用原整组时间序列数据去拟合该模型,模型中的参数值在整个期间内不能保持相同的数据点。     

基于Bayes后验概率的自变量与异常点的同时识别

本文基于自变量与异常点识别隐变量的联合Bayes后验概率,给出了自变量与异常点同时识别的一般方法,且利用Gibbs抽样降低了Bayes后验概率的计算复杂度。其次,针对多值序次数据模型自变量与异常点的同时识别展开详细讨论,给出了同时识别的具体过程。最后通过模拟算例展示了本文方法的有效性。     

股市收益率的风险测量——基于参数与非参数GARCH技术的动态VaR计算

风险管理的基础和核心是对风险的定量分析和评估,即风险测量。VaR方法由于其明确的的经济含义及易操作性,已成为金融机构进行风险管理的一种主流方法。本文基于参数GARCH和非参数GARCH技术计算股市收益率的VaR,并对二者进行比较。通过实证分析得出以下结论:上海股市收益率序列有强烈的GARCH效应,基于非参数GARCH技术得到的VaR在给定的显著性水平下更能有效地度量股市的风险。     

基于GARCH模型的上证综合指数VaR计算

文章针对用参数法计算VaR时所存在的局限性,探讨了用GARCH模型计算VaR的新方法.并以我国上证综合指数为例,说明新方法计算VaR的基本思路以及对计算出的每日VaR如何进行事后检验.     

基于中位数GARCH模型的汇率波动率预测

自2005年7月21日汇率改革以来,人民币汇率的波动性发生了根本的变化.汇率波动越来越频繁、越来越大.汇率的准确预测无论是对国内还是对国际都有着至关重要的意义.文章预测汇率收益率的波动性,在ARCH和GARCH模型的基础上提出了中位数GARCH模型,并采用人民币兑美元的数据来检验模型的有效性.由预测误差可以看出,中位数GARCH能很好地减小预测误差.     

基于深圳股市的假日效应研究

本文利用1992年5月21日至2004年5月10日的深证综合指数分析了深圳股票市场在不同时段的假日效应.研究表明深圳股票市场存在强烈的假日效应,而且在实施新的放假办法以后存在长假效应,文章证明这些效应的存在并不是星期效应作用的结果.文章也表明,在考虑了假日效应之后星期效应会出现异常特征,这一发现预示着人们在研究星期效应时不能忽视假日效应可能带来的影响,为人们进一步研究日历异常效应提供了可供参考的研究思路.