基于EEMD的金融時間序列多尺度分析.pdf

1、近年來，隨著我國金融市場的發(fā)展以及投資品種的日益豐富，量化投資逐漸步入人們的視野，同時也將金融計量分析推至前所未有的高度。時間序列作為金融市場中最常見的觀測數(shù)據(jù)，是對市場行為的真實刻畫，通過對其進行量化分析，能夠挖掘市場中潛在的信息，進而為投資決策提供理論和技術(shù)支撐，是策略制定、風(fēng)險管理、資產(chǎn)定價和產(chǎn)品設(shè)計等工作的前提?；诮鹑跁r間序列的多尺度、非線性和非平穩(wěn)和的多重特性，本文將集成經(jīng)驗?zāi)B(tài)分解(EEMD)應(yīng)用到金融時間序列分析中。

2、r>　　首先，利用EEMD建立多尺度集成預(yù)測模型。先用EEMD將原始序列分解并重構(gòu)成高頻、趨勢和低頻三個子序列;再結(jié)合Elman神經(jīng)網(wǎng)絡(luò)、支持向量機(SVM)和GM(1，1)對各部分進行擬合;集成模型最后的預(yù)測值為各部分預(yù)測值之和。實證結(jié)果表明:該多尺度集成模型的預(yù)測精度要顯著高于傳統(tǒng)的單一模型和集成模型。
　　其次，利用EEMD探究股市與匯市的波動溢出效應(yīng)。利用EEMD將股價和匯率序列分解并重構(gòu)成高頻（短期波動項）、低頻（中期波

3、動項）和長期趨勢三個波動成分，從時域和頻域的雙重視角來探究股市與匯市的波動溢出效應(yīng)。在不同的波動層次上，分別結(jié)合Granger因果檢驗和時變Copula探究波動溢出的方向和強度。研究表明:短期波動項對原始序列波動的貢獻最大;不同時間尺度上的波動溢出方向和強度是不同的。
　　最后，利用EEMD去噪建立跨期套利策略。將價差信號看作趨勢和噪聲的疊加，用EEMD方法對價差序列進行消噪，參考均值回復(fù)策略的原理，結(jié)合價差在趨勢周圍的波動狀況尋