基于小波方法的金融時間序列研究.pdf

1、本文主要利用小波分析良好的多分辨特性,而且在時域和頻域均具有良好的局部化性質(zhì),把小波理論與時間序列分析結(jié)合在一起,討論小波多尺度下的金融時間序列的性質(zhì)及其應(yīng)用,取得主要成果如下:
　　(1)應(yīng)用極大重疊離散小波變換(MODWT)與時間序列分析方法相結(jié)合,提出了一種基于極大重疊離散小波變換時間序列分析的股價預(yù)測方法(M-ARMA)。該方法主要是利用小波分析多分辨性,首先對股價序列進行 MODWT變換及分解,其次對分解后的每一層的序列

2、利用時間序列分析 ARMA(p,q)模型進行擬合,再次利用每一層的擬合模型進行預(yù)測,最后股價序列的總預(yù)測值為各層預(yù)測值的總和。將該方法與經(jīng)典的時間序列分析ARMA模型的預(yù)測方法作比較,實驗表明M-ARMA預(yù)測方法比傳統(tǒng)的時間序列分析方法預(yù)測的精度更高,更可靠。
　　(2)小波方差是關(guān)于一個與尺度相關(guān)的變量,即在不同的尺度下有不同的小波方差。利用小波方差的這個性質(zhì)以及使用 MODWT對股票收益率進行分解,計算出分解出序列的小波方差與

3、協(xié)方差,同時與 CAPM模型相結(jié)合,得到不同尺度上的股票收益率的Beta系數(shù)。實驗表明,在不同的尺度下,Beta系數(shù)有較大的差異,即系統(tǒng)風險值 Beta具有多分辨性,對股票的持有期的不同收益也不一樣。因此為了使資產(chǎn)的風險分散化,投資者可以根據(jù)不同 Beta值選擇不同的時間進行投資,以減少損失提高投資的收益。
　　利用小波分析的方法對金融時間序列進行分析與預(yù)測,以及用小波分析的方法來估計系統(tǒng)的風險值。它不僅能把握各資產(chǎn)的市場動態(tài),為