金融時間序列多級分形分析及其在信息挖掘的應用.pdf

1、分類號密級UDC1注學位論文金融時間序列多級分形分析及其在信息挖掘的應用（題名和副題名）張曉娟（作者姓名）指導教師姓名曾勇院長教授博士潘和平主任教授博士電子科技大學成都（職務、職稱、學位、單位名稱及地址）申請專業(yè)學位級別碩士專業(yè)名稱數(shù)量經(jīng)濟學論文提交日期2008.4論文答辯日期2008.6學位授予單位和日期電子科技大學答辯委員會主席評閱人2008年月日注1：注明《國際十進分類法UDC》的類號。摘要I摘要本文基于多級分形分析對金融時間序列

2、潛在結(jié)構信息（多級趨勢、周期、季節(jié)效益、隨機擾動、模式等）的挖掘進行了研究。首先分別介紹了小波多分辨率分析、經(jīng)驗模式分解（EMD）和ZigZag分解三種分解方法，用以實現(xiàn)對金融時間序列的多級分形分解。通過對比發(fā)現(xiàn)，小波多分辨率分析產(chǎn)生的各級子序列具有多級時間尺度特征；經(jīng)驗模式分解得到的任一子序列均只包含單一的內(nèi)在振動模式，具有良好的物理意義；ZigZag分解能夠有效捕捉各級子序列中的關鍵轉(zhuǎn)折點。然后基于多級分形分解和結(jié)構時間序列模型，本

3、文提出了多級結(jié)構時間序列（MSTS）模型的一種實現(xiàn)方法，用于提取金融時間序列中潛在的多級趨勢、周期、季節(jié)效益和隨機擾動等結(jié)構信息。該實現(xiàn)方法分為三步：首先通過小波多分辨率分析將金融時間序列分解為具有不同時間尺度多級子序列；然后利用EMD分別提取出各級子序列的結(jié)構信息，并對其建立相應的狀態(tài)空間模型；最后運用卡爾曼濾波動態(tài)地估計各個模型參數(shù)。通過對全球四支股指價格時間序列的實證研究表明，MSTS模型不僅可以有效提取金融時間序列中的多級結(jié)構信

4、息，還具有良好的樣本外預測能力。最后，本文將多級分形分解和模式匹配相結(jié)合，提出了適用于金融時間序列的多級模式匹配（MPM）模型，用于挖掘序列中或序列間的相似模式，為后續(xù)的預測工作奠定基礎。MPM模型首先利用ZigZag方法將金融時間序列分解為多級子序列，然后逐級進行模式匹配。在各級子序列的匹配過程中，均先以趨勢相似性為標準進行粗匹配，再以價格變化率的歐式距離作為相似性度量完成進一步的細匹配。實證結(jié)果表明，通過MPM模型得到的匹配結(jié)果無論