基于交叉数据随机波动模型的实证研究

在随机波动模型的基础上,结合交叉数据的特点,提出了交叉数据随机波动模型,综合对比与分析金融市场相关品种的价格波动关系.首先,应用离散小波变换,对数据进行滤波;其次,采用伪极大似然估计方法对系统模型进行参数估计;然后,运用遗传算法,对各个子模型进行参数寻优;最后应用交叉数据随机波动模型对我国期货市场上大豆、豆油、豆粕三品种进行实证分析.实证表明,交叉数据随机波动模型可以较理想地反映豆类三者之间价格波动的关系,说明相关品种之间存在较强的波动持续性.     

虚拟金融资产收益率分布特征研究——以比特币为例

文章使用2013年1月-2017年6月的日度比特币交易数据,对序列使用马尔科夫区制转移模型(参数方法)、小波变换(非参数方法),研究比特币收益率在不同尺度分布的定量特征.由MS-AR模型分析结果可知,在低收益率区制下,投资者主要对前一两天以及大概一周的收益率有所关注,在高收益率区制下,投资者的心理在发挥主要作用,普遍认为昨日涨今日跌的事实,因此对比特币进行投资具有极强的投机心理.由小波变换分析结果可以看出,不同时间下,比特币影响因素不同.当时间跨度选取较小时,主要是投资者的投机心理以及"羊群效应"起主要影响,随着时间跨度的增加,达到半年左右时,此时主要是比特币市场的自主调控,因此也会出现小幅度的波动,但当时间跨度达到一年以上,此时政府等监管部门对该市场的管控起主要的作用,使得收益率波动情况达到几乎平稳的状态.对比发现,小波变换能够较好地反映比特币收益率的分布情况.     

股价指数时间序列的分形性质分析

用一种新的信号处理工具-小波变换,对股价指数数据进行分析,发现股价指数数据类似于一类更广的噪声一分形噪声,从而推广了传统上处理股价指数时间序列时总假定其为白噪声或高斯噪声的假设,用分形噪声能更好地刻划股价指数数据的波动特性.对上证指数和深证指数的实证分析显示,两市股价指数均存在正相关,我国股票市场不是弱式有效市场.实证也显示出小波变换是研究股价指数波动特性的一种有效的方法.     

一类自适应的奇异小波有限元法

本文对一类具有孤立奇点的奇异椭圆型微分方程,通过小波变换自动检测出奇点和奇异度,基于此,导出了一类自适应的奇异小波有限元法,在网格均匀剖分下可以达到饱和阶,     

基于小波分形理论的股价指数信息量测度研究

本把小波分析和分形理论引入到股价指数时间序列的分析中，给出了股价指数波动复杂性的信息量测度方法——信息熵和分形维方法。通过对上证综指和深证成指1994年1月3日至2002年3月4日期间的数据进行的实证分析显示，两种方法均能刻画股价指数波动的复杂程度，这对初步了解我国股市场的波动规律有一定的实际意义。     

基于小波分析的价格周期识别——以天然橡胶和合成橡胶价格为例

使用1997年1月到2009年12月国内天然橡胶、国内合成橡胶、国际天然橡胶的月平均价格数据,运用小波去噪方法、H-P滤波法、B-K滤波法识别了各类价格的周期性并进行了比较.研究结果表明:不同方法得到的周期变化基本一致,小波去噪和BK滤波下周期相对多,HP滤波下波动幅度大;小波去噪法下各类价格对PPI具有最强的预测力,在此方法下国内天然橡胶、合成橡胶价格的平均周期长度约为22个月,国际天然橡胶约为21个月.     

调和分析与小波研究中的逼近论方法

本文介绍了函数逼近论对调和分析与小波研究的应用.本文从Korovkin定理开始,介绍了试验函数法对小波研究的应用、Jackson算子逼近对奇异积分算子有界性研究的应用、正则线性求和与逼近对边界探测研究以及Fourier逆变换计算的应用、以及稀疏数据反构函数的新结果.     

一种利用多通道小波变换去噪的算法

通过对多通道小波和小波变换以及奇异信号的小波变换特性的讨论和分析,提出了一种利用M道小波变换去噪的算法,并利用此算法对加噪信号进行了模拟实验,实验结果表明,该算法简便,易于编程实现且去噪效果理想。     

小波系数相对模糊关系三维水印算法

提出一种基于Hash函数、小波变换和相对小波系数相对模糊关系的三维地形数据数字水印算法.该算法拓展了视觉系统小波域量化噪声的视觉权重分析方法使其能应用于三维地形数据.并且通过自适应的构造模糊关系矩阵,在水印的提取过程中实现了盲检测.本方法与经典的密码理论以及高级加密算法相结合,嵌入三维水印的DEM数据和没有嵌入水印的D...     

芬兰淡水湖冰下溶解氧浓度变化规律的离散小波分析北大核心

以离散小波变换的多尺度分析理论为依据,用Daubechies系列小波对芬兰Valkea-kotinen淡水湖第二测点自2011年1月13日至5月17日不同深度溶解氧浓度的采集数据进行分解与重构.通过db1-db6小波分解效果比较,发现db4小波的重构效果较好.采用db4小波对该位置各深度溶解氧浓度进行多尺度分析,得到数据的低频和高频重构曲线,分析曲线的变化规律.最后,利用离散小波变换尺度为2的幂次这一特点,给出有利于数据分析的测量时间间隔.     

芬兰淡水湖冰下溶解氧浓度变化规律的离散小波分析

以离散小波变换的多尺度分析理论为依据,用Daubechies系列小波对芬兰Valkea-kotinen淡水湖第二测点自2011年1月13日至5月17日不同深度溶解氧浓度的采集数据进行分解与重构.通过db1-db6小波分解效果比较,发现db4小波的重构效果较好.采用db4小波对该位置各深度溶解氧浓度进行多尺度分析,得到数据的低频和高频重构曲线,分析曲线的变化规律.最后,利用离散小波变换尺度为2的幂次这一特点,给出有利于数据分析的测量时间间隔.     

Legendre小波求解超奇异积分

超奇异积分的数值算法一直是近些年来研究的重要课题. 基于超奇异积分的 Hadamard 有限部分积分定义, 本文给出了利用 Legendre 小波计算超奇异积分的方法. 当奇异点位于区间内时, 由于 Legendre 小波具有很好的正交性、显式表达式以及小波函数的可计算性, 将区间内的奇异点变换到区间端点处, 再利用区间端点处 Hadamard 有限部分积分的定义,进而可以计算 p+1(p∈N⁺) 阶超奇异积分. 文中最后给出的算例表明了该方法的可行性和有效性.     

矩阵奇异值分解及其在高维数据处理中的应用

矩阵奇异值分解能够实现对高维数据的局部特征提取及维数约减,在智能信息处理和模式识别研究领域具有十分重要的应用价值.首先分析了高维数据处理所面临的困境,并对常用的降维算法进行简单的归纳总结;然后阐述了矩阵奇异值分解的基本原理及其在维数约减和数据压缩中的物理意义;接着通过分析两种建立在奇异值分解基础上的PCA与LSA降维算法的数学导出过程,进一步给出了两者的等价性证明;最后总结了矩阵奇异值分解的优缺点,并且预测了高维数据处理技术未来的发展趋势.     

应用小波理论处理油(气)田长时压力监测数据

自90年代以来,越来越多的生产井和注入井安装了长时井底压力计.关于长时压力数据分析的主要障碍是数据中的噪音和奇异点、巨大的数据容量、不完备的信息以及缺少动态分析工具.本文以小波理论为基础,经过反复试验,寻找到了适合于处理长时压力数据的小波类型;在Chee kin(2001)的线性回归方法与小波分解的基础上,建立了剔除异常点的多重阀值法、剔除噪音的软阀值方法以及确定瞬变值的多步法;油(气)田实例说明了上述方法的有效性.     

宏观经济监测预警系统(Ⅲ)

3.监测指数系统 经济活动是一个复杂的动态系统.经济周期波动是通过一系列经济变量的活动来传递和扩散的.在分析各个经济变量的波动特征时,有两个问题是必须分清的:一是该变量本身的波动状态;二是通过该变量的波动而展开或推进的经济波动的传导过程.任何一个经济变量本身的波动过程,都不足以代表宏观经济整体的波动过程,欲反映宏观经济系统的波动过程,必须对经济变量进行一定的加工、综合或浓缩.为此,必须构造一个或多个反映经济总体变动情况的综合动态监测指数,并以这些指数为基础,确定衡量经济发展水平(如过热、正常、萎缩)的标准,实现经…     

基于双因素理论的消费者满意度动态监测模型研究

为了提出大数据时代的消费者满意度动态监测方法,帮助企业实时了解消费者满意度动态及影响因素,从京东抓取乳制品评论数据,基于双因素理论和文本挖掘方法进行消费者满意度监测,并分析其影响因素.建立了激励因素和保健因素词库,构建了消费者满意度动态监测模型并绘制动态监测图,分析了满意度波动的原因.乳制品评论数据的实证表明,该模型能够有效监测消费者满意度,并分析波动的影响因素.     

Hermite三次样条多小波自然边界元法

针对应用自然边界元方法解上半平面的Laplace方程的Neumann边值问题时存在奇异积分的困难,本文提出了Hermite三次样条多小波自然边界元法.Hermite三次样条多小波具有较短的紧支集、很好的稳定性和显式表达式,而且它们在不同层上的导数还是相互正交的.因此,本文将它与自然边界元法相结合,利用小波伽辽金法离散自然边界积分方程,使自然边界积分方程中的强奇异积分化为弱奇异积分,从而降低了问题的复杂性.文中给出的算例表明了该方法的可行性和有效性.     

一类具有弱奇异核的偏积分微分方程的Chebyshev小波数值方法（英文）

本文提出一种基于第四类Chebyshev小波配置法,求解了一类具有弱奇异核的偏积分微分方程数值解.利用第四类移位Chebyshev多项式,在Riemann-Liouville分数阶积分意义下,导出Chebyshev的分数次积分公式.通过利用分数次积分公式和二维的第四类Chebyshev小波结合配置法,将具有弱奇异核的偏积分微分方程转化为代数方程组求解.给出了第四类Chebyshev小波的收敛性分析.数值例子证明了本文方法的有效性.     

基于模糊聚类分析的小波神经网络模型在径流预测中的应用

提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集类别变量特征值与观测值之间的局部预测模型,并设计了特征值分类识别器,自动搜寻相适应的局部网络模型进行预测.通过西南某水库2011年日平均入库来流的计算实例对简单小波神经网络预测模型和所建的基于FCM与小波神经网络的预测模型进行了比较,结果较为满意.     

基于最小二乘法的GM(1,1)模型在我国猪肉产量预测中的应用研究

猪肉产量受诸多因素影响,因此数据波动性大,并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1,1)模型对我国未来几年内猪肉产量进行了短期预测.首先,介绍了GM(1,1)模型;然后,通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性,建立基于最小二乘法的GM(1,1)模型;其次,结合2008至2014年我国猪肉产量数据建立预测模型;最后,使用2014年数据对模型的可靠性进行验证,基于最小二乘法的GM(1,1)模型的预测结果更加接近实际值.预测结果显示未来3年中国猪肉产量将持续增加.该模型为其他相关预测提供了理论依据,也便于我国对未来猪肉产品市场进行宏观调控,维持猪肉市场平衡,避免猪肉价格波动风险.