基于复杂网络的时间序列单变量波动幅度研究

为研究时间序列单变量波动幅度演变规律,文章选择伦敦金下午收盘价格作为样本数据,借鉴统计物理学的方法进行研究.利用粗粒化方法建立了价格波动幅度变化模态,运用复杂网络理论对时间序列单变量波动幅度模态的统计、变化规律和演化规律进行了分析.研究结果表明,时间序列单变量波动幅度模态分布具有幂律性、群簇性和周期性,其波动幅度模态主要通过少数几种模态进行转换与演化.本研究方法不仅可以对不同类型时间序列单变量波动幅度进行研究,同时可为多变量波动幅度及其联动波动规律研究提供思路.     

农产品期货价格联动性实证研究——基于中美玉米期货日收盘价数据

依据大连玉米期货和美国芝加哥玉米期货价格日收盘价数据,对中美玉米期货价格变化进行粗粒化处理.以玉米价格波动模态为节点,模态之间的转换为边建立中国玉米和美国玉米期货价格有向加权联动性复杂网络,通过该复杂网络研究中美农产品期货价格联动性波动规律.研究表明大连玉米期货价格与美国玉米期货价格的联动波动趋势为同向联动性,但中美玉米期货价格的联动性并不完全保持同向变动;加权聚集系数和点强度呈负相关,价格联动波动具有周期性,联动模态间的转换周期平均为5-6天;中美玉米期货价格联动的群发性波动通过出现概率较小的且中介中心性较高的模态进行交替转换,通过预测价格联动的波动状态,可以为规避市场风险提供决策参考.     

我国股市网络稳定性及其宏观影响因素——基于三种网络拓扑结构、鲁棒性的实证研究

基于金融时间序列的多重分形特征及衡量市场风险的VaR模型,建立我国沪深股市的股票关联网络,实证研究三种网络拓扑结构特征,并使用协整检验方法分析网络稳定性和宏观经济变量间的长期均衡关系。结果表明:股票价格网络不具有无标度性,多标度网络和风险网络都具有无标度性;在三种网络中,风险网络具有更强的鲁棒性。此外,股市波动率和网络稳定系数间互为格兰杰因果关系,股市波动的前期变化能有效解释网络稳定性系数的变化;网络稳定性与宏观经济变量间具有长期的均衡关系,GDP增长率、消费者物价水平CPI对网络稳定性具有正向效应,利率对网络稳定性具有负向效应。风险网络的提出有助于分析我国股市的短期风险及稳定性,并为制定系统风险防御策略提供参考。     

模型FI-EGARCH-M的建立及实证分析

近年来,金融市场在经济发展中占据了越来越重要的位置,金融数据波动规律成为各国学者竞相研究的热门课题.根据我国近几年来股票市场的波动特点,为其寻找更为合适的模型来拟合股票价格波动规律,即对股票价格波动做进一步分析.提出具有有效市场和分形市场二者优点的FI-EGARCH-M模型,并用所建立的模型对上证指数进行了实证分析.     

可转换债券向下修正条款触发与股价异常回报的关联研究

向下修正条款是可转换债券募集条款中的一项触发性条款。本文以向下修正条款的触发与可转换债券发行公司的股票价格异常回报的关联程度为研究目的,分别采用传统和修正的事件研究法,对可转换债券向下修正的频率及其对股价影响的幅度和深度进行了研究。分析结果说明,没有明显的证据支持样本公司向下修正转股价行为会影响股票价格的波动。通过比较样本公司条款的异同,结合实证研究结论,本文给出了未来可转换债券向下修正转股价条款设计原则和建议。     

用SASD统计包预报含季节变化数据

一、引言 时间序列分析可以揭示一个按时间间隔搜集的统计资料所反映的规律.一直掌握这种规律,即可对未来作出估计,这种估计就是预报.预报是任何决策的基本工具,它对 工程技术人员和管理人员是非常重要的。 时间序列中通常包括四种变化成分;长期趋势、周期波动、季节变动和随机变化.长期趋势是指变量值在一个长期内所呈现的增加或减小的趋势.周期波动是指在一年以上的时期内,时间序列沿其长期趋势线上摆动的波动变化.季节变动是指在一年内围绕趋势线的可以预报的重复运动.随机变化是指时间序列中的随机变化因素. 随机数据统计分析软件包SA…     

双重内共振系统非线性模态分岔的奇异性分析

利用多尺度法构造的一类1:2:5双重内共振系统的耦合非线性模态的分岔是一个两变量的分岔问题.利用Maple计算机代数可以通过消元将耦合的模态分岔方程分离为两个单变量的分岔方程.对分离后的单变量分岔方程进行奇异性分析,发现随着系统参数的变化,非线性模态的分岔既可以是一种模态向另一种模态的转化,也可以是一种模态的突然出现与消失.最后给出了两变量分岔问题可以利用消元后得到的单变量分岔方程和耦合方程进行处理的一种方法.     

隐马尔科夫模型在乙肝发病预测中的应用

基于隐马尔科夫模型(HMM)为中国疾病预防与控制中心发布的乙肝发病数量时间序列进行建模,通过似然函数的计算而建立起一个具有2状态的单变量正态分布隐马尔科夫模型.根据模型估计结果,发现两个状态对应的乙肝发病数量的分布规律有较大差异,分别对应着乙肝疫情的低发状态和高发状态.状态之间有可能发生转换,但是转换的概率比较低.基于所估计得到的隐马尔科夫模型,可以识别出特定时刻乙肝疫情所处的状态,也可以预测未来时刻乙肝疫情所处的状态.     

基于多元混沌时间序列的油田产量预测模型

油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多元混沌时间序列的相空间;使用基于奇异值分解的主成分分析消除重构相空间的冗余变量和噪声干扰,建立了有较好泛化性能的多元混沌时间序列油田产量预测模型;最后将混沌时间序列预测和Elman神经网络进行耦合,创建了基于主成分分析前馈网络的多元混沌时间序列油田产量预测方法.应研究表明,提出的多变量混沌时间序列预测方法的预测精确度优于单变量预测,它可用于解决具有多变量混沌时间序列的预测问题.     

基于MRS-SJC-Copula模型对A股与港股的动态联动性研究

由于经济增长周期变化,导致不同股票市场存在高低状态转换的现象,在研究不同股票市场之间联动性的研究时,需要考虑股票波动均值和方差两种结构变化。基于具有马尔可夫状态转换的动态SJC-Copula,结合修正ICSS算法对我国内地股票市场和香港股票市场之间的联动性进行方差结构突变点的检验。实证结果表明:国内和香港股票市场之间存在非线性非对称的时变相依性,并持续存在高低两种不同状态的概率转换。股票指数由于动态联动受到负面消息的下跌幅度大于正面消息的变化幅度,且上下尾部均受上期信息的持续影响。“沪港通”、“深港通”、中美贸易战等因素使得其上下尾部发生结构突变,内地与香港股票市场的联动性增大和市场波动幅度趋强。