發(fā)布時(shí)間：2020-10-22 02:52

　　 為了更好地分析原油現(xiàn)貨價(jià)格的波動(dòng)規(guī)律,文章以大慶原油日現(xiàn)貨價(jià)時(shí)間序列為研究對(duì)象,把計(jì)量經(jīng)濟(jì)模型與復(fù)雜網(wǎng)絡(luò)方法結(jié)合起來(lái),定量地定義自回歸模式,運(yùn)用時(shí)間滑動(dòng)窗的思想設(shè)置合理的窗體長(zhǎng)度和步長(zhǎng),將時(shí)間序列劃分為多個(gè)子模塊,建立了多個(gè)自回歸子模式.將自回歸子模式設(shè)置為節(jié)點(diǎn),各子模式之間的傳輸設(shè)置為邊,建立自回歸子模式傳輸復(fù)雜網(wǎng)絡(luò),利用復(fù)雜網(wǎng)絡(luò)的特征與性質(zhì),研究大慶原油現(xiàn)貨價(jià)格時(shí)間序列傳輸特性.文章發(fā)現(xiàn)少數(shù)自回歸子模式和傳輸模式驅(qū)動(dòng)大慶原油現(xiàn)貨價(jià)時(shí)間序列的振蕩,在傳輸過(guò)程中出現(xiàn)對(duì)波動(dòng)的聚類效應(yīng),并且某些非主要自回歸子模式在原油時(shí)間序列中具有高中介能力等.這項(xiàng)研究不僅為分析原油價(jià)格時(shí)間序列提出了獨(dú)特的視角,而且為投資者提供了重要信息.
【部分圖文】：

１２２??系統(tǒng)科學(xué)與數(shù)學(xué)??綜合指標(biāo)，它不僅考慮相鄰節(jié)點(diǎn)的數(shù)量，而且考慮相鄰節(jié)點(diǎn)之間的權(quán)重即連接的邊數(shù)．本文??中相鄰節(jié)點(diǎn)的權(quán)重是用復(fù)雜網(wǎng)絡(luò)中的度來(lái)表示的，即以相鄰節(jié)點(diǎn)間的連接邊數(shù)的多少來(lái)衡??貴的，相鄰節(jié)點(diǎn)間如果有一次傳輸則有一條邊，傳輸次數(shù)越多，則邊越多，度越大，在文中圖３??中的邊越粗．加權(quán)出度越大，在圖３中顯示的節(jié)點(diǎn)越大．節(jié)點(diǎn)的加權(quán)出度定義為??ｔｏ？Ｕ?ｔ?—?＾２?ｗｉｊｆ??ｊｅＮｉ??其中，場(chǎng)．為節(jié)點(diǎn)ｉ的鄰居節(jié)點(diǎn)的數(shù)＿量，是節(jié)點(diǎn)ｉ到節(jié)點(diǎn)ｊ的權(quán)重．??如圖４?（ａ）所示，本研究中的復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)的加權(quán)出度符合冪律分布，并且，如圖４?（ｂ）??所示，前２４％的節(jié)點(diǎn)包含了?８０．２％的傳輸能力．這意味著少數(shù)幾種類型的肖回歸子模式在傳??導(dǎo)過(guò)程中起著重要作用，說(shuō)明大慶原油現(xiàn)貨價(jià)時(shí)間序列的波動(dòng)形態(tài)在統(tǒng)計(jì)上具有著的非??隨機(jī)性，少數(shù)一些１４回歸子模式驅(qū)動(dòng)著大慶原油現(xiàn)貨價(jià)時(shí)間序列的振蕩．??０．２５??鞣??０．１??５０?Ｊ００?１５０??加權(quán)出度??圖４節(jié)點(diǎn)加權(quán)出度的分布??（Ｆｉｇｕｒｅ?４?Ｄｉｓｔｒｉｂｕｔｉｏｎｓ?ａｔ?ｔｌｉｅ?ｗｅｉｇｈｔｅｄ?〇ｕｔ－ｔ｝ｅｇｒＱＢ?ｏｆ?ｎｏｄｅ）??３．２傳輸模式（邊）??上面從節(jié)點(diǎn)的角度分析了傳輸過(guò)程中的主要ｆｔ回歸于模式．本文也分析了任意兩個(gè)自??回歸子模式之間的傳輸模式，即構(gòu)建的復(fù)雜網(wǎng)絡(luò)的邊．在本研究的復(fù)雜網(wǎng)絡(luò)傳輸中，共有１Ｍ??種類型的ｆｔ回歸子模式，即節(jié)點(diǎn)．因此，理論上，在兩個(gè)任意的Ａ回歸子模式之間可以存在??１５＃?＝?２３７１６?＃類型的傳輸模式，但在本研究的復(fù)雜網(wǎng)絡(luò)傳輸過(guò)程中僅有８５：９個(gè)有向加權(quán)??邊，這意味著在傳輸過(guò)程中存在８５９種

１期?Ｓ甜等：原油價(jià)格吋祖序列自：同歸子模式傳輸特征分析?１２３??型的傳輸對(duì)象的傳輸占比更高．主要Ａ回歸子模式（數(shù)董排名前７的自回歸子模式）的傳??輸比率如圖５所示．以ｆｌ．（〇．９６，〇．＂Ｍ〇．〇９，〇．１２］子模式的傳輸為例，該子模式一共傳輸給了??１２個(gè)傳輸對(duì)象，傳輸流量如圖６所示，圖中流量的大小代表著傳輸?shù)念l次，傳輸頻次越高，??圖中流景越大．在傳輸時(shí)，ａ（０．９６，０．９９］６（０．０９，０．１２］子模式４０．２％傳輸給了自身，１８．７％傳輸??給了?ａ（０．９４〇．＂Ｍ〇．〇６５〇．〇Ｑ］子模式，Ｉ８．７％?傳輸給了?ａ（０．冊(cè)，〇．卯Ｍ〇．ｌ２，〇．ｌ５］子模式，這?３??個(gè)子模式共占據(jù)了《（〇．９４〇．９９］６（０．０９，０．１２］子模式傳輸中的７７．６％．可以看出主要ｆｔ回歸子??模式的傳輸對(duì)象類型較少，１在傳輸過(guò)程中相對(duì)穩(wěn)定．因此，在對(duì)大慶原油現(xiàn)貨價(jià)時(shí)問(wèn)序??列進(jìn)行分析時(shí)，若目前波動(dòng)形態(tài)為ａ（〇．９６，０．９９］＆（０．０９，０．１２］則后一個(gè)波動(dòng)形態(tài)有很大概率為??＃（０．聽(tīng)，０．９９］６（０．０９，０．１２］，?？（０．聽(tīng)，０．９９］６（０．．１２，０．１５］或?ａ（０．９６，０．９．９］６（０．０．６５?０，０９］，對(duì)投資者具有參??考意義．??圖５?：主要傳輸子模式的傳輸對(duì)象占比（加權(quán)出度本小于１Ｑ０）??（Ｆｉｇｕｒｅ?５?Ｔｈｅ?ｔｒａｎｓｍｉｓｓｉｏｎ?ｐｒｏｂａｂｉｌｉｔｉｅｓ?ｏｆ?ｔｈｅ?ｍａｊｏｒ?ｆｌｕｃｔｕａｎｔ?ｓｕｂ－ｐａｔｔｅｒｎｓ?ｗｉｔｈ??ａ?ｗｅｉｇｈｔｅｄ?ｏｕｔ－ｄｅｇｒｅｅ?ｏｆ?ｎｏ?ｌｅｓｓ?ｔｈａｎ?１００）??ａ（Ｑ．９６，?Ｑ．９９］ｂ（Ｑ．Ｑ９

輸中社團(tuán)的分析可以了解傳輸過(guò)程中的波動(dòng)聚類效應(yīng)．本文將所研究的??復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)按它們之問(wèn)的傳輸概率進(jìn)行劃分，若一些子模式之間有很高的傳輸概率，那么??將這些子模式劃分為＾個(gè)子網(wǎng)絡(luò)，即一個(gè)社團(tuán)．在一個(gè)社團(tuán)中，社團(tuán)內(nèi)部的節(jié)點(diǎn)的邊密度較??高，而不同社團(tuán)之間的邊密度較低．??在０?＝?．５０：時(shí)，本文中的傳輸復(fù)雜網(wǎng)絡(luò)劃分為５個(gè)社團(tuán)（如圖３所．示從圖＿?７中可以看??出，各社團(tuán)節(jié)點(diǎn)數(shù)量與各社團(tuán)加權(quán)出度之和之間存在弱相關(guān)關(guān)系．因此，具有較強(qiáng)傳輸能力??的社團(tuán)，Ａ回歸子模式類型也較多．??圖７各社團(tuán)中的子模式數(shù)董占比和累積加權(quán)出度占比??（Ｆｉｇｕｒｅ?７?Ｎｕｍｂｅｒ?ｏｆ?ｓｕｂ－ｐａｔｔｅｒｎｓ?ａｎｄ?ｓｕｍ?ｏｆ?ｔｈｅ?ｗｅｉｇｈｔ?ｏｕｔ－ｄｅｇｒｅｅ?ｏｆ?ｅａｃｈ?ｃｏｍｍｕｎｉｔｙ?（％））??本文中的復(fù)雜網(wǎng)絡(luò)傳輸中有３個(gè)主要社團(tuán)，即社團(tuán)１，?２和３，其傳輸能力占整個(gè)網(wǎng)絡(luò)的??８６．７％．主要社團(tuán)的出現(xiàn)暗示著大慶原油Ｈ現(xiàn)貨價(jià)時(shí)間序列波動(dòng)中的穩(wěn)定信號(hào)，可以為投資??者提供一段時(shí)間內(nèi)大慶原油價(jià)格時(shí)間序列在某一主要社團(tuán)周圍波動(dòng)的重要倍息．圖８是大??慶原油Ｈ現(xiàn)貨價(jià)時(shí)間序列社團(tuán)隨時(shí)間變化的分布圖，可以看出對(duì)應(yīng)時(shí)間的傳輸子模式位于??哪一個(gè)社團(tuán)．例如，２００８年７月初，大慶原油現(xiàn)貨價(jià)格在攀升到最高峰后，持續(xù)下跌，這種趨??勢(shì)一直持續(xù)到２００８年年底，這段Ｋ間主要巾社團(tuán)１中的子模式控制，ｆｔ回歸子模式相對(duì)穩(wěn)??定．２０１５年至２０１７年之間，大慶原油價(jià)格現(xiàn)貨價(jià)格呈現(xiàn)不斷震蕩波動(dòng)狀態(tài)，但是自回歸子模??式是相對(duì)穩(wěn)定的，尤其是社團(tuán)１?Ｓ示出對(duì)波動(dòng)的明Ｓ聚類效應(yīng)，雖然社團(tuán)４和社團(tuán)５共包含??２２．７％的向回歸子模式類型，但累積加
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張笑東;夏筱筠;蒲寶明;公緒超;王帥;;基于非穩(wěn)態(tài)時(shí)間序列的生理控制模型研究[J];系統(tǒng)工程理論與實(shí)踐;2020年02期

2 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時(shí)間序列分類方法[J];計(jì)算機(jī)應(yīng)用;2017年02期

3 王金策;楊寧;;時(shí)間序列趨勢(shì)預(yù)測(cè)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年02期

4 劉偉龍;;基于ARMA模型的股價(jià)預(yù)測(cè)及實(shí)證研究[J];智富時(shí)代;2017年02期

5 郭崇慧;蘇木亞;;基于獨(dú)立成分分析的時(shí)間序列譜聚類方法[J];系統(tǒng)工程理論與實(shí)踐;2011年10期

6 許清海;混沌投資時(shí)間序列的嬗變[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年01期

7 王海燕,李文,陳文彥;時(shí)間序列間統(tǒng)計(jì)依賴性測(cè)量的一種改進(jìn)方法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年03期

8 閻光輝,孫穎;混沌系統(tǒng)時(shí)間序列的二維重構(gòu)[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年02期

9 管韶寧;;時(shí)間序列經(jīng)濟(jì)預(yù)測(cè)方法及其在外貿(mào)中的應(yīng)用[J];廣州對(duì)外貿(mào)易學(xué)院學(xué)報(bào);1987年04期

10 戚仁華;一類ARMA模型的逐步識(shí)別算法[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年04期

相關(guān)博士學(xué)位論文 前10條

1 劉海洋;復(fù)雜環(huán)境下時(shí)間序列預(yù)測(cè)方法研究[D];北京交通大學(xué);2019年

2 石巍巍;大規(guī)模多源時(shí)間序列預(yù)處理與隱藏空間映射分析研究[D];上海交通大學(xué);2018年

3 顏昌;心血管時(shí)間序列的圖形分析和應(yīng)用[D];山東大學(xué);2019年

4 黃田;面向超大規(guī)模時(shí)間序列的異常檢測(cè)[D];上海交通大學(xué);2015年

5 張琪;時(shí)間序列流數(shù)據(jù)異常檢測(cè)問(wèn)題的研究[D];山東大學(xué);2019年

6 張方;局部相似分析的統(tǒng)計(jì)研究及其在生物時(shí)間序列中的應(yīng)用[D];山東大學(xué);2019年

7 魯韻帆;隨機(jī)交互金融模型的構(gòu)建及金融時(shí)間序列的統(tǒng)計(jì)分析[D];北京交通大學(xué);2018年

8 郭珩;復(fù)雜網(wǎng)絡(luò)在非線性時(shí)間序列分析中的應(yīng)用[D];華東師范大學(xué);2018年

9 王曉曄;時(shí)間序列數(shù)據(jù)挖掘中相似性和趨勢(shì)預(yù)測(cè)的研究[D];天津大學(xué);2003年

10 李漢東;多變量時(shí)間序列波動(dòng)持續(xù)性研究[D];天津大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 吳振宇;復(fù)雜時(shí)間序列的信息熵及其應(yīng)用[D];北京交通大學(xué);2019年

2 劉彩云;基于時(shí)間序列挖掘技術(shù)的南水北調(diào)工程安全監(jiān)測(cè)數(shù)據(jù)異常檢測(cè)[D];華北水利水電大學(xué);2019年

3 武帥;面向時(shí)間序列的增量模糊聚類算法研究[D];河南理工大學(xué);2018年

4 葉銳;基于遷移學(xué)習(xí)和多任務(wù)學(xué)習(xí)的時(shí)間序列預(yù)測(cè)算法[D];南京航空航天大學(xué);2019年

5 鄭迪威;基于空間索引的不確定時(shí)間序列相似性查找方法研究[D];南京航空航天大學(xué);2019年

6 左良利;基于DTW的不確定時(shí)間序列分類方法研究[D];南京航空航天大學(xué);2019年

7 尹奧;時(shí)間序列異常子序列檢測(cè)算法研究[D];哈爾濱工業(yè)大學(xué);2019年

8 王玙;關(guān)系數(shù)據(jù)庫(kù)支持的不確定時(shí)間序列存儲(chǔ)與優(yōu)化方法研究[D];南京航空航天大學(xué);2019年

9 高煥博;基于多元時(shí)序數(shù)據(jù)的系統(tǒng)狀態(tài)感知設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2019年

10 李曼晴;時(shí)間序列的多尺度表示方法研究[D];西安電子科技大學(xué);2019年

本文編號(hào)：2850992