異常點(diǎn)的存在會(huì)導(dǎo)致股票數(shù)據(jù)模型的波動(dòng)預(yù)測(cè)功能失效,因此,在對(duì)股票數(shù)據(jù)進(jìn)行建模分析時(shí),異常點(diǎn)的檢測(cè)是至關(guān)重要的。文章對(duì)股票數(shù)據(jù)通過(guò)GARCH模型處理得到的殘差進(jìn)行小波變換,能夠準(zhǔn)確有效地檢測(cè)異常點(diǎn)并很好的克服了異常點(diǎn)的"遮蔽效應(yīng)"。最后,實(shí)驗(yàn)證明,該方法的效果良好。

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖51級(jí)haar小波變換后得到的高頻系數(shù)

的極大值點(diǎn)的位置P=(63，122，5)及其在殘差X中對(duì)應(yīng)的異常點(diǎn)（130，248，14）,如圖5所示。2010月5月18日（130）的前一個(gè)交易日受加息傳聞及美國(guó)股市暴跌的影響，上證指數(shù)下跌5.07%，后證實(shí)消息為假，上證指數(shù)微漲。2010月11月15日（248）的前一....

本文編號(hào)：3956900