【摘要】：股票指數(shù)波動率的預測一直是金融計量領域研究的重要課題,目前股票指數(shù)波動率研究使用的數(shù)據(jù)大多是以分、秒為單位的高頻金融數(shù)據(jù)。但是高頻數(shù)據(jù)自身更易受微觀結構效應的影響,所以與日間數(shù)據(jù)相比要更重視去除數(shù)據(jù)中的噪聲。因而,本文對使用降噪算法提升波動率預測能力展開了較為細致的研究。本文的研究對象為滬深300股票指數(shù),該指數(shù)能夠同時反映滬深兩市的整體變動情況。數(shù)據(jù)選用從2015年5月18日到2019年1月3日的每5分鐘高頻數(shù)據(jù)。首先,本文應用集合經驗模態(tài)分解(EEMD)分別對日、周和月已實現(xiàn)波動率進行處理,通過顯著性檢驗得到本征模態(tài)函數(shù)(IMF)的高低頻分界點。其次,對高頻IMF分量進行小波多分辨分析和單支重構。經過重新整合高低頻分量得到降噪后的已實現(xiàn)波動率數(shù)據(jù)。最后,本文使用異質自回歸模型(HAR-RV)完成滾動預測,并將預測結果進行對比與評價。本文的主要結論是:(1)從預測準確度的角度評價,將小波分析和EEMD相結合的算法應用于股票指數(shù)波動率的預測模型中能夠很好地提升預測準確度,相比于應用原始數(shù)據(jù)的預測結果,準確度測量函數(shù)中誤差均下降75%以上,其中根均方誤差下降95.65%。(2)從預測股指波動率走勢的角度評價,使用降噪算法進行預測的股票指數(shù)波動率走勢與實際波動率走勢一致,而原預測走勢具有較為明顯的偏差。在大多數(shù)區(qū)間內,股票指數(shù)波動率的基數(shù)都比較小,微小的預測誤差都很可能影響到后續(xù)研究的準確性,所以預測精確度的提高具有重要的研究意義。本文將小波分析和EEMD相結合的降噪算法應用在股指波動率的預測中,為股票數(shù)據(jù)的處理提供一種了有效的降噪方法,具有重要的理論意義和應用價值。
【學位授予單位】：華僑大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F832.51;O212.2

【參考文獻】

相關期刊論文 前10條

1 余白敏;吳衛(wèi)星;;基于“已實現(xiàn)”波動率ARFI模型和CAViaR模型的VaR預測比較研究[J];中國管理科學;2015年02期

2 秦喜文;劉文博;董小剛;王純杰;李純凈;;基于極大重疊離散小波變換的金融高頻數(shù)據(jù)波動率估計[J];吉林大學學報(理學版);2014年06期

3 曲建嶺;王小飛;高峰;周玉平;張翔宇;;基于復數(shù)據(jù)經驗模態(tài)分解的噪聲輔助信號分解方法[J];物理學報;2014年11期

4 張文忠;周蓉;武旭紅;薛志宏;;利用白噪聲分解特征的EEMD閾值降噪方法[J];測繪科學技術學報;2013年03期

5 楊科;田鳳平;林洪;;跳躍的估計、股市波動率的預測以及預測精度評價[J];中國管理科學;2013年03期

6 陳浪南;楊科;;中國股市高頻波動率的特征、預測模型以及預測精度比較[J];系統(tǒng)工程理論與實踐;2013年02期

7 羅世華;周斌;李穎;;基于小波分析的股市波動的多重分形辨識[J];系統(tǒng)工程理論與實踐;2012年11期

8 蔡峗姝;盧志明;;基于經驗模態(tài)分解的上證綜合指數(shù)時間序列分析[J];上海大學學報(自然科學版);2012年04期

9 唐勇;寇貴明;;股票市場微觀結構噪聲、跳躍、流動性關系分析[J];中國管理科學;2012年02期

10 肖燕君;張華;任若恩;;基于小波多尺度分析的股票價格組合預測方法[J];工業(yè)工程;2011年06期

，

本文編號：2691984