發(fā)布時(shí)間：2017-10-18 17:16

  本文關(guān)鍵詞：基于Hilbert-Huang Transform的上證指數(shù)波動(dòng)特征及影響因素分析

  更多相關(guān)文章： 希爾伯特黃變換 上證指數(shù) 頻域 宏觀經(jīng)濟(jì)變量 突變檢測(cè)

【摘要】：我國(guó)股票市場(chǎng),在經(jīng)歷了25年的發(fā)展之后,已成為具有第二大全球市值比重的股票市場(chǎng),占比超10%,具有非常廣闊的發(fā)展前景與非常巨大的發(fā)展?jié)摿�。同時(shí),股票市場(chǎng)和國(guó)民經(jīng)濟(jì)密切相關(guān),對(duì)其波動(dòng)特征及相關(guān)影響因素的研究具有重要意義。而大量研究成果證實(shí)金融時(shí)間序列具有高噪聲、非平穩(wěn)、非線性等特性。希爾伯特黃變換(HHT)自1998年正式提出以來(lái),作為一種直觀的、數(shù)據(jù)驅(qū)動(dòng)的自適應(yīng)算法,對(duì)處理廣泛存在的頻率隨時(shí)間變化信號(hào)中非平穩(wěn)、非線性過(guò)程的分析效果顯著。本文對(duì)金融時(shí)間序列具備的非平穩(wěn)、非線性特點(diǎn)進(jìn)行充分考量,在實(shí)證過(guò)程中引入HHT方法,對(duì)我國(guó)上證指數(shù)時(shí)間序列進(jìn)行建模分析。首先利用HHT方法中的經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)算法對(duì)樣本數(shù)據(jù)序列進(jìn)行篩分,得到8個(gè)本征模態(tài)函數(shù)(IMF)和1個(gè)趨勢(shì)余項(xiàng)。通過(guò)分量重構(gòu),證明了EMD算法的有效性和完備性。接著利用希爾伯特譜分析,輔以主成分分析法、方差貢獻(xiàn)占比等方法,按評(píng)估結(jié)果將各分量按頻域劃分(高頻、低頻、趨勢(shì)項(xiàng))并進(jìn)行波動(dòng)特征分析。同時(shí),將代表上證指數(shù)中長(zhǎng)期波動(dòng)的低頻分量與宏觀經(jīng)濟(jì)變量(工業(yè)增加值同比增速、CPI同比增速、SHIBOR 1W與LIBOR 1W之差、平均匯率和廣義貨幣供給量)建立VAR模型進(jìn)行分析,得出結(jié)論;上證指數(shù)中長(zhǎng)期波動(dòng)與平均匯率呈負(fù)相關(guān)關(guān)系,與CPI同比增速、工業(yè)增加值同比增速和廣義貨幣供給量呈正相關(guān)關(guān)系,與SHIBOR 1W與LIBOR 1W之差呈正相關(guān)關(guān)系,但關(guān)系較為微弱。對(duì)代表了上證指數(shù)短期波動(dòng)的高頻分量,利用Hilbert譜分析,結(jié)合Mann-Kendall突變檢測(cè)方法,通過(guò)尋找譜中突變點(diǎn),讀取突變點(diǎn)的瞬時(shí)頻率和瞬時(shí)振幅,并對(duì)其進(jìn)行解析,并與現(xiàn)實(shí)事件進(jìn)行對(duì)照驗(yàn)證檢測(cè)有效性。最后,根據(jù)實(shí)證結(jié)果得出相應(yīng)結(jié)論,指出本文的創(chuàng)新點(diǎn)與不足,并對(duì)未來(lái)研究進(jìn)行展望。
【關(guān)鍵詞】：希爾伯特黃變換 上證指數(shù) 頻域 宏觀經(jīng)濟(jì)變量 突變檢測(cè)
【學(xué)位授予單位】：廣東外語(yǔ)外貿(mào)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F224;F832.51
【目錄】：

• 摘要4-5
• Abstract5-7
• 第1章 緒論7-17
• 1.1 研究背景及意義7-8
• 1.2 國(guó)內(nèi)外相關(guān)文獻(xiàn)綜述8-15
• 1.2.1 關(guān)于股票市場(chǎng)波動(dòng)特征研究現(xiàn)狀8-10
• 1.2.2 關(guān)于股票市場(chǎng)波動(dòng)的影響因素研究現(xiàn)狀10-13
• 1.2.3 關(guān)于希爾伯特黃變換方法應(yīng)用的研究現(xiàn)狀13-15
• 1.3 本文的研究?jī)?nèi)容及創(chuàng)新之處15-17
• 1.3.1 本文的研究框架15
• 1.3.2 本文的研究方法15-16
• 1.3.3 本文的創(chuàng)新點(diǎn)與不足之處16-17
• 第2章 研究的技術(shù)方法17-24
• 2.1 希爾伯特黃變換方法17-19
• 2.1.1 經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）17-18
• 2.1.2 希爾伯特變換18-19
• 2.2 向量自回歸模型19-21
• 2.3 主成分分析法21-22
• 2.4 Mann-Kendall突變檢測(cè)方法22-24
• 第3章 基于Hilbert-Huang Transform的上證指數(shù)波動(dòng)特征實(shí)證分析24-35
• 3.1 研究整體框架24
• 3.2 數(shù)據(jù)選取的說(shuō)明24-26
• 3.3 上證指數(shù)的希爾伯特黃變換26-31
• 3.4 上證指數(shù)波動(dòng)特征分析31-34
• 3.4.1 趨勢(shì)項(xiàng)波動(dòng)特征分析31-32
• 3.4.2 低頻分量波動(dòng)特征分析32-33
• 3.4.3 高頻分量波動(dòng)特征分析33-34
• 3.5 本章小結(jié)34-35
• 第4章 上證指數(shù)中長(zhǎng)期波動(dòng)宏觀影響因素分析及短期波動(dòng)突變點(diǎn)檢測(cè)35-45
• 4.1 上證指數(shù)中長(zhǎng)期波動(dòng)的宏觀影響因素分析35-39
• 4.1.1 VAR模型的建立35-36
• 4.1.2 協(xié)整分析與方差分解36-39
• 4.2 上證指數(shù)短期波動(dòng)的突變點(diǎn)檢測(cè)與特征分析39-43
• 4.3 本章小結(jié)43-45
• 第5章 研究結(jié)論及展望45-48
• 5.1 本文的主要結(jié)論45-46
• 5.2 后續(xù)研究展望46-48
• 參考文獻(xiàn)48-53
• 致謝53-54
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文54

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉迎春;;滬深300指數(shù)與上證指數(shù)關(guān)系的實(shí)證研究[J];遼寧經(jīng)濟(jì);2008年12期

2 姜娉婷;劉穎博;;上證指數(shù)與基金資產(chǎn)配置相關(guān)性實(shí)證研究[J];金融經(jīng)濟(jì);2009年14期

3 葉中行,楊利平;上證指數(shù)的混沌特性分析[J];上海交通大學(xué)學(xué)報(bào);1998年03期

4 朱寧;徐標(biāo);仝殿波;;上證指數(shù)的時(shí)間序列預(yù)測(cè)模型[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);2006年02期

5 范漪涵;;生存模型對(duì)上證指數(shù)漲跌天數(shù)的探討[J];科協(xié)論壇(下半月);2007年03期

6 王強(qiáng);秦安增;;上證指數(shù)短期預(yù)測(cè)的數(shù)學(xué)模型[J];電腦編程技巧與維護(hù);2009年04期

7 欒s，

本文編號(hào)：1056155