基于LLSA小波的高頻金融時(shí)間序列突變點(diǎn)檢測(cè)研究.pdf

1、股票價(jià)格的變化是由信息的到達(dá)所引起的,如何準(zhǔn)確及時(shí)的掌握新信息的到達(dá),對(duì)于揭示股票價(jià)格的內(nèi)在形成機(jī)制具有重要的意義,在對(duì)股票價(jià)格時(shí)間序列的分析中,除了長(zhǎng)期趨勢(shì)和季節(jié)變動(dòng)趨勢(shì)外,還有一種變動(dòng)也是由外部事件引起并會(huì)對(duì)時(shí)間序列走勢(shì)產(chǎn)生持續(xù)影響,即突變點(diǎn),包括跳躍點(diǎn)(jumps)、陡坡(steep slopes)等,它往往包含重要信息卻被誤認(rèn)為噪聲進(jìn)而被忽視。高頻金融時(shí)間序列的突變點(diǎn)往往包含重要信息,準(zhǔn)確檢測(cè)和分析突變點(diǎn)的發(fā)生對(duì)投資決策具有重要

2、意義。統(tǒng)計(jì)數(shù)據(jù)挖掘方法(或模型)需要一種去噪算法來(lái)清洗數(shù)據(jù),從而獲得可靠和顯著的結(jié)果。大多數(shù)數(shù)據(jù)清洗方法只專注于某些已知類型的不規(guī)則行為。對(duì)于高頻金融數(shù)據(jù)而言,不規(guī)則性是多方面的,那就是隨著不同的時(shí)間和不同的測(cè)量尺度的變化。因此,找到一個(gè)有效的去噪算法是進(jìn)行高頻金融數(shù)據(jù)挖掘的關(guān)鍵。
　　以往的研究都是在某一尺度上對(duì)全體數(shù)據(jù)使用相同的濾波規(guī)則,這存在一個(gè)不足:若要保證提取趨勢(shì)不包含過(guò)多噪聲則無(wú)法包含某些突變現(xiàn)象,相反地,若想檢測(cè)出突

3、變現(xiàn)象則要付出納入不必要的干擾噪聲的代價(jià)。因而本文認(rèn)為使用小波分析方法研究數(shù)據(jù)突變點(diǎn)并重構(gòu)的關(guān)鍵在于是否能準(zhǔn)確捕捉突變的同時(shí)還保證所提取趨勢(shì)的相對(duì)平滑,也就是說(shuō),保證準(zhǔn)確檢測(cè)出突變部分的同時(shí)不引入額外的噪聲。本文使用一種基于最大重疊離散小波變換(MODWT)的改進(jìn)型小波分析方法——局部線性尺度近似法(簡(jiǎn)稱LLSA),同時(shí)結(jié)合線性和非線性濾波器的特點(diǎn),對(duì)高頻金融數(shù)據(jù)進(jìn)行突變點(diǎn)檢測(cè)并重構(gòu),研究該方法檢測(cè)出的突變現(xiàn)象能否對(duì)應(yīng)重大特殊事件,以及