多變量金融時間序列的非線性檢驗及重構研究.pdf

1、金融系統(tǒng)是一個開放的復雜系統(tǒng)，其內(nèi)部的各個經(jīng)濟變量之間存在著錯綜復雜的關系。從“隨機游走理論”、“有效市場假說”到“資產(chǎn)定價模型理論”，有關金融市場的研究理論層出不窮。然而，這些研究方法一般都是在線性框架的基礎上建立發(fā)展起來的。大量的證據(jù)表明，僅僅用線性方法已經(jīng)不能很好的解釋復雜的金融市場波動。20世紀80年代以來，越來越多的金融學者們都在探尋應用非線性方法，來解釋復雜的金融現(xiàn)象，并對金融市場的演化過程進行預測。因而，在非線性框架下研究

2、金融市場具有非常重要的理論和現(xiàn)實意義。 本文應用混沌理論和支持向量機理論對多變量金融時間序進行了非線性檢驗和重構研究。研究內(nèi)容大體包括如下幾部分： 1）綜述了近年來比較有代表性的單變量和多變量金融時間序列的非線性檢驗方法，分析了它們各自的特點和不足，在改進算法的基礎上，通過對典型的具體金融時序數(shù)據(jù)的非線性混沌特性的檢驗，對金融時序數(shù)據(jù)中非線性混沌特征規(guī)律有了進一步的了解。 2）提出了一種計算多變量時間序列最大Ly

3、apunov指數(shù)的改進的小數(shù)據(jù)量方法。在此基礎上，以Ikeda映射、Henon映射、Lorenz映射和Chen映射四種典型混沌系統(tǒng)為例，采用將隨機數(shù)方法生成的高斯白噪聲與混沌系統(tǒng)時間序列疊加的方法，研究了噪聲對多變量時序最大Lyapunov指數(shù)的影響。 3）建立了多變量金融時間序列的非線性預測模型，應用該方法對實際獲得的金融時序數(shù)據(jù)進行了預測研究，并且將預測結果與單變量時間序列的預測結果進行了比較，結果表明多變量時間序列預測模型

4、優(yōu)于單變量時間序列預測模型。 4）建立了混沌理論與LS-SVM相結合的多變量金融時間序列預測模型，并應用該模型對具體的金融時間序列進行了預測研究，結果表明多變量時間序列的LS-SVM預測模型明顯優(yōu)于單變量時間序列的LS-SVM預測模型。 針對金融系統(tǒng)的非線性特點，將混沌理論和支持向量機理論應用到多變量金融時間序列的研究工作中，結果表明這些理論能夠有效地對金融市場波動進行非線性分析和預測。這一研究對于金融時間序列的非線性建