基于小波分析的高频时间序列研究

【摘要】： 高频/超高频时间序列比低频时间序列包含了更多的信息,并且能表现长期趋势。它的研究不论是对于金融理论工作者,还是对于金融从业者,都具有十分重要的意义。 而在资本市场中,每一个投资者的视界都不是一样的,有长期投资者也有短期的。因此,市场是多尺度结构的。而小波分析的多尺度特性,使其成为分析金融市场的有利工具。 本文正是利用小波分析的方法研究金融高频时间序列在波动、风险、可预测上存在的一些特性。 首先,利用小波的方法,分析研究高频时间序列的“已实现”波动特性。给出小波“已实现”波动率的定义,并以上海股市为例分析了个股和上证指数小波“已实现”波动在不同尺度上的相关性。 其次,对金融高频数据,根据其多尺度结构的特性给出不同尺度下的Beta系数,构建多分辨投资组合策略。这种方法能够解决在不同的时间尺度下,如何选择相应的组合权重以获得大的收益或者将投资组合风险降到最低的问题。 再次,讨论高频时间序列的可预测性。利用小波中的多分辨分析方法,对高频数据在不同尺度上建模,成立趋势项和周期项,分析数据并进行预测,将预测结果与普通建模预测方法进行对比,发现这种预测方法在对短期预测效果较好,精确度很高。 最后总结全文,并展望了该领域今后的研究趋势。 本论文是国家自然科学基金项目《多变量矩序列长期均衡关系及动态金融风险规避策略研究》(No.70471050)的组成部分。

【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F224;F830