ARFIMA模型在金融時間序列的應(yīng)用

劉強; 余冬玲; 周煜

0
0
瀏覽
下載

摘要
關(guān)鍵詞
基金信息
論文圖表
動態(tài)公開評議
相關(guān)論文
評論

ARFIMA模型在金融時間序列的應(yīng)用

首發(fā)時間：2018-10-31

劉強 ¹
劉強（1991-），男，碩士，主要研究方向：時間序列模型的應(yīng)用
余冬玲 ¹
余冬玲（1993-），女，碩士，主要研究方向：生物信息與時間序列,E-mail:963536635@qq.com
周煜 ¹
周煜（1982-），男，博士，副教授，主要研究方向：非線性時間序列分析以及應(yīng)用。

1、湘潭大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院，湘潭　411105

摘要：本文系統(tǒng)地討論了如何對分整自回歸移動平均(Autoregressive fractionally integrated moving average, ARFIMA)模型進(jìn)行參數(shù)估計以及相應(yīng)的建模。具體來說,三種方法ADF、PP和KPSS三種方法被用來檢驗上證指數(shù)和深證成指兩條序列的平穩(wěn)性,并用經(jīng)典的R/S分析法和修正的R/S分析法以及V/S分析法來分析兩條序列的長記憶性。結(jié)論顯示一致支持上證和深證的日收益序列都有長記憶性,而且上證序列的長記憶性比深證的強。基于長記憶性的檢驗結(jié)果,本文對兩條序列采用B-J 方法進(jìn)行ARFIMA建模。通過信息準(zhǔn)則比較確定為,ARFIMA$(6,0.1520,2)$是描述上證日收益序列長記憶性最合適的模型,ARFIMA$(5,0.1282,2)$是描述深證成指日收益序列長記憶性最合適的模型。通過實證研究得出,我國股市中確實存在長記憶性,但中國股市缺乏有效性。

關(guān)鍵詞：長程相關(guān)性 ARFIMA模型 R/S 分析法

For information in English, please click here

Application of ARFIMA model in financial time series

Liu Qiang ¹
劉強（1991-），男，碩士，主要研究方向：時間序列模型的應(yīng)用
Yu Dong-Ling ²
余冬玲（1993-），女，碩士，主要研究方向：生物信息與時間序列,E-mail:963536635@qq.com
Zhou Yu ²
周煜（1982-），男，博士，副教授，主要研究方向：非線性時間序列分析以及應(yīng)用。

1、 School of Mathematics and Computer Science, Xiangtan University, Xiangtan 411105
2、School of Mathematics and Computer Science, Xiangtan University, Xiangtan 411105

Abstract：This paper systematically discusses the parameter estimation and modeling of the integral autoregressive moving average (ARFIMA) model in real-life case studies. ADF, PP, and KPSS are first employed to test the stationarity of the Shanghai and Shenzhen composite index. Then long-range correlation is measured for these two series using the R/S, modified R/S, and V/S analysis. The results demonstrates that the daily revenues sequences of Shangzhen and Shenzhen have long-range correlation but the former's is stronger. Based on the estimated long-range correlation, the B-J method is employed to construct the ARFIMA model for two series. ARFIMA(6, 0.1520, 2) and ARFIMA(5, 0.1282, 2) are specified as the best model to describe the Shangzhen and Shenzhen daily revenue series, based on the comparison of information criteria. It can be concluded from this case study there is indeed long-range correlation in China's stock market, which invalidates the efficient markets hypothesis in China.

Keywords： long range correlation；ARFIMA model；R/S analysis method.

基金：

1. 教育部博士點新教師基金（20124301120004）

論文圖表：

引用

導(dǎo)出參考文獻(xiàn)

.txt

.ris

.doc

劉強，余冬玲，周煜. ARFIMA模型在金融時間序列的應(yīng)用[EB/OL]. 北京：中國科技論文在線 [2018-10-31]. http://www.daqiaocaiyin.cn/releasepaper/content/201810-86.

No.****

動態(tài)公開評議

共計0人參與

動態(tài)評論進(jìn)行中

評論

全部評論

0/1000

論文編號	201810-86
論文題目	ARFIMA模型在金融時間序列的應(yīng)用
文獻(xiàn)類型
收錄期刊	上傳封面中文期刊英文期刊期刊名稱（中文）期刊名稱（英文）年，卷（）上傳封面中文專著英文專著書名（中文）書名（英文）出版地出版社出版年上傳封面中文譯著英文譯著書名（中文）書名（英文）出版地出版社出版年上傳封面中文論文集英文論文集編者.論文集名稱（中文） [c]. 出版地出版社出版年， - 編者.論文集名稱（英文） [c]. 出版地出版社出版年，- 上傳封面中文文獻(xiàn) 英文文獻(xiàn) 期刊名稱（中文）期刊名稱（英文）日期-- 在線地址http:// 上傳封面中文文獻(xiàn) 英文文獻(xiàn) 文題（中文）文題（英文）出版地出版社,出版日期-- 上傳封面中文文獻(xiàn) 英文文獻(xiàn) 文題（中文）文題（英文）出版地出版社,出版日期--
英文作者寫法：中外文作者均姓前名后，姓大寫，名的第一個字母大寫，姓全稱寫出，名可只寫第一個字母，其后不加實心圓點“.”, 作者之間用逗號“，”分隔，最后為實心圓點“.”, 示例1：原姓名寫法：Albert Einstein,編入?yún)⒖嘉墨I(xiàn)時寫法：Einstein A. 示例2：原姓名寫法：李時珍；編入?yún)⒖嘉墨I(xiàn)時寫法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.

麻豆精品视频在线_韩国三级av_亚洲一区中文_涩涩的网址_91极品尤物_日本猛少妇色xxxxx_在线性视频_亚洲第一综合_大牛影视剧免费播放在线_被触手肉干高h潮文