基于小波分解的高频金融时间序列预测.pdfVIP

第 3O卷 第 4期 长 春 工 业 大 学 学 报 (自然科学版) VoL3ONo．4 2009年 O8月 JournalofChangchunUniversityofTechonology(NaturalScienceEdition) Aug．2009 基于小波分解的高频金融时间序列预测 马 野 ， 刘文博 ， 董小刚 ， 王纯杰 (1．长春工业大学 基础科学学院，吉林 长春 130012； 2．吉林工程技术师范学院基础科学系，吉林 长春 130058) 摘 要 ：对上证指数数据进行多分辨率分解 以满足平衡性条件，进而对各个尺度下的数据分 别用ARMA模型进行拟合。利用拟合后 的模型进行预测，与实际值相 比得到 了较为满意的 结果。 关键词：多分辨率分析；高频数据；小波分解；ARMA模型 中图分类号：O211．61 文献标识码 ：A 文章编号：1674—1374(2009)04—0374—05 Highfrequencyfinancialtime-seriespredictionbased onwaveletdecomposition MA Ye ， LIU Wen_bo ， DONG Xiao-gang ， WANGChun—jie (1．SchoolofBasicSciences，ChangchunUniversityofTechnology，Changehun 130012，China； 2．DepartmentofBasicScience，JilinTeacherInstituteofEngineeringandTechnology，Changchun130058，China) Abstract：W e decomposeShanghaiStock Indexwithmulti—resolutionanalysistomeetthebalance conditions．ThenthedataarefittedwithARMA modein everyscale．Thefittedmodelisusedfor predictionandresultsaresatisfiedbeingcomparedwiththepracticaldata． Keywords：multi—resolutionanalysis；highfrequencydata；waveletdecomposition；ARMA mode1． 工具和计算方法的不断发展 ，金融市场逐渐关注 0 引 言 利用高频数据 的建模方法与理论研究。但是 ，现 高频金融时间序列数据是指在细小的时间问 在利用小波分析方法处理金融高频时间序列数据 隔上抽取的观测值 ，金融 中常指以 日或更小的时 的文章在 国内并不多，而股市变化迅速且信息量 间间隔抽取的观测值。由于数据的获得与处理方 大，正适合用高频数据 的方法采集信息 。这种数 法的发展 ，这些高频数据是可以得到的，并且由于 据 (例如股指的现价时间序列)作为高频金融时间 其在市场微观结构实证研究方面的重要性而受到 序列数据具有非线性、非平稳性和长记忆性 ，不满 广泛关注。高频金融交易数据的分析模型从上世 足平衡性条件 ，故不能应用传统 的方法直接对数 纪 9O年代开始迅速发展，目前已广泛地用于金融 据进行建模并进行预测 ，于是有效地预测就成为 市场微观结构理论的应用和实证检验 。随着计算 实际当中一项急待解决的问题 ]。考虑到小波分 收稿 日期 ：2009—01—19 基金项 目：国家 自然科学基金资助项 目 作者简介 ：马 野(1983一)，女，汉族 ，吉林松原人，吉林工程技术师