基于EEMD的金融时间序列多尺度分析-金融工程专业论文.docxVIP

摘要摘要 摘要 摘要 近年来，随着我国金融市场的发展以及投资品种的日益丰富，量化投资逐渐 步入人们的视野，同时也将金融计量分析推至前所未有的高度。时间序列作为金 融市场中最常见的观测数据，是对市场行为的真实刻画，通过对其进行量化分析， 能够挖掘市场中潜在的信息，进而为投资决策提供理论和技术支撑，是策略制定、 风险管理、资产定价和产品设计等工作的前提。基于金融时间序列的多尺度、非 线性和非平稳和的多重特性，本文将集成经验模态分解(EEMD)应用到金融时 间序列分析中。 首先，利用EEMD建立多尺度集成预测模型。先用EEMD将原始序列分解 并重构成高频、趋势和低频三个子序列；再结合Elman神经网络、支持向量机 (SVM)和GM(1，1)对各部分进行拟合：集成模型最后的预测值为各部分预测值 之和。实证结果表明：该多尺度集成模型的预测精度要显著高于传统的单一模型 和集成模型。 其次，利用EEMD探究股市与汇市的波动溢出效应。利用EEMD将股价和 汇率序列分解并重构成高频(短期波动项)、低频(中期波动项)和长期趋势三个 波动成分，从时域和频域的双重视角来探究股市与汇市的波动溢出效应。在不同 的波动层次上，分别结合Granger因果检验和时变Copula探究波动溢出的方向 和强度。研究表明：短期波动项对原始序列波动的贡献最大；不同时间尺度上的波 动溢出方向和强度是不同的。 最后，利用EEMD