推广AIC算法-国家级大学生创新创业训练计划平台-北京交通大学.docVIP

基于高阶矩和熵的广义AIC的金融时间序列分析 北京交通大学 徐诗昀，邵孟琳，乔文萱，商朋见 （1．北京交通大学理学院，北京市 邮编100044； 2．北京交通大学理学院，北京市 邮编100044） 国家级大学生创新创业训练计划支持项目（ 国家级大学生创新创业训练计划支持项目（201810004043） ?作者简介：徐诗昀（1997）、女，浙江，数学与应用数学（基础学科试点班），2015级，金融时间序列 （Physica A, 1 September 2018） 商朋见 教授 中文摘要：本文提出了一种传统的Akaike信息准则的广义方法，作为对股票市场时间序列波动行为进行比较和评价的一种新方法。该方法通过将方差扩展到偏度、峰度等高阶统计量以及熵等来进行修正，以描述与低阶方法相比的时间序列的不同方面的波动行为。同时，我们还提出了一种从二维角度观察股票市场动力学机制的方法——AIC平面。此外，通过对模型数据进行数值模拟，可以提供比较研究，证明广义AIC方法的可行性和合理性。最后，利用广义AIC方法和AIC平面对中国大陆、中国香港和美国的股票市场综合指数的波动进行了进一步的探讨。我们的研究结果可以有效地区分三个区域股票综合指数时间序列的多尺度波动细节。 英文摘要：In this paper, a generalized method of Akaike information criterion is proposed as a new measurement to compare and evaluate the volatility behaviors of time series in stock market. This new method is modified by extending variance to high-order statistics so as to demonstrate the different aspects of volatility behaviors of time series. Furthermore, a new model of creating an AIC plane is proposed in order to derive more accurate results. Numerical simulations are conducted over synthetic data to provide comparative study. In addition, further reports about the distinguishing behaviors in stock composite index of America, China and Hong Kong are utilized to reflect the feasibility. Our results can effectively differentiate multiscale volatility details of time series from three areas. 关键词：偏度；峰度；信息熵；金融时间序列 简介 以金融市场为代表的复杂系统中的序列数据通常会在长期时间范围内出现波动[1–3]，其经济指数的动态行为与潜在的经济趋势有密切的联系[4–8]。为了反映金融市场动态特征，人们引入了各种从不同方面描述金融时间序列的波动性的统计技术、模型和理论方法[3,5,14–32]。 Akaike信息标准(AIC)主要用于估计统计模型的优良性[15]。在寻找能够最好地解释数据的包含最小自由参数的模型时，AIC方法鼓励数据拟合的优良性，但避免过度拟合，这使得它在某种程度上比其他方法更好。最近的研究正在尝试改进统计模型，通过替换方差减小表征过程中的不确定性，从而使得结果更准确[16–29]。此外，受AIC-选择器的启发，研究人员创新性地使用AIC来识别和评估时间序列中的异常区间[20–22]。这种方法可以有效地在异常值的出现时选择准确的模型。在本文中，我们将Akaike信息准则推广到偏度和峰度等高阶统计量，以研究高阶矩情形下金融时间序列的波动性。熵是一种表征金融时间序列复杂性的非线性度量，置换熵最近被提出作为非线性时间序列的一种新的度量方法[23–25]，因此我们也尝试用置换熵推广AIC公式。最后，受熵平面的启发[26,27]，我们提出了一种全新的方法——AIC平面以站在二维角度描述金融时间序列的波动性。我们通过使用不同的映射方法[28]来生成时间序列，以检查我们模型的合理性。 在第二章中我们描述了广义AIC方法、AIC平面以及相应算法。第三章概述了股票数据的采集和预处理，并解释了在