基于LLSA小波的高頻金融時間序列突變點(diǎn)檢測研究.pdf

1、股票價(jià)格的變化是由信息的到達(dá)所引起的,如何準(zhǔn)確及時的掌握新信息的到達(dá),對于揭示股票價(jià)格的內(nèi)在形成機(jī)制具有重要的意義,在對股票價(jià)格時間序列的分析中,除了長期趨勢和季節(jié)變動趨勢外,還有一種變動也是由外部事件引起并會對時間序列走勢產(chǎn)生持續(xù)影響,即突變點(diǎn),包括跳躍點(diǎn)(jumps)、陡坡(steep slopes)等,它往往包含重要信息卻被誤認(rèn)為噪聲進(jìn)而被忽視。高頻金融時間序列的突變點(diǎn)往往包含重要信息,準(zhǔn)確檢測和分析突變點(diǎn)的發(fā)生對投資決策具有重要

2、意義。統(tǒng)計(jì)數(shù)據(jù)挖掘方法(或模型)需要一種去噪算法來清洗數(shù)據(jù),從而獲得可靠和顯著的結(jié)果。大多數(shù)數(shù)據(jù)清洗方法只專注于某些已知類型的不規(guī)則行為。對于高頻金融數(shù)據(jù)而言,不規(guī)則性是多方面的,那就是隨著不同的時間和不同的測量尺度的變化。因此,找到一個有效的去噪算法是進(jìn)行高頻金融數(shù)據(jù)挖掘的關(guān)鍵。
　　以往的研究都是在某一尺度上對全體數(shù)據(jù)使用相同的濾波規(guī)則,這存在一個不足:若要保證提取趨勢不包含過多噪聲則無法包含某些突變現(xiàn)象,相反地,若想檢測出突

3、變現(xiàn)象則要付出納入不必要的干擾噪聲的代價(jià)。因而本文認(rèn)為使用小波分析方法研究數(shù)據(jù)突變點(diǎn)并重構(gòu)的關(guān)鍵在于是否能準(zhǔn)確捕捉突變的同時還保證所提取趨勢的相對平滑,也就是說,保證準(zhǔn)確檢測出突變部分的同時不引入額外的噪聲。本文使用一種基于最大重疊離散小波變換(MODWT)的改進(jìn)型小波分析方法——局部線性尺度近似法(簡稱LLSA),同時結(jié)合線性和非線性濾波器的特點(diǎn),對高頻金融數(shù)據(jù)進(jìn)行突變點(diǎn)檢測并重構(gòu),研究該方法檢測出的突變現(xiàn)象能否對應(yīng)重大特殊事件,以及