基于COPULA方法提取非線性時間序列的趨勢項.pdf

1、本文對運用動力系統(tǒng)方法研究預測非線性時間序列的問題進行了探討，并主要針對其中時間序列提取趨勢項在方法上有所創(chuàng)新。 文中研究的對象是美國證券市場這個復雜系統(tǒng)，通過對標準普爾和NASDAQ指數時間序列進行觀測，尋找復雜系統(tǒng)中蘊藏的函數關系，具體而言，先是利用Copula函數的方法構造衡量模型，并提取該時間序列的趨勢項，進而以時間序列的趨勢項為數據尋找復雜系統(tǒng)中蘊藏的函數關系，在尋找函數關系時論證了美國證券市場是一個具有混沌特征的復雜

2、系統(tǒng)，最終確定使用動力系統(tǒng)方法對證券市場指數進行了短期的預測。 本文內容具體安排如下： 第一章：首先簡要介紹了Copula函數、經驗Copula函數的定義以及Sklar定理等相關知識。 第二章：應用Copula函數方法構造了積分絕對誤差這一衡量模型，為下面提取時間序列的趨勢項做理論和方法上的準備。 第三章：為了研究美國證券市場這個復雜系統(tǒng)，勢必要找到該系統(tǒng)內部蘊含的函數關系，以標準普爾和NASDAQ指數為

3、觀測時間序列，通過線性和分段線性的方法對提取過趨勢項的時間序列進行預測，結果表明該時間序列來自非線性有混沌特征的復雜系統(tǒng)。 第四章：這部分是本文的核心，在確定美國證券市場具有混沌特征之后，討論了混沌理論中的動力系統(tǒng)方法，通過對二維時間序列進行相空間重構最后尋找到復雜系統(tǒng)內蘊藏的函數關系，并對其進行了較好的短期預測。 第五章：闡述了本文的結論，用Copula函數構造的積分絕對誤差模型的方法來提取時間序列的趨勢項效果較好；美