扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
宇宙、量子和人类心灵
-
>
(精)BBC地球故事系列-星际旅行
-
>
从一到无穷大
-
>
图说相对论(32开平装)
-
>
一本有趣又有料的化学书
-
>
刘薰宇的数学三书:原来数学可以这样学全3册
-
>
光学零件制造工艺学
自适应数据分析方法——理论与应用 版权信息
- ISBN：9787030698667
- 条形码：9787030698667 ; 978-7-03-069866-7
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
自适应数据分析方法——理论与应用 内容简介
本书以高频数据为主要研究对象，将不同的自适应分析方法（经验模态分解、整体经验模态分解、自适应噪声的完备经验模态分解、局部均值分解、总体局部均值分解）应用到金融高频数据的波动率估计中，并比较分析了基于自适应分析方法的波动率估计的优缺点、精度以及未来的应用和发展。对波动率进行估计可以有效地把握市场的运行规律，这为今后的资产定价和风险管理的研究都提供了丰富的参考依据，同时也为我国股票市场的波动率估计提供了新的思路。 本书的读者对象为统计学、数学、经济学等相关专业的本科生、研究生和教师等。
自适应数据分析方法——理论与应用 目录
目录
前言
第1章 绪论 1
1.1 研究背景 1
1.2 自适应分解方法的发展现状 2
1.2.1 经验模态分解的研究现状 3
1.2.2 整体经验模态分解的研究现状 5
1.2.3 基于自适应噪声的完备经验模态分解的研究现状 5
1.2.4 局部均值分解的研究现状 6
1.2.5 总体局部均值分解的研究现状 7
1.3 波动率研究的发展与现状 8
1.4 本书的框架结构 14
第2章 已实现波动率与已实现极差波动率 16
2.1 引言 16
2.2 已实现波动率与已实现极差波动率的基础背景 17
2.2.1 积分波动率 17
2.2.2 已实现波动率 17
2.2.3 已实现极差波动率 18
2.2.4 已实现波动率与已实现极差波动率的理论比较 19
2.3 已实现波动率与已实现极差波动率的应用 20
2.4 本章小结 22
第3章 自适应分解方法的应用 23
3.1 引言 23
3.2 信号去噪 23
3.3 非线性振动分析 25
3.4 故障诊断 26
3.5 语音增强 27
3.6 其他应用 28
3.7 本章小结 28
第4章 基于经验模态分解的高频数据波动率估计 30
4.1 引言 30
4.2 经验模态分解基本理论 30
4.2.1 瞬时频率 31
4.2.2 固有模态函数 32
4.2.3 经验模态分解 32
4.2.4 希尔伯特谱分析 35
4.2.5 经验模态分解特性 36
4.3 已实现波动率及其估计 37
4.4 模拟研究 37
4.5 多尺度分析 41
4.5.1 各分量描述性统计分析 45
4.5.2 正态性分析 46
4.5.3 周期性分析 47
4.6 波动率估计 48
4.7 本章小结 51
第5章 基于整体经验模态分解的高频数据波动率估计 52
5.1 引言 52
5.2 整体经验模态分解基本理论 52
5.2.1 经验模态分解的模态混叠 52
5.2.2 经验模态分解的端点问题 54
5.2.3 整体经验模态分解的原理 54
5.3 模拟研究 57
5.4 多尺度分析 59
5.4.1 各分量描述性统计分析 61
5.4.2 正态性分析 62
5.4.3 周期性分析 63
5.5 波动率估计 64
5.6 本章小结 67
第6章 基于自适应噪声的完备经验模态分解的高频数据波动率估计 68
6.1 引言 68
6.2 基于自适应噪声的完备经验模态分解基本理论 68
6.3 已实现波动率估计 70
6.4 模拟研究 70
6.5 多尺度分析 72
6.5.1 各分量描述性统计分析 74
6.5.2 正态性分析 74
6.5.3 周期性分析 75
6.6 波动率估计 76
6.7 本章小结 79
第7章 基于局部均值分解的高频数据波动率估计 80
7.1 引言 80
7.2 局部均值分解基本理论 80
7.3 已实现波动率估计 83
7.4 模拟分析 84
7.5 多尺度分析 86
7.5.1 各分量描述性统计分析 88
7.5.2 正态性分析 89
7.5.3 周期性分析 89
7.6 波动率估计 91
7.7 本章小结 93
第8章 基于总体局部均值分解的高频数据波动率估计 94
8.1 引言 94
8.2 总体局部均值分解基本理论 94
8.3 已实现波动率估计 96
8.4 模拟分析 97
8.5 多尺度分析 98
8.5.1 各分量描述性统计分析 100
8.5.2 正态性分析 101
8.5.3 周期性分析 102
8.6 波动率估计 103
8.7 本章小结 105
第9章 基于自适应分解方法高频数据波动率估计的比较分析 107
9.1 引言 107
9.2 实证分析 107
9.3 本章小结 111
第10章 总结与展望 112
10.1 总结 112
10.2 展望 113
10.2.1 多变量波动率模型的应用 113
10.2.2 考虑市场微观结构噪声的已实现波动率计算方法 114
10.2.3 自适应分解方法对混频数据进行多尺度分析 114
10.2.4 自适应分解方法与机器学习结合建立混频数据预测模型 115
参考文献 116
前言
第1章 绪论 1
1.1 研究背景 1
1.2 自适应分解方法的发展现状 2
1.2.1 经验模态分解的研究现状 3
1.2.2 整体经验模态分解的研究现状 5
1.2.3 基于自适应噪声的完备经验模态分解的研究现状 5
1.2.4 局部均值分解的研究现状 6
1.2.5 总体局部均值分解的研究现状 7
1.3 波动率研究的发展与现状 8
1.4 本书的框架结构 14
第2章 已实现波动率与已实现极差波动率 16
2.1 引言 16
2.2 已实现波动率与已实现极差波动率的基础背景 17
2.2.1 积分波动率 17
2.2.2 已实现波动率 17
2.2.3 已实现极差波动率 18
2.2.4 已实现波动率与已实现极差波动率的理论比较 19
2.3 已实现波动率与已实现极差波动率的应用 20
2.4 本章小结 22
第3章 自适应分解方法的应用 23
3.1 引言 23
3.2 信号去噪 23
3.3 非线性振动分析 25
3.4 故障诊断 26
3.5 语音增强 27
3.6 其他应用 28
3.7 本章小结 28
第4章 基于经验模态分解的高频数据波动率估计 30
4.1 引言 30
4.2 经验模态分解基本理论 30
4.2.1 瞬时频率 31
4.2.2 固有模态函数 32
4.2.3 经验模态分解 32
4.2.4 希尔伯特谱分析 35
4.2.5 经验模态分解特性 36
4.3 已实现波动率及其估计 37
4.4 模拟研究 37
4.5 多尺度分析 41
4.5.1 各分量描述性统计分析 45
4.5.2 正态性分析 46
4.5.3 周期性分析 47
4.6 波动率估计 48
4.7 本章小结 51
第5章 基于整体经验模态分解的高频数据波动率估计 52
5.1 引言 52
5.2 整体经验模态分解基本理论 52
5.2.1 经验模态分解的模态混叠 52
5.2.2 经验模态分解的端点问题 54
5.2.3 整体经验模态分解的原理 54
5.3 模拟研究 57
5.4 多尺度分析 59
5.4.1 各分量描述性统计分析 61
5.4.2 正态性分析 62
5.4.3 周期性分析 63
5.5 波动率估计 64
5.6 本章小结 67
第6章 基于自适应噪声的完备经验模态分解的高频数据波动率估计 68
6.1 引言 68
6.2 基于自适应噪声的完备经验模态分解基本理论 68
6.3 已实现波动率估计 70
6.4 模拟研究 70
6.5 多尺度分析 72
6.5.1 各分量描述性统计分析 74
6.5.2 正态性分析 74
6.5.3 周期性分析 75
6.6 波动率估计 76
6.7 本章小结 79
第7章 基于局部均值分解的高频数据波动率估计 80
7.1 引言 80
7.2 局部均值分解基本理论 80
7.3 已实现波动率估计 83
7.4 模拟分析 84
7.5 多尺度分析 86
7.5.1 各分量描述性统计分析 88
7.5.2 正态性分析 89
7.5.3 周期性分析 89
7.6 波动率估计 91
7.7 本章小结 93
第8章 基于总体局部均值分解的高频数据波动率估计 94
8.1 引言 94
8.2 总体局部均值分解基本理论 94
8.3 已实现波动率估计 96
8.4 模拟分析 97
8.5 多尺度分析 98
8.5.1 各分量描述性统计分析 100
8.5.2 正态性分析 101
8.5.3 周期性分析 102
8.6 波动率估计 103
8.7 本章小结 105
第9章 基于自适应分解方法高频数据波动率估计的比较分析 107
9.1 引言 107
9.2 实证分析 107
9.3 本章小结 111
第10章 总结与展望 112
10.1 总结 112
10.2 展望 113
10.2.1 多变量波动率模型的应用 113
10.2.2 考虑市场微观结构噪声的已实现波动率计算方法 114
10.2.3 自适应分解方法对混频数据进行多尺度分析 114
10.2.4 自适应分解方法与机器学习结合建立混频数据预测模型 115
参考文献 116
展开全部
自适应数据分析方法——理论与应用 节选
第1章 绪论 1.1 研究背景 金融市场是一国实体经济的反映， 是一国经济发展水平的晴雨表， 因此金融市场的波动既可以作为政府采取经济政策调控经济的参考， 也可以作为投资者进行投资的重要观察尺度. 另外， 波动性这一现象在其他金融衍生产品譬如期权等产品定价中也有不可或缺的作用. 因此更有效的度量股市的波动效应， 有利于政府采取及时监控市场运行情况， 尤其是在防范系统性金融风险的主题下， 便于决策层采取更合理的财政政策或者货币政策进行宏观调控， 另一方面， 也有利于投资者把控市场风险， 调整预期并及时调整有利于自身的投资组合提高收益. 波动率研究一直是金融研究领域的热门课题， 学界*早对波动率的研究源于期权定价公式出现后， 波动率作为期权定价公式的一个重要常数， 其预测的准确率影响了期权定价的准确率， 而期权定价的准确率则会对收益造成影响， 因此对波动率的研究显得尤为重要， 比较著名的有以自回归条件异方差 (Auto Regressive Conditional Heteroskedasticity， ARCH) 模型为代表的条件异方差模型的波动率估计. 高频数据 (High-Frequency Data) 是指数据采样的时间间隔较短， 采样频率大于一般研究时所采用的频率. 但高频这个概念是相对而言的， 例如， 对于股票，可能要在一天内有多个数据才能称为高频数据， 而对于宏观经济数据， 可能一周采样一次就可以称为高频数据了. 如何有效利用包含着丰富信息的日内高频数据来准确量化金融资产风险， 不仅成为近年来金融市场上投资者和监管者关注的热点， 也是相关金融研究领域中的重点问题之一. 相对于低频数据而言， 高频数据并不等同于低频数据的时间细分， 由于受市场信息不确定性和连续性的影响， 高频数据主要呈现下列特点. (1) 不规则交易间隔. 与传统的低频观测数据 (如年数据、月数据、周数据) 相比， 金融高频数据呈现出一些独有的特征. *为明显的特征便是数据记录间隔的不相等， 市场交易的发生并不以相等时间间隔发生， 因此所观测到的金融高频数据也是不等间隔的. 从而交易间的时间持续期变得非常重要， 并且可能包含了关于市场微观结构 (如交易强度) 的有用信息. (2) 离散取值. 金融数据的一个非常重要的特征是价格变化是离散的， 而金融高频的价格取值变化受交易规则的影响， 离散取值更加集中于离散构件附近. 价格的变化在不同的证券交易所设置不同的离散构件， 称之为变化档位， 我国证券交易所规定股价变化的*小档位为 0.01 元; 在纽约证券交易所 (NYSE) 中， *小档位在 1997年 6 月 24 日以前是 1/8 美元， 2001 年 1 月 29 日以前是 1/16 美元. (3) 日内模式. 金融高频数据还存在明显的日内模式， 如波动率的日内 “U” 型走势. 每天早上开盘和下午收盘时交易*为活跃， 而中午休息时间交易较平淡， 随之而来的交易间的时间间隔也呈现出日内循环模式的特征. Mclnish 和 Wood 对价格波动率的日内模式进行了探索， 发现波动率在早上开盘和下午收盘时往往较大， 交易量以及买卖价差也呈现出同样的变化模式. Engle 和 Russell 对交易持续时间 (Duration)的日内模式进行了研究， 也得出了类似的结论， 从图形上来看变化模式类似于倒“U” 型. (4) 自相关性. 高频数据与低频数据一个非常大的区别在于高频数据具有非常强的自相关性. 高频数据的离散取值以及买卖价差等因素是导致强自相关性的原因， 还有一些因素， 如一些大额交易者往往将头寸分散交易以实现*优的交易价格， 这可能导致价格同方向变动从而引起序列的强自相关性. 此外， 还有许多其他因素导致高频数据的强自相关性. 金融高频数据的特征远不止这些， 数据还包含众多的信息维度， 如交易的时间间隔、交易量、买卖价差等. 这些不同的信息维度对于理解市场微观结构具有相当重要的作用， 正是由于金融高频数据的独特特征， 传统的计量分析模型在实际应用中遇到了许多问题. 高频数据波动率作为衡量金融风险大小的一种重要指标已经被广泛用于金融资产风险管理、金融资产及其衍生产品定价等各个领域. 1.2 自适应分解方法的发展现状 回溯信号分析方法的整个发展历程可以发现， 不同的信号分析方法总是为了满足人们对不同类型信号的不同特征而发展[1]. 对于平稳的线性信号或者周期信号， 可以采用傅里叶变换等频域变换的方法得到关于信号全局上的频谱信息; 对于非平稳或非线性信号， 人们对于信号局部的频谱特征更加感兴趣， 相应地必须采用时频分析方法得到信号的时频联合信息， 比如短时傅里叶变换、Wigner-Ville分布和小波变换. 大多数时频分析方法都是直接针对变化的频率提出的， 并以傅里叶变换为*终理论依据， 都采用积分分析法. 归纳这些由傅里叶变换理论 (演变) 得来的时频分析方法， 按导出方式可以分为三类: 一是直接对傅里叶变换的基函数进行改造，如 Radon 变换、分数阶傅里叶变换和小波变换等; 二是先由信号得到一个双线性函数， 再进行傅里叶变换， 如 Wigner-Ville 分布等; 三是先对信号加窗， 再进行傅里叶变换， 如短时傅里叶变换和 Gabor 变换等. **类时频分析方法一般只适用于某类信号， 如 Radon 变换适用于分析调频信号， 而小波变换适用于分析具有自相似结构的信号; 第二类时频分析方法一般会造成交叉项的困扰; 第三类时频分析方法通常需假设信号是局部平稳的， 这些方法均受傅里叶变换不足的制约. 傅里叶变换理论是将信号分解成无始无终的正弦信号的加权和， 当信号仅由几个信号组成时， 用傅里叶变换比较理想. 但如果信号极不规则， 用傅里叶变换就需要许多的正弦信号来拼凑， 因而容易产生虚假的正弦信号和假频现象. 将基于傅里叶变换理论的时频分析方法用于一般的非线性非平稳信号时， 也会出现虚假信号和假频现象， 如 Winger-Ville 分布会有交叉项， 小波分解会明显出现多余信号等. 总之， 由于基于傅里叶变换理论的时频分析方法的基函数是比较固定的， 缺乏自适应性或自适应性差， 在表示时容易出现多余信号， 即使是波形匹配追踪法和 Chirplet 变换之类的自适应参数时频分析方法， 由于它们极函数的母函数是固定的， 因而它们的自适应性也有限， 且计算复杂以致目前还很少有实例应用. 受Heisenberg 不确定原理的限制， 这些时频分析方法也不能精确描述频率随时间的变化. 理想地， 为了精确描述频率随时间的变化， 需要一种自适应比较好， 直观的瞬时频率分析方法. 1998 年美籍华人 N. E. Huang 等提出了一种新的信号处理方法——经验模态分解 (Empirical Mode Decomposition， EMD). 该方法从本质上讲是对一个信号进行平稳化处理， 其结果是将信号中存在的不同尺度下的波动或变化趋势逐渐分解开来， 产生一系列具有不同特征尺度的数据序列， 每个序列成为一个固有模态函数 (Intrinsic Mode Function， IMF). 这里主要对经验模态分解、整体经验模态分解和局部均值分解的发展现状进行总结. 1.2.1 经验模态分解的研究现状 在 Huang 提出经验模态分解方法之后， 国内外的学者在此基础上进行了大量的研究. 其中法国著名工程师 Flandirn[2，3] 探索了 EMD 的滤波特性， 在给出数值仿真结果的同时， 他的研究小组得到在白噪声条件下， EMD 如同小波一样， 等同于一个二进制滤波器的结论. 另外， Flandirn 在文章中呼吁: Hilbert-Huang 变换 (Hilbert-Huang Transform， HHT) 理论研究严重落后于其他理论研究的发展，希望有人能给出 HHT 的理论证明. 于是 Huang[4] 研究了基于白噪声条件下的EMD 统计特性， 得到了与 Flandirn 同样的结果， 并在 2004 年公布了他的团队开发的 HHT 数据处理系统[5]. 2006 年， Kizhner 等[6] 发表了 “On certain theoretical developments underlying the Hilbert-Huang Transform” 一文， 公布了有关 HHT理论研究的*初成果， 得到如下四个结论: 1 验证了插值得到包络均值近似为信号的慢变成分， 从而证明了信号的*快变成分; 2 基于三次样条插值的收敛性， 得到 EMD 的收敛速度近似为 O(1/2k.1); 3 发现了 IMF 结构为零极点对称模态与零振幅模态交叉出现的结构; 4 经验地验证了 IMF 是相互正交的. 受此文章的启发， Chen[7] 采用 B 样条插值代替三次样条求取上下包络， 给出了一种可选择的 EMD 方法， 由于 B 样条比三次样条有着更丰富的数学内涵， 特别是 B 样条函数在希尔伯特变换下， 许多优良的数学特性能够保留， 从而能够分解出更多的 IMF， 并有效提高 IMF 的正交性. 然而， 虽然 B 样条有着数学基础的优势， 但 B 样条的引入同样会产生问题， 比如， 样条次数对 EMD 结果正交性的影响等问题. 此外， 为探索 IMF 严格的数学定义， Qian[8]， Felsberg[9] 从单分组信号入手， 寻求 HHT 的数学根源， 探索 IMF 的本质. 由于一维 EMD 算法能够提取信号的固有变化特性， 研究人员试图把 EMD算法推广到二维甚至是更高维情况， 从而提取数字图像的某种本质属性. 然而， 如同数百年来人们在理论研究中所遇到的困难一样， 同一个问题或者算法推到更高维的时候， 问题的复杂度会大幅度的增加. 一种简单的被称为 “伪二维 EMD”[10]方法应运而生， 这种方法将图像按行或列当作一维信号处理， 但是， 明显的缺点是会产生内部不连续性. 虽然伪二维 EMD 方法取得了一些成果， 但仍然有许多学者试图探索真正的二维 EMD 方法. 我国学者在 EMD 方法的理论和应用方面都做了大量的研究. 钟佑明[11] 借助振动理论模型初步探索了 EMD 算法中 IMF 应满足的一般数学条件， 并概要地建立了其数学模型. 罗奇峰[12] 分析对比了 EMD 变换与傅里叶变换以及小波变换. 钱涛[13] 提出了可以采用复分析以及测度手段等方法对 IMF 数学理论进行严格的推理证明， 但其只给出了大致的研究思路， 而并未给出严格的证明过程. 陈仲英[14] 结合 Bedrosian 定理的数学理论， 将 Hilbert-Huang 变换方法推广到广义的函数空间. 在应用方面， 尹逊福[15] 将 EMD 方法应用于具有典型非线性非平稳特性的海流信号分析中， 结果显示: EMD 方法在非线性时频分析方面具有很强的优势. 陈淼峰[16] 将 EMD 应用于故障诊断领域， 并将其与传统时频分析方法相结合来共同提取信号中存在的局部瞬时特征物理量. 杨志华[17] 将 EMD 应用于光学信号的研究中. 戴吾蛟[18] 将 EMD 算法应用于滤波领域和噪声消除中. 此外， 有关EMD 的应用研究还遍及很多领域. EMD 分析方法作为一种新的信号分析和处理方法， 它的深入研究将为信号处理领域提供新的思路， 极大地推动工程应用的发展. 1.2.2 整体经验模态分解的研究现状 为了减少 EMD 模态混叠的现象， 提高 EMD 的分解效率， Wu 和 Huang 等将噪声辅助信号处理 (NADA) 应用到 EMD 方法中， 提出了整体经验模态分解
书友推荐
- >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
推拿
推拿
¥12.2¥32.0 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥9.1¥24.0 - >
有舍有得是人生
有舍有得是人生
¥21.2¥45.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥40.6¥58.0 - >
回忆爱玛侬
回忆爱玛侬
¥10.5¥32.8 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0
本类畅销
-
时间简史-普及版
¥16.3¥38 -
严士健谈数学教育
¥8.5¥25 -
分割与积累
¥10.8¥25 -
统计学七支柱
¥27.3¥39 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158
