金融时间序列变点探测小波模极大值线方法-金融时问序列.PDFVIP

第30卷第8期 重庆大学学报(自然科学版) Vo1．30 No．8 2007年8月 Journal of Chongqing University(Natural Science Edition) Aug、2007 文章编号：1000—582X(2007)08．0140．05 金融时问序列变点探测的小波模极大值线方法 傅 强 ，彭选华 ，毛一波。 (1．重庆大学经济与工商管理学院，重庆400030；2．重庆大学数理学院，重庆400030； 3．重庆文理学院数计系，重庆永川402168) 摘 要：研究小波变换方法在金融时序分析中模型变点探测的应用，对金融时间序列采用连续小波 变换，通过分析小波变换模极大值线对应的时间序列样本点的小波系数特点，提出了金融时间序列变点 探测的小波模极大值线方法，并对广义自回归条件异方差均值模型(GARCH．M模型)进行了仿真计算， 其结果验证了此方法的实用性和有效性。该方法更能准确定位金融资产收益率波动所发生的具体时 刻，有利于金融资产价格异常时点的正确识别与统计建模分析和资产收益率波动的预测。 关键词：小波变换；模极大值线；GARCH—M模型；变点探测 中图分类号：F251 文献标志码：A 1 金融时间序列变点探测的意义 突变点有助于促进新的模型产生和建模方法的改进。 在金融时序波动建模分析中，突变点或异常点称 2 变点探测的已有方法综述 为模型的变结构点，简称变点。其对金融市场统计分 析和金融产品价格预测有重大影响。一方面，突变点 关于GARCH模型的变点探测，传统的探测变点 或异常点反映了统计数据的异常波动，首先可能是人 的模型有两种：其一、数据删除模型，即删除某个数据 为因素，也可能是计量误差所致，此类异常数据没有分 点如第i个，研究这个点删除前后对于模型确立以及 析价值，其次另类异常数据反映了异常的金融波动和 检验统计量是否有举足轻重的影响；其二、均值漂移模 市场效力，这种异常可能意味着国内重太的经济或政 型，即在第i个数据点上增加一个扰动，这相当于因变 治事件对金融系统的脉冲响应和国际金融波动溢出效 量的均值有所漂移，研究这个扰动对估计量及其他统 应。因此，对这类突变点的分析可以探索金融系统所 计量是否有显著影响。Kim，Cho和Lee 1 已提出应用 处的异常状态并给予合理的经济解释及积极的政策建 Inclan和Tiao 的平方累积和(SCUSUM)统计量检验 议，促进金融市场的良性发展，充分体现市场的强市效 GARCH模型参数的变化。其主要方法是：设Y = 力。另一方面，GARCH模型(广义条件异方差模型) Or ，t=1，2，…，n，是GARCH过程，其无条件方差 和sV模型(随机波动模型)是金融时序波动建模分析 Ey 是模型参数的函数，模型参数的变化会引起无条 及预测的两大工具，二者有同等的功效。金融时序的 件方差Ey 的变化，这样检验参数变化的问题转化为 突变点和异常点对两类模型的建模精度有实质性影 检验其无条件方差Ey 变化的问题。基于 而构造 响：首先，异常点的存在，加大了建模难度，如模型的定 的CUSUM统计量称之为平方累积和统计量。实验表 阶、参数的估计及检验等。同时，对含有突变点和异常 明，由于GARCH过程的条件方差的变化会造成检验 点的序列建模，模型的拟合精度和预测精度都可能下 的不稳定，有可能要出现经验势函数值低于理论势函 降。其次，异常点和突变点的存在，使模型结构可能出