导读:本文包含了长记忆论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:记忆,模型,方差,序列,期货,中美,风险。
长记忆论文文献综述
谢军,胡楠[1]（2019）在《长记忆性数据特征视角下流动性测度对超额收益预测研究综述》一文中研究指出流动性是评价股票市场运行状况的关键因子之一,常用于对股票市场超额收益的预测研究中,但其长记忆性的数据特征可能会对预测精度造成影响,因此有必要对该影响所造成斜率偏差进行评估及调整。本文从流动性的内涵出发,梳理了长记忆性对流动性指标预测能力的影响,介绍评估以及缓解该误差的方法。此外,鉴于市场流动性水平在不同状态之间迁移,有必要在超额收益预测模型中应用马尔可夫状态转移矩阵,以改善预测精度。(本文来源于《商讯》期刊2019年34期）
周树民,陈健红,陈家清[2]（2019）在《基于贝叶斯ARFIMA-WRV模型高频数据长记忆性研究》一文中研究指出考虑到高频时间序列波动率的长记忆性问题,构建了赋权已实现波动分数整合自回归移动平均(ARFIMA-WRV)模型对其进行了研究.利用贝叶斯统计方法对模型做了相应的贝叶斯分析,并对我国中小板股市收益波动率的长记忆性特征进行了实证分析.实证结果表明我国中小板股市收益波动率存在长记忆性特征;采用消除日历效应影响的赋权已实现波动作为波动度量和贝叶斯参数估计方法,很大程度上提高了模型的参数精度.(本文来源于《数学的实践与认识》期刊2019年21期）
潘群星,宦先鹤[3]（2019）在《我国股债汇风险点的长记忆性及关联性研究》一文中研究指出本文以2010年6月21日～2019年4月30日期间的上证综合指数、上证国债指数以及人民币兑美元汇率的收益率为样本,基于ARFIMA-HYGARCH模型分别对我国股债汇风险点的长记忆特征进行刻画,并在此基础上构建叁元VFIAR-DCC-HYGARCH模型,旨在探究各自间的关联性问题。结论如下:股市收益的长记忆性不显着,而波动存在显着的长记忆特征;债市和汇市的收益与波动存在显着的双长记忆特征;叁大风险点间的关联程度均较低,但具有很强的波动时变性,其中股市与债市、债市与汇市表现为正相关关系,股市与汇市表现为负相关关系。基于以上结论,本文为如何有效防范金融风险提出了相应的建议。(本文来源于《金融与经济》期刊2019年10期）
唐勇,朱鹏飞[4]（2019）在《沪深300股指期货牛熊周期的长记忆性、风险和有效性实证研究:基于多重分形视角》一文中研究指出针对已有研究的不足,基于多重分形视角,采用OSW-MF-DFA、OSW-A-MFDFA方法,以2014-2016年沪深300股指期货牛熊周期长记忆性、风险及有效性为研究对象,利用高频数据,从传统范式、非对称性及阶段性叁个层面进行分析。研究表明:牛熊周期及其内部各个阶段都具有多重分形特征,且存在非对称性;牛市和熊市以及各个阶段的长记忆性、风险及有效性存在着明显的差异,同时对应的非对称性也有所差异,这与经济背景、市场政策和投资者行为密切相关;牛熊周期存在显着的阶段性特征。此研究对于市场监管、风险管理及投资策略等方面有参考价值和实践意义。(本文来源于《管理评论》期刊2019年08期）
高志达,周本慈[5]（2019）在《中美玉米期货的长记忆性检验及其影响分析》一文中研究指出本文主要采用修正的R/S分析法对中美两国玉米期货的收益率及收益波动率进行长记忆性检验,结果表明,CBOT玉米的收益率不具有长记忆性,ECD玉米连一收益率具有长记忆性;二者的收益波动率均具有长记忆性的结论。并结合中美市场的差异对我国玉米期货市场的发展提出建议。(本文来源于《现代营销(经营版)》期刊2019年07期）
储召博[6]（2019）在《非恒定方差的长记忆序列持久性变点统计推断》一文中研究指出随着长记忆时间序列理论的不断发展,利用长记忆时间序列刻画经济和金融数据的演变特征得到广泛的运用,鉴于序列平稳与否决定了完全不同的时间序列建模方法,准确判断序列是否存在持久性变点,对于提高模型的准确率具有重要的意义。传统的持久性变点检验以序列具有同方差假设为基础,但时序数据往往具有异方差性,这将导致相关结论不再适用。因此,本文在长记忆时间序列持久性变点检验的基础上引入了异方差,考虑了异方差对长记忆时间序列持久性变点检验与估计的影响。基于累积和方法研究了持久性变点问题。当方差在恒定的情形下,利用广义中心极限定理,证明了原假设下的极限分布是分数布朗运动的泛函。当方差是非恒定的情形下,极限分布不再仅依赖于长记忆指数,还与方差变点的跳跃幅度、变化方向及变化时刻密切相关。当备择假设成立时,统计量的经验势出现不同程度的损失,尤其在持久性变点由平稳过程变为非平稳过程的情况下,方差发生负向变化时,随着跳跃幅度增大,变点时刻偏后,损失现象也越严重。同时在6种不同的情形下考虑了持久性变点估计问题,其结果说明估计的精确性仍受制于方差变点的影响。针对持久性变点检验与估计受异方差影响的缺陷,利用了Bootstrap方法,旨在降低异方差对检验功效的干扰作用。数值模拟表明该方法能有效避免由于异方差产生检验水平扭曲的现象,使得经验水平值均接近正常的显着水平,同时检验势也有显着的提升。由此可见,基于Bootstrap累积和检验对于含有异方差的长记忆时间序列持久性变点检验具有良好的功效。通过利用两组金融时序数据证明了文中所提方法的可行性和有效性。(本文来源于《西安科技大学》期刊2019-06-01）
杨立平[7]（2019）在《长记忆序列均值变点的统计分析及在金融中的应用》一文中研究指出近叁十年来,变点问题在统计学中一直是国内外学者的研究热点。鉴于金融时序数据往往呈现长记忆特性,于是采用长记忆序列刻画其演变规律就受到了广大学者的广泛关注。本文基于长记忆序列别对均值变点的统计分析问题进行了研究,具体内容如下:研究了长记忆序列均值变点的检验问题。在经典的长记忆均值变点模型中,证明了累积和(CUSUM)统计量在原假设下的极限分布是一个分数布朗运动的泛函。同时,也得到了其在备择假设下的一致性。数值模拟结果表明:经验水平在没有均值变点的情况下接近设定的显着性水平值。而当均值变点存在时,经验势随着均值变点的跳跃幅度和样本量的增加而增加。在含有方差变点的非平稳环境下,对长记忆序列均值变点的检验问题进行了研究。结果表明:在原假设下,累积和统计量的渐近分布不再标准,而与方差变点的跳跃幅度和出现时刻密切相关。同时,通过数值模拟进一步研究发现,统计量的经验水平出现了严重的扭曲现象,即方差的变化幅度越大、方差变点位置越靠后,经验水平值扭曲越严重。针对此缺陷,本文利用稀疏重构方法和Bootstrap方法以去除方差变点对检验功效的影响,最终实现了均值变点的稳健检验。对棉花价格和农业银行股票价格两组金融时序数据进行了实证分析。结果表明:文中提出的方法对均值变点的检验是行之有效的。因此,研究长记忆序列均值变点对丰富非连续条件下的统计建模有重要的理论意义。(本文来源于《西安科技大学》期刊2019-06-01）
黄志平[8]（2019）在《上证综指的长记忆性检验及其预测研究》一文中研究指出近年来,我国的金融行业不断发展壮大,证券市场作为金融市场的重要组成部分,已成为了金融领域的研究对象之一。研究上证综指的记忆性特征,不但有助于了解证券市场的发展,还能为投资者提供实践指导。本文依据上证综指的时间序列周期,结合相关变量,建立预测模型,得到有效估计,从而避免证券市场的外在风险,主要内容和研究结果如下。1.选取了1991-2018年上证综指收盘价作为原始样本数据,通过对其进行对数和对数差分处理得到了对数样本和对数差分样本,并用R/S分析法、修正R/S分析法、V/S分析法、DFA分析法和MFDFA分析法对样本的记忆性进行检验。结果发现,对数差分处理会影响上证综指的记忆性,且5种分析方法的结果均表明上证综指是存在长记忆性特征的。2.考虑到时间和涨跌因素对上证综指的影响,本文将原始样本分成3个不同的时间段,并做去除较大涨跌幅度处理,然后用长记忆性检验方法对处理后的样本进行记忆检验。研究结果表明,上证综指的长记忆性检验确实会受到时间和涨跌因素的影响,在不同的时间区间其记忆指数不同,甚至有时会出现Hurst指数小于0.5的情况,这间接解释了在不同研究中上证综指记忆性指数不同的原因。与时间因素相比,去除较大涨跌幅度样本所得到的记忆指数变化更加明显,即涨跌因素对上证综指长记忆性检验的影响更大。3.采用参数模型和非参数模型对上证综指的收盘价进行预测。以近几年上证综指收盘价作为原始样本,首先对样本进行了归一化和去除较大涨跌幅度处理,然后进行正态性和单位根检验,最后得出该样本是非正态非稳定的时间序列。使用ARFIMA模型和GRU模型对处理后的样本进行预测,结果表明,不论是原始样本还是去涨跌样本,长期预测还是短期预测,GRU模型的预测效果均优于ARFIMA模型。4.当用同种模型对原始样本和去除较大涨跌样本进行预测时,发现去涨跌样本的预测结果均优于原始样本,从而表明去除较大涨跌幅度这种数据处理方法能够减小上证综指的预测误差。上证综指的长记忆性为其预测研究提供了有利条件。在原始样本和去涨跌样本的ARFIMA模型和GRU模型的预测结果中发现,去涨跌样本的GRU模型预测效果最好。这说明在上证综指的预测研究过程中,数据的预处理和模型的选取均会影响预测结果,因此有效的数据处理方法和相适应的模型选择是上证综指预测研究的重点。(本文来源于《江西财经大学》期刊2019-06-01）
王莹,雷鸣,周洋[9]（2019）在《上证50ETF股指期货收益率及波动性长记忆性研究》一文中研究指出文章采用KPSS-ADF联合检验、R/S分析以及修正的R/S分析检验上证50ETF股指期货收益率及波动性的长记忆性,对存在长记忆性的变量序列构建FIGARCH模型及FIEGARCH模型,并对两个模型的拟合优度的进行比较分析。结果显示,波动率序列呈现出明显的长记忆性,而收益率序列不具备长记忆性。对于具有杠杆效应的波动率序列,FIEGARCH模型拟合效果要比FIGARCH模型更好。(本文来源于《中国市场》期刊2019年14期）
吉毛加,陈占寿,栗慧妮[10]（2019）在《长记忆时间序列趋势项变点的CUSUM检验》一文中研究指出本文研究长记忆时间序列趋势项的变点检验问题.基于最小二乘拟合残差构造了一种新的CUSUM型检验统计量,在无变点原假设下证明了检验统计量的极限分布是I型分数布朗运动的泛函,在备择假设下证明了检验统计量的一致性,并提出用Sieve Bootstrap方法确定检验统计量的临界值来避免精确估计冗余参数.数值模拟结果表明,提出的新方法在原假设下能较好地控制检验水平,在备择假设下能达到满意的检验势.(本文来源于《青海师范大学学报(自然科学版)》期刊2019年01期）
长记忆论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
考虑到高频时间序列波动率的长记忆性问题,构建了赋权已实现波动分数整合自回归移动平均(ARFIMA-WRV)模型对其进行了研究.利用贝叶斯统计方法对模型做了相应的贝叶斯分析,并对我国中小板股市收益波动率的长记忆性特征进行了实证分析.实证结果表明我国中小板股市收益波动率存在长记忆性特征;采用消除日历效应影响的赋权已实现波动作为波动度量和贝叶斯参数估计方法,很大程度上提高了模型的参数精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
长记忆论文参考文献
[1].谢军,胡楠.长记忆性数据特征视角下流动性测度对超额收益预测研究综述[J].商讯.2019
[2].周树民,陈健红,陈家清.基于贝叶斯ARFIMA-WRV模型高频数据长记忆性研究[J].数学的实践与认识.2019
[3].潘群星,宦先鹤.我国股债汇风险点的长记忆性及关联性研究[J].金融与经济.2019
[4].唐勇,朱鹏飞.沪深300股指期货牛熊周期的长记忆性、风险和有效性实证研究:基于多重分形视角[J].管理评论.2019
[5].高志达,周本慈.中美玉米期货的长记忆性检验及其影响分析[J].现代营销(经营版).2019
[6].储召博.非恒定方差的长记忆序列持久性变点统计推断[D].西安科技大学.2019
[7].杨立平.长记忆序列均值变点的统计分析及在金融中的应用[D].西安科技大学.2019
[8].黄志平.上证综指的长记忆性检验及其预测研究[D].江西财经大学.2019
[9].王莹,雷鸣,周洋.上证50ETF股指期货收益率及波动性长记忆性研究[J].中国市场.2019
[10].吉毛加,陈占寿,栗慧妮.长记忆时间序列趋势项变点的CUSUM检验[J].青海师范大学学报(自然科学版).2019
论文知识图
