股市时间序列的多重分形分析

通过对幂谱和统计矩函数的分析,得出股票市场时间序列的无标度性.借助配分函数、广义分形维数和多重分形谱对股票市场进行研究,结果表明,股票市场时间序列具有多重分形特征.这将为多重分形在金融理论方面的研究提供重要的理论基础.

一种改进的数字滤波方法

针对有一定频率的满刻度值出现的实时数据采集系统 ,提出了一种改进的数字滤波方法 .该方法应用数据冗余的原理消除虚假数据的干扰 ,适用于数据采集系统中A/D转换器存在误码干扰的部位 ,对某些干扰有很好的滤波效果 .

小波及奇异值分解在混沌特征计算中的综合去噪研究

观测时间序列的非线性动力学混沌特征研究在电力、气象、地震、边坡等工程领域的应用日益广泛,但观测序列的噪声对研究结果具有重要的影响,人们通常采用傅立叶或者小波变换方法去噪。但对于混沌序列来说,这种去噪方法具有一定的局限性,会造成观测数据一定程度的破坏,对混沌分析结果会产生一定的影响。本文探讨运用小波变换结合奇异值分解(SVD)方法来解决观测时间序列在混沌特征分析时的去噪问题,该方法针对混沌分析过程中的源观测数据特点,首先用小波方法对一维观测序列去噪,并对去噪后的序列计算混沌特征分析中的重要参数-相空间重构参数m,τ,根据m,τ对源一维观测序列进行重构,得到重构的相空间矩阵A,然后对矩阵A采用SVD方法进行处理,通过这两种方法相结合的方式来达到更好的去噪目的。结果表明其去噪效果是明显的,数据经过小波变换和SVD联合处理后其观测序列的混沌特征更明显和易于提取,提高了观测时间序列混沌分析的可靠性。

基于ARMA模型的病虫灾受灾面积的分析与预测

考虑到气象等环境因素对病虫灾受灾面积的影响,利用湖北省某一时间段病虫灾受灾面积的具体数据,检测数据的平稳性.如果数据平稳,建立相应的病虫灾受灾面积的ARMA时间序列模型,并直接进行以下操作:首先,结合MATLAB,EVIEWS等软件,对病虫灾受灾面积模型进行定阶,参数估计;其次,检验病虫灾受灾面积模型的平稳性和白噪声,检验结果不合理时重复操作.待病虫灾受灾面积的模型合理后,对病虫灾受灾面积进行预测.如果数据不平稳,利用差分或其他方法对其进行平稳化处理,建立模型并重复上述操作.本研究可为病虫灾害的预防与防治工作提供理论依据.

时间序列分析课程建设的探索与实践

时间序列分析是统计学的专业课,本文主要探讨了该门课程建设的主要内容,包括教学内容的设置,初步建立了教学体系,以及课程建设的主要目的是提高学生的实际应用能力.

一类双重时间序列模型平稳解的存在性

讨论了双重时间序列模型ｘｔ＝θｔｘｔ－１＋εｔ（１）的平稳解存在的条件，这里，θｔ是平稳的自回归滑动平均ＡＲＭＡ（Ｐ，ｑ）序列。并且，在θｔ是一阶自回归序列ＡＲ（１）时，给出模型（１）有平稳解的显式条件。

D-G正态模型在VaR计算上的改进

对于包含期权等非线性头寸的投资组合来说,其VaR计算,通常是利用二阶或高阶泰勒展开式来近似投资组合在特定时期内相对于市场变量的价值变化,即D-G正态模型,然后针对这个模型来进行VaR计算.本文在分析这个模型缺陷的基础上,设法通过调整置信参数α,来提高风险预测的准确度.