基于LLM的金融市场波动率高频数据异常检测方法

金融市场高频数据包括时间序列数据和其他宏观经济指标,通常具有高维特征.其处理需要更复杂的算法,易产生较高的模型过拟合风险.基于此,提出基于局部线性映射(Local Linear Mapping,LLM)的金融市场波动率高频数据异常检测方法,对各个高频数据目标的日平均序列数据进行标准化处理,在数据筛选时,使用标准化处理设定相关阈值,将不同维度的数据转化为相同的尺度,并利用连通图算法,将具有边连接的金融市场波动率高频数据划分至一个群组内,计算待检测高频数据阈值,采用局部线性映射,完成金融市场波动率高频数据异常检测.实验结果表明:所提方法在TPR为0.98时,ROC曲线稳定运行,贡献因子为1.287,重构误差为1.6%,能够以最快速度使训练集异常检测的损失值达到稳定.

基于B样条分位数高频金融数据建模及应用

基于2018一2022年碳价、股价、外汇汇率和大宗商品小时单位数据,利用变系数模型和线性ARCH模型,构建了变系数风险度量模型,以资产相对成交量作为样条基函数,使用B样条分位数方法估计模型系数,测度高频金融数据的风险值,最后利用蒙特卡洛模拟验证了该估计方法的有效性和准确性。实证分析表明:资产相对成交量影响金融资产风险变动,B样条分位数方法的拟合成功率和误偏、误差值最小,拟合精度最高。

中国资产价格跳跃行为研究——基于高频数据集的分析

利用日内高频数据,分别通过实现波动率模型和实现二次幂波动模型对资产价格的波动率和连续部分波动率建模,并据此得到资产价格跳跃部分的动态行为模型,分离出发生跳跃的天数、跳跃的大小和方向。结果显示,中国金融市场中的资产跳跃行为密集发生在市场波动性较大的时刻,其大小和间隔期均具有群聚现象,且五种代表性资产价格的跳跃密度均呈左偏分布,说明中国股权市场中向下发生的跳跃多于向上的跳跃。

金融高频数据分析的现状与问题研究

近年来,在西方国家对金融高频数据的分析已成为实业界和学术界的热点问题和难点问题。本文讨论了金融高频数据的概念和特征,分析了对高频数据分析的基本动因,阐述了金融高频数据分析已涉及的主要领域,探讨了金融高频数据分析中遇到的问题。最后,还对金融高频数据分析的发展趋势作出了展望并探讨了我国在这一领域应用研究的重点。

已实现波动和已实现极差波动的比较研究

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域,已实现波动和已实现极差波动是针对高频金融时间序列而开发的两种全新的波动率度量方法.首先证明了在理想状态下,已实现极差波动比已实现波动是更有效的波动估计量,然后基于渐近关系讨论了高频数据最优抽样频率问题.在模拟试验的基础上,比较了微观结构效应对两种波动率度量方法的影响程度.最后,通过实证分析对上证综指的高频数据给出一个最优抽样频率.

高频数据的加权已实现极差波动及其实证分析

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域,已实现极差波动是针对高频金融时间序列而开发的一种全新的波动率度量方法。文章首先证明了已实现极差波动是比已实现波动更有效的波动估计量,然后基于日内波动的特征,给出考虑“日历效应”的加权已实现极差波动,并说明了已实现极差波动只是加权已实现极差波动的特例。最后,通过对深圳股市实证分析,证实了加权已实现极差波动是比已实现极差波动更有效的波动估计量。

“已实现”双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.

基于高频数据的金融市场波动溢出分析

在讨论"已实现"波动率、"已实现"协方差基础上,针对金融市场的高频数据,引入"已实现"波动变结构,分阶段计算"已实现"波动率的相关系数,检验"已实现"波动率相关系数,判断在变结构点前后是否发生显著变化,从而分析金融市场之间的波动溢出效应,并进行实证分析。

金融波动研究的新进展及未来展望

金融波动的学术研究已经取得了突破性的进展,并且成为金融计量学中相对独立、颇具特色和最为活跃的研究领域之一。首先介绍了变结构金融波动模型研究取得的新进展,Copula函数在金融波动分析中的应用,Copula函数在金融波动相关性分析和金融传染分析中取得的新进展,以及基于高频数据的金融波动研究近年来取得的新进展,最后对金融波动研究领域中未来值得研究的方向进行了展望。

基于粒子滤波的高频金融时间序列预测

高频金融时间序列呈现出强烈的非高斯特性,已经不能采用传统的统计分析方法对其进行分析与预测,通常采用基于极限思想的已实现波动理论进行高频数据的建模。针对市场运作中的高频数据采集数量有限而不能准确估计"已实现"波动率的局限性,提出一种新的预测方法:在对"已实现"波动率建模的基础上,采用适合于非高斯非线性过程的粒子滤波技术对波动率进行估计与预测,可以处理单日内的高频交易数据。将此算法应用于日内高频微软股价数据预测,得到了较好的实证效果。

资产收益率跳扩散过程的混频数据估计:一个波动率回馈框架

本文提出一个利用混频数据估计资产波动率的框架,该框架使用日内高频数据构造蕴含潜在发生概率的跳跃和扩散波动指标,以外生的滞后项进入回馈函数,既能充分利用样本信息,又能避免无限滞后期的回馈影响。在对沪深300指数的实证分析中,考虑一个跳跃对扩散波动具有非对称性溢出效应的双向波动率回馈模型。相对于基准模型,这一模型对数据的描述更优。分析结果显示,两类波动间存在正向回馈效应:跳跃向扩散的溢出导致自回归条件异方差(ARCH)系数存在两个区制且区制内的变异性明显;扩散向跳跃的溢出致使跳跃强度的自相关性在极端市场环境中出现强化。波动率回馈机制使得信息释放后价格反复调整变化,导致波动率高企;熔断事件折射出A股信息流质量差、融解效率低等问题。由此可以得出结论:相关监管和交易制度亟待完善。

金融超高频数据研究新进展

对超高频数据进行建模与分析,已成为国际、国内的金融学研究热点之一。最近几年,对金融超高频数据的研究有很多新的进展,通过对超高频数据的交易时间、标值两个方面的分析,较全面地总结了金融超高频数据研究新进展。最后对其研究的新进展予以简要的评析,并指出未来对金融超高频数据研究的方向。

金融高频数据和超高频数据的研究现状及展望

金融高频数据和超高频数据的研究是金融计量学的一个全新的研究领域,研究的基本动因在于,一是对金融高频数据和超高频数据本身所具有的特征的关注,二是对理解金融市场的微观结构来说相当重要。当前这一领域从统计特征、"日历效应"、微观结构、建模等方面得到了一些研究的理论和实证成果。金融高频数据和超高频数据的研究中存在诸如:模型、微观结构误差等问题,未来金融高频数据和超高频数据研究趋势与方向应在波动持续性、风险度量等方面。

中国混频金融状况指数的构建

文章从货币政策经济增长目标出发,构建了新的混频金融状况指数(MFFCI)编制公式,使用MF-VAR模型,测算了金融状况变量的混频权重系数,实证编制和应用了中国MFFCI,同时与同频金融状况指数(SFFCI)进行了比较分析。结果表明,MFFCI无论与GR的相关性、因果关系,还是对GR的领先性和预测能力,都比SFFCI好,说明MFFCI更适合中国。

金融市场高频数据分析的建模进展

目前,在利用年、月等低频数据对股票市场的波动率进行研究的基础上,国内的一些学者开始用日内高频数据展开相应的研究.论文对国内外的大量最新文献进行了综述分析,提出了金融市场高频数据分析的3个创新研究方案和建模方法.

基于已实现NGARCH模型的上证50指数的风险度量

基于NGARCH模型刻画了波动率的杠杆效应特征,在已实现GARCH模型的波动率方程中引入杠杆参数的扰动,建立了新的已实现NGARCH模型,并研究了新模型的动态VaR估计问题。上证50指数5 min频率高频数据VaR估计的返回测试结果表明:该新模型比已实现GARCH模型更好地刻画了波动率的杠杆效应特征,在一定程度上提高了风险度量的预测精度。

金融资产日内跳跃检验比较及其股市跳跃特征分析

运用Monte Carlo模拟分析的方法,通过对现存几种日内跳跃检验方法进行比较后发现,就检测能力、错判率和跳跃方差偏差而言,ABD跳跃检验方法表现最优。利用ABD跳跃检验方法,通过对上证综指高频数据进行分析后发现,上证综指平均大约每四天发生一次跳跃,跳跃方差贡献约为19%,并且跳跃行为存在非对称性;同时发现跳跃行为是造成上证综指收益率尖峰厚尾特征的重要因素之一。

基于BP神经网络的股指收益率预测研究——以高频数据为样本

高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域。目前,国内学者利用年、月、日等低频数据对股票市场的收益率进行了很多的研究,但是以日内高频数据为基础的研究还不多见。如何较准确地预测基于高频数据的股票收益率是进一步深入研究金融市场的基础,论文采用数据挖掘中的BP神经网络对沪深300指数高频数据中的日内收益率进行建模与预测。结果表明:神经网络模型对股票高频数据的日内收益率具有很强的预测能力。

跳稳健积分波动率估计量的研究

度量和预测资产价格的波动在金融计量学的多个领域起着关键的作用,为了更深刻地理解金融市场,基于高频金融数据的波动率研究更具有价值和意义。基于已实现方法与最邻近截尾的思想,构建了积分波动率的一种新的估计量——三项最小值已实现波动(TMinRV)。在模型假设下,证明了该估计量的相合性及跳存在情况下所遵循的渐近极限理论。实证研究选取上证综指和深证成指5分钟高频金融数据对TMinRV进行研究,并且将其与MinRV和MedRV进行对比,发现TMinRV能够更好地消除价格跳跃带来的波动,TMinRV的有效性及稳健性优于MinRV和MedRV,它能够更加准确地估计金融资产收益的波动。

基于持续期模型对高频金融数据分析

本文意在研究高频金融数据具有的性质和特点以及时间序列持续期模型的适用性.利用中国石油2014年6月9日至6月18日8个交易日1分钟高频交易数据,用时间序列持续期模型进行分析,得到交易的相互依赖现象,说明股票交易期间的具有聚集效应.这说明短时间间隔伴随着短交易时间,长时间间隔伴随长交易时间.同时也说明股票交易具有间歇性频繁、平淡,也验证了持续期模型对研究高频数据的特性的合理性.