基于小波和多重分形的金融时间序列聚类

为研究时间序列波动特征及其聚类,定义了反映序列波动特征的概率测度并考虑长期趋势项对时间序列多重分形分析的影响,采用小波分解与重构的方法去除低阶项,得到消除趋势项后的序列.比较消除趋势项前后序列的多重分形谱,结果显示多重分形谱的形状在消除趋势项后更加趋于钟形.由于多重分形谱可以定量表征序列的波动特征,将此方法应用于上海市场股票价格序列的波动特征分析,结果显示,消除趋势项后的上海市场股票价格序列的多重分形谱用于其波动特征的聚类具有更合理的物理意义.     

基于WPTMM的PM2.5与气象条件关系的联合多重分形分析

PM2.5是影响空气质量的主要污染物,PM2.5污染浓度与气象条件关系密切,研究气象条件对PM2.5浓度的影响对改善城市空气质量有着重要意义.鉴于分形和小波在处理复杂非线性系统时的优势,本文提出了基于小波包变换模极大值(wavelet:packet transform modulus maxima,WPTMM)的联合多重分形,首先对变量序列进行小波包分解,使用模极大值进行去噪,然后构造联合配分函数,最后计算联合多重分形谱,分析两个变量之间的分形相关性.该方法将单个变量的多重分形扩展到两个变量的联合多重分形,并且利用WPTMM计算联合多重分形谱降低了计算复杂度,同时去除噪声的影响.用本文方法分析北京、香港PM2.5浓度与各气象要素之间的关系,实验结果表明,该方法能够有效地分析各种气象要素在不同季节中对PM2.5浓度的影响.     

强沙尘暴时序的标度不变性分析

强沙尘暴规模的时间序列具有复杂的波动性.运用多重分形消除趋势波动分析法分析我国北方近49年来的强沙尘暴序列.发现序列具有长程相关性;并确认强沙尘暴是多重分形过程,进而得出序列的多重分形谱.在此基础上,探讨了序列长程相关性和多重分形特征与强风、沙源和热力不稳定等我国北方强沙尘暴形成的主要因素之间的联系.     

基于滑动窗口 MF-DFA 的股票风格资产收益多重分形分析

风格投资已逐渐成为基金构建投资组合的一种主流量化投资方法. 本研究在分析风格资产收益呈分形特征的基础上, 通过引入滑动窗口技术对传统的多重分形消除趋势波动分析法 (MF-DFA) 加以改进, 并对中信标普公司推出的 6 种股票纯风格资产指数日收益率序列的波动特征进行研究, 实证结果发现: 滑动窗口技术能有效减少因分割连接点处的不连续性而产生的伪波动误差; 风格资产指数日收益率序列均具有相关多重分形特征, 即原始序列具有持久性, 位置重构序列均具有反持久性, 且位置重构序列的多重分形特征显著弱于原始序列的多重分形特征, 表明风格资产指数收益序列的持久相关性是形成多重分形特征的主要原因; 价值、成长型比规模型风格资产具有更规律的多重分形特征, 表明价值、成长型比规模型风格资产的分形规律更明显. 本研究对基金公司、基金经理及时准确地把握股市风格动向以便构建适度风格漂移策略具有重要的理论价值与现实意义.     

中国股票市场的标度突变现象及其特征研究

以上证指数为例,运用MF-DFA方法对其进行多重分形消除趋势波动分析.结果发现该时序在整个标度范围上存在交叉突变现象,其交叉突变点将整个时间标度分为两个部分,每一部分具有不同的多重分形特征及标度指数.进一步地,对每一部分多重分形特征成因进行分析,发现股票市场的多重分形特征是由波动的相关性及厚尾的概率分布共同作用的,其中收益序列的波动相关性是形成多重分形特征的主要原因.最后,提出股票市场监管的几点启示.     

日内金融高频数据的异常点检测

融市场上日内的异常波动可能与重大经济事件相关.因此通过分析高频市场数据的异常与市场内在事件属性及其联系,可以帮助市场参与者更深刻地理解市场动态特性.采用了基于最大模量小波转换(WTMM)的多重分形形式,通过上海证券市场的日内指数价格数据来判断高频时间序列下异常点的存在和定位. 结果表明,上述小波方法在检测和定位高频金融时间序列数据中的异常点方面是有效的.     

基于方差波动多重分形特征的金融时间序列聚类

提出了一种新的概率函数计算方法，用于研究金融时间序列在方差波动方面的多重分形特征。在此基础上提出了一种基于多重分形的时间序列聚类算法，该算法能够根据不同的分析目的，灵活地使用不同的概率函数以及序列的多重分形特征参量进行聚类。对上海证券市场实际数据的实验结果表明，本文提出的聚类算法是灵活有效的。     

配分函数法的改进及应用

针对传统配分函数难以处理分割子区间长度s不为时间序列长度T的约数或者T为质数的情况，采用类似多重分形去趋势波动法（MFDFA）的操作方式，提出修正配分函数法. 用二项式多重分形做数值模拟，得出的数值解与理论值几乎重合，表明修正配分函数法是有效的. 并较为详细地给出了配分函数法各参数的经济含义. 用修正配分函数法分析了上证A股指数的多重分形性，通过打乱序列、去极值、迭代振幅匹配傅里叶变换（IAAFT）研究了多重分形产生的原因. 结果表明：上证A股的分布、极值、序列的时变相关性均影响多重分形的形成，其中序列自相关性为主要因素.     

考虑杠杆效应的多重分形波动建模:基于中国股指的实证分析

为提高波动估计的准确性,针对修正因子的不足,改进了多重分形波动率测度,建立了反映多重分形波动特征的ARFIMA模型和HAR模型.样本内拟合实证表明:考虑杠杆效应的多重分形波动建模明显提高模型拟合程度.样本外预测实证表明:基于多重分形的波动模型是比GARCH类模型更有效的预测模型.两方面实证表明考虑杠杆效应的多重分形波动建模更能有效地刻画金融市场波动复杂性.     

上海证券市场的多重分形特性分析

作者将多重分形分析的三种方法(配分函数分析法、奇异谱分析法和多重分形趋势消除波动分析法)应用于我国上海证券市场在过去七年中的收盘指数序列,分析了不同时间标度对多重分形特性的影响.结果表明:上海证券市场具有弱多重分形特征,标度不变性达到六个数量级;多重分形的形状不随时间标度的改变而改变,但其强度随标度的减小而减弱;随着配分阶数的增大,多重分形随之增强,奇异谱曲线越来越粗糙,广义赫斯特指数逐渐减小.这些结果为进一步研究证券市场价格变化的动力学机理提供了坚实的实证基础.     

Complex system analysis of market return percolation model on Sierpinski carpet lattice fractal

This paper investigates the statistical behaviors of fluctuations of price changes in a stock market.The Sierpinski carpet lattice fractal and the percolation system are applied to develop a new random stock price for the financial market.The Sierpinski carpet is an infinitely ramified fractal and the percolation theory is usually used to describe the behavior of connected clusters in a random graph.The authors investigate and analyze the statistical behaviors of returns of the price model by some analysis methods,including multifractal analysis,autocorrelation analysis,scaled return interval analysis.Moreover,the authors consider the daily returns of Shanghai Stock Exchange Composite Index,and the comparisons of return behaviors between the actual data and the simulation data are exhibited.     

SAR image denoising based on wavelet-fractal analysis

Wavelet-fractal based SAR （synthetic aperture radar） image processing is one of the advanced technologies in image processing. The main concept of analysis is that after wavelet transformation, multifractal spectrum of the signal is different from that of noise. This difference is used to alleviate the noise produced by SAR image.The method to denoise SAR image using the process based on wavelet-fractai analysis is discussed in detail. Essentially, the present method focuses on adjusting the Hoelder exponent α of multifractal spectrum. After simulation, α should be adjusted to 1.72-1.73. The more the value of α exceeds 1.73, the less distinctive the edges of SAR image become. According to the authors denoising is optimal at α=1.72-1.73. In other words, when α =1.72-1.73, a smooth and denoised SAR image is produced.     

日中两国不同经济时期股市的多重分形分析

在不同的经济发展时期, 股票市场波动会呈现出不同的动力学特征. 鉴于分形理论在描述股票价格波动特性时具有许多优势, 应用多重分形消除趋势波动分析(MF-DFA) 对日本七个经济时期以及中国股市自建立以来三个经济阶段的股票市场指数进行实证研究. 结果显示: 不同经济发展时期日中两国的股票市场均具有明显的多重分形特性; 但各自不同的经济时期多重分形特性差异显著, 且与当时经济发展的状况存在着一定联系. 接着运用自组织特征映射(SOM)神经网络对日本七个经济时期股市的多重分形特性进行分类, 验证了多重分形消除趋势波动分析(MF-DFA)可以较准确地刻画出不同经济时期股票市场的动力学特征. 最后, 通过对比日中两国不同时期股票市场的多重分形性, 得出一些对中国经济发展有益的启示.     

基于小波包的电泳芯片非接触电导检测仿真研究

由于毛细管电泳芯片电容耦合非接触微电导检测器具有电极不接触溶液,不存在电极的钝化和玷污,不受电泳分离电压影响等优点,被认为是生化分析领域最具发展潜力的一种技术.根据四电极电容耦合非接触电导检测器检测特点,采用小波消噪方法对信号进行滤波处理;依据芯片检测池内仅背景缓冲液与加入待测物质后所呈现的电导率不同致使信号电压会突变的特性,采用小波奇异性检测确定信号变化发生和恢复时刻,从而实现毛细管电泳芯片系统的微电导检测.仿真结果表明,利用小波分析方法能有效地消除噪声,能有效地检测到微电导的波动,并能精确地确定电导率溶液波动的发生,恢复时刻.     

基于均值-MF-X-DMA的能源产业链投资组合策略

国际能源金融市场是复杂的非线性系统,极端气候、地缘政治和金融风险等因素深刻影响能源投资活动。基于分形理论与产业链理论,提出优化中国能源产业布局及外汇能源资产配置的投资策略。结合均值-方差模型与多重分形方法,构建均值-MF-X-DMA模型,并选取标普>500指数中反映能源产业链5个环节的10支股票进行分析。研究结果表明：每支股票的收益率均具有分形特征,分形市场假说适用于能源投资组合的构建;基于产业链理论的选股思路,能够构建稳定性更好、收益率更高的投资组合;与传统投资组合模型相比,除了标度为10以外,该投资组合策略在其他标度下均能取得更高的收益和夏普比率、詹森指数、特雷诺指数,并弱化系统性风险的影响。     

国际股市联动条件下中国股市与汇市的非线性相依性关系研究

与以往仅对市场间相依关系进行静态、孤立的研究不同，基于全局化视角，在国际股市联动条件下研究中国股市与汇市间的相依关系。选取2006-01-04~2019-02-28沪深300指数、人民币兑美元汇率中间价、美国S&P500指数、欧洲STOXX50指数、香港恒生HSI指数、日本N225指数、英国FTSE100指数以及全球股市MSCI指数为研究样本，聚焦于2008年全球金融危机和2015年中国股灾两次极端波动事件，采用R-vine Copula方法研究国际股市联动条件下中国股市与汇市间的非线性相依关系，并构建参数动态化的动态R-vine Copula方法进行稳健性检验。研究结果表明：国际股市与中国股市和汇市之间分别存在着正向联动关系；在国际股市联动条件下，中国股市对汇市具有引导作用，且两者间的相依关系可以由资产组合平衡模型解释；中国股市与汇市在国际股市联动条件下间的相依关系弱于不考虑国际股市联动条件时的相依关系，且这种偏差在金融危机、股灾等极端波动后会显著增加。本研究对国际投资者合理配置资产规避风险、政府监管部门制定相关政策具有重要参考意义。     

Application of wavelet support vector regression on SAR data de-noising

A new filtering method for SAR data de-noising using wavelet support vector regression (WSVR) is developed.On the basis of the grey scale distribution character of SAR imagery,the logarithmic SAR image as a noise polluted signal is taken and the noise model assumption in logarithmic domain with Gaussian noise and impact noise is proposed.Based on the better performance of support vector regression (SVR) for complex signal approximation and the wavelet for signal detail expression,the wavelet kernel function is chosen as support vector kernel function.Then the logarithmic SAR image is regressed with WSVR.Furthermore the regression distance is used as a judgment index of the noise type.According to the judgment of noise type every pixel can be adaptively de-noised with different filters.Through an approximation experiment for a one-dimensional complex signal,the feasibility of SAR data regression based on WSVR is confirmed.Afterward the SAR image is treated as a two-dimensional continuous signal and filtered by an SVR with wavelet kernel function.The results show that the method proposed here reduces the radar speckle noise effectively while maintaining edge features and details well.