freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

0105030基于成交量標(biāo)度的股價(jià)動(dòng)力學(xué)分析-在線瀏覽

2024-08-06 08:47本頁(yè)面
  

【正文】 考慮得到的價(jià)格序列自然地把成交量的信息融入到價(jià)格序列中,避免了原來的價(jià)格和成交量?jī)蓚€(gè)變量分離難以結(jié)合研究的問題。由于市場(chǎng)交易不按固定的日歷時(shí)間推進(jìn),而是按其交易本身的時(shí)間推進(jìn),按影響交易的信息流過程推進(jìn),那么成交量作為市場(chǎng)重要事件的“信息含量”的度量標(biāo)志,很自然地可以作為市場(chǎng)交易本身時(shí)間的一個(gè)替代。標(biāo)度確定的是否適當(dāng)直接影響基于成交量標(biāo)度的股價(jià)的行為特征。因?yàn)槌山涣窟M(jìn)程時(shí)間的均值等于1,即剛好等于一個(gè)平均時(shí)間刻度單位,那么成交量標(biāo)度的單位設(shè)定為成交量進(jìn)程時(shí)間的均值。假設(shè)時(shí)刻的成交量進(jìn)程時(shí)間為,則時(shí)刻的累積成交量進(jìn)程時(shí)間為。 基于成交量標(biāo)度的股價(jià)序列的構(gòu)造 由于現(xiàn)有存在的股價(jià)序列都是基于日歷時(shí)間標(biāo)度的,為了進(jìn)行基于成交量標(biāo)度的股價(jià)序列動(dòng)力學(xué)分析,我們必須重新構(gòu)造股價(jià)序列。所以,基于成交量標(biāo)度的股價(jià)就是這種介于兩個(gè)整數(shù)時(shí)間標(biāo)度之間的股票價(jià)格,在這種精確的時(shí)間標(biāo)度的股價(jià)獲取有困難的情況下(現(xiàn)存的可獲取的數(shù)據(jù)庫(kù)可能沒有每筆的成交數(shù)據(jù)記錄),我們常常采取替代的方式。這里的權(quán)是成交量進(jìn)程時(shí)間,而股價(jià)則用平均成交價(jià)替代。若下式滿足: (7) 則第(s+1)個(gè)成交量標(biāo)度的股價(jià)為: (8) 基于成交量標(biāo)度的股價(jià)動(dòng)力學(xué)分析的基本方法 在生成基于成交量標(biāo)度的股價(jià)序列后,我們就可以進(jìn)行動(dòng)力學(xué)分析。4 實(shí)證研究 下面我們對(duì)上證綜合指數(shù)進(jìn)行實(shí)證分析,通過基于時(shí)間標(biāo)度的股價(jià)收盤價(jià)序列和基于成交量標(biāo)度的股價(jià)序列進(jìn)行ARIMA模型比較分析,來說明基于成交量標(biāo)度能降低股價(jià)行為的復(fù)雜性,從而簡(jiǎn)化股價(jià)行為的分析。設(shè)和分別表示實(shí)際值和模型的預(yù)測(cè)值,n 為樣本數(shù)。記CLSPRC為原來的基于時(shí)間標(biāo)度的收盤價(jià)序列,PRC_L為基于成交量標(biāo)度的股價(jià)序列。按照AIC和BIC信息準(zhǔn)則以及模型的參數(shù)的顯著性進(jìn)行模型的辨識(shí),我們得到兩個(gè)序列的ARIMA模型的階數(shù),見表1。 ②。分析: (1)從殘差的自相關(guān)性檢驗(yàn)看,兩個(gè)模型的殘差的直至6階滯后的自相關(guān)系數(shù)都沒有顯著不為零的,說明兩個(gè)模型擬合得都不錯(cuò)。 (3)、AIC和BIC值看,基于成交量標(biāo)度的指數(shù)序列的值都要小于收盤價(jià)序列,說明基于成交量標(biāo)度的指數(shù)序列要比收盤價(jià)序列擬合的更好一些。表2 兩個(gè)序列的ARIMA模型的誤差分析表辨識(shí)階段:樣本數(shù)405序列均方差平均絕對(duì)值誤差最大絕對(duì)值誤差最小絕對(duì)值誤差%的比例CLSPRCPRC_L預(yù)測(cè)階段:樣本數(shù)80CLSPRCPRC_L分析 (1)在模型辨識(shí)階段,從各個(gè)誤差分析值看,不管是均方差、平均絕對(duì)值誤差,還是最小絕對(duì)值誤差、%的比例,基于成交量標(biāo)度的指數(shù)序列都要優(yōu)于收盤價(jià)序列。 (3)模型測(cè)試階段的誤差分析值與辨識(shí)階段相比,其擬合效果并沒有變差,說明模型的參數(shù)的時(shí)間平穩(wěn)性得到了很好的保證。按照赤池信息準(zhǔn)則AIC、ScharwzBayes信息準(zhǔn)則BIC和參數(shù)值的顯著性,我們對(duì)兩個(gè)序列進(jìn)行了ARIMA模型辨識(shí),發(fā)現(xiàn)基于成交量標(biāo)度的指數(shù)序列的自回歸項(xiàng)階數(shù)要小于收盤價(jià)序列,而且AIC和BIC值也要小于收盤價(jià)序列。再由辨識(shí)階段得到的ARIMA模型的參數(shù)值對(duì)后面的樣本進(jìn)行了測(cè)試,從各個(gè)誤差分析項(xiàng)(包括均方差、平均絕對(duì)值誤差、%的百分比等)也可以看出,基于成交量標(biāo)度的指數(shù)序列用ARIMA模型擬合要好于收盤價(jià)序列。參考文獻(xiàn)1 Stock James
點(diǎn)擊復(fù)制文檔內(nèi)容
環(huán)評(píng)公示相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1