您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201810-86
论文题目 ARFIMA模型在金融时间序列的应用
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

ARFIMA模型在金融时间序列的应用

首发时间:2018-10-31

刘强 1   

刘强(1991-),男,硕士,主要研究方向:时间序列模型的应用

余冬玲 1   

余冬玲(1993-),女,硕士,主要研究方向:生物信息与 时间序列,E-mail:963536635@qq.com

周煜 1   

周煜(1982-),男,博士,副教授,主要研究方向:非线性时间序列分析以及应用。

  • 1、湘潭大学数学与计算科学学院,湘潭 411105

摘要:本文系统地讨论了如何对分整自回归移动平均(Autoregressive fractionally integrated moving average, ARFIMA)模型进行参数估计以及相应的建模。具体来说,三种方法ADF、PP和KPSS三种方法被用来检验上证指数和深证成指两条序列的平稳性,并用经典的R/S分析法和修正的R/S分析法以及V/S分析法来分析两条序列的长记忆性。结论显示一致支持上证和深证的日收益序列都有长记忆性,而且上证序列的长记忆性比深证的强。基于长记忆性的检验结果,本文对两条序列采用B-J 方法进行ARFIMA建模。通过信息准则比较确定为,ARFIMA$(6,0.1520,2)$是描述上证日收益序列长记忆性最合适的模型,ARFIMA$(5,0.1282,2)$是描述深证成指日收益序列长记忆性最合适的模型。通过实证研究得出,我国股市中确实存在长记忆性,但中国股市缺乏有效性。

关键词: 长程相关性 ARFIMA模型 R/S 分析法

For information in English, please click here

Application of ARFIMA model in financial time series

Liu Qiang 1   

刘强(1991-),男,硕士,主要研究方向:时间序列模型的应用

Yu Dong-Ling 2   

余冬玲(1993-),女,硕士,主要研究方向:生物信息与 时间序列,E-mail:963536635@qq.com

Zhou Yu 2   

周煜(1982-),男,博士,副教授,主要研究方向:非线性时间序列分析以及应用。

  • 1、 School of Mathematics and Computer Science, Xiangtan University, Xiangtan 411105
  • 2、School of Mathematics and Computer Science, Xiangtan University, Xiangtan 411105

Abstract:This paper systematically discusses the parameter estimation and modeling of the integral autoregressive moving average (ARFIMA) model in real-life case studies. ADF, PP, and KPSS are first employed to test the stationarity of the Shanghai and Shenzhen composite index. Then long-range correlation is measured for these two series using the R/S, modified R/S, and V/S analysis. The results demonstrates that the daily revenues sequences of Shangzhen and Shenzhen have long-range correlation but the former's is stronger. Based on the estimated long-range correlation, the B-J method is employed to construct the ARFIMA model for two series. ARFIMA(6, 0.1520, 2) and ARFIMA(5, 0.1282, 2) are specified as the best model to describe the Shangzhen and Shenzhen daily revenue series, based on the comparison of information criteria. It can be concluded from this case study there is indeed long-range correlation in China's stock market, which invalidates the efficient markets hypothesis in China.

Keywords: long range correlation;ARFIMA model;R/S analysis method.

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
刘强,余冬玲,周煜. ARFIMA模型在金融时间序列的应用[EB/OL]. 北京:中国科技论文在线 [2018-10-31]. http://www.paper.edu.cn/releasepaper/content/201810-86.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

ARFIMA模型在金融时间序列的应用