多元時(shí)間序列的分割方法及拐點(diǎn)識(shí)別研究.pdf

1、隨著數(shù)據(jù)時(shí)代的到來，數(shù)據(jù)的規(guī)模和復(fù)雜性也在不斷增長。相較于一元時(shí)間序列，雖然多元時(shí)間序列的結(jié)構(gòu)更加復(fù)雜建模分析更加困難，但多元時(shí)間序列能為決策者提供更多有意義的信息，因而多元時(shí)間序列的研究受到了越來越多的重視。判別和分析多元時(shí)間序列在時(shí)間和空間維度上的結(jié)構(gòu)性變化是一個(gè)被廣泛研究的課題，如多元時(shí)間序列數(shù)據(jù)的分割研究、宏觀經(jīng)濟(jì)中的商業(yè)周期拐點(diǎn)識(shí)別研究以及金融市場中基于拐點(diǎn)判斷的反向投資策略研究等都可以被歸為這一研究范疇。本文基于前人在多元時(shí)

2、間序列結(jié)構(gòu)性變化研究的基礎(chǔ)之上，得到了一些新的研究思路和結(jié)果，主要包括如下幾個(gè)方面的工作:
　　(1)目前，一元時(shí)間序列分割方法的理論體系已經(jīng)相對(duì)成熟，但相比較而言，多元時(shí)間序列分割的建模和計(jì)算更加復(fù)雜，因而能滿足分析要求的多元時(shí)間序列的分割方法較少。多元時(shí)間序列的分割算法通常是通過擴(kuò)展已有的一元時(shí)間序列分割算法來得到。與傳統(tǒng)方法不同的是，本文通過動(dòng)態(tài)因子模型將多元時(shí)間序列變換為一元時(shí)間序列來適應(yīng)已有的一元時(shí)間序列的分割算法從而達(dá)

3、到分割多元時(shí)間序列的目的。首先，通過動(dòng)態(tài)因子模型從多元時(shí)間序列中抽取出一元公共因子序列，然后將二值分割算法、片段鄰域算法以及修剪精確線性時(shí)間算法等三種典型的搜索算法用于公共因子序列的分割，該序列的分割結(jié)果被作為多元時(shí)間序列的分割結(jié)果。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出方法在多元水文時(shí)間序列分割中的適用性和魯棒性。
　　(2)商業(yè)周期的綜合指標(biāo)在宏觀經(jīng)濟(jì)的分析中扮演著重要的角色，它能幫助決策者評(píng)估經(jīng)濟(jì)形勢進(jìn)而制定相關(guān)的政策。基于此，本文提出了一種

4、基于信息微粒和動(dòng)態(tài)時(shí)間規(guī)整的構(gòu)造商業(yè)周期的新方法，這種方法不僅能將最重要的商業(yè)周期同步指標(biāo)實(shí)際國內(nèi)生產(chǎn)總值(Gross Domestic Product，GDP)納入考慮范圍，同時(shí)又能避免混合頻率數(shù)據(jù)的動(dòng)態(tài)因子模型的復(fù)雜估計(jì)過程。首先，實(shí)際GDP的季度數(shù)據(jù)按照信息微粒的有效劃分原則被劃分成多個(gè)信息微粒。然后，基于實(shí)際GDP的劃分，月度同步指標(biāo)的數(shù)據(jù)被進(jìn)行分割，在這個(gè)過程中，動(dòng)態(tài)時(shí)間規(guī)整被用于計(jì)算分割得到的月度時(shí)間序列片段與季度GDP片段

5、間的相似性，通過歸一化相似性指標(biāo)的倒數(shù)得到權(quán)重。最后，計(jì)算月度同步指標(biāo)的加權(quán)平均值得到最終的商業(yè)周期的月度綜合指標(biāo)。實(shí)驗(yàn)結(jié)果表明構(gòu)造的綜合指標(biāo)能很好地反映商業(yè)周期的動(dòng)態(tài)變化并能較準(zhǔn)確地識(shí)別商業(yè)周期拐點(diǎn)的位置。
　　(3)作為一種典型的時(shí)間序列數(shù)據(jù)，期貨價(jià)格數(shù)據(jù)具有波動(dòng)性大、不易預(yù)測等特點(diǎn)。傳統(tǒng)的時(shí)間序列線性模型，包括自回歸(AR)模型以及自回歸移動(dòng)平均模型(ARMA)難以對(duì)期貨價(jià)格數(shù)據(jù)進(jìn)行有效預(yù)測。鑒于此，本文基于拐點(diǎn)分析結(jié)合布林