导读:本文包含了金融时序数据论文开题报告文献综述及选题提纲参考文献，主要关键词:普惠金融,因子分析,时空差异分析
金融时序数据论文文献综述
郑锦波,虞斌[1]（2018）在《普惠金融发展的区域与时序差异——基于我国省级面板数据的实证分析》一文中研究指出普惠金融是现代金融普及的核心问题,自提出以来受到国内外学者的广泛关注。然而我国关于普惠金融测度的面板研究少之又少。本文2004-2014年我国31个省级行政区划的主要经济金融发展指标为基础,用因子分析法构建合理的普惠金融发展评价指数。本文发现,我国普惠金融程度区域差异极大,良莠不齐,东部发展优于西部;在普惠金融的发展过程中,各省市呈现了不同的特征。应加强经济建设,进行金融创新和区域合作,才能促进金融普惠。(本文来源于《时代金融》期刊2018年26期）
郑锦波,虞斌[2]（2018）在《普惠金融发展的区域与时序差异——基于我国省级面板数据的实证分析》一文中研究指出普惠金融是现代金融普及的核心问题,自提出以来受到国内外学者的广泛关注。然而我国关于普惠金融测度的面板研究少之又少。本文2004~2014年我国31个省级行政区划的主要经济金融发展指标为基础,用因子分析法构建合理的普惠金融发展评价指数。本文发现,我国普惠金融程度区域差异极大,良莠不齐,东部发展优于西部;在普惠金融的发展过程中,各省市呈现了不同的特征。应加强经济建设,进行金融创新和区域合作,才能促进金融普惠。(本文来源于《时代金融》期刊2018年14期）
沈亮亮[3]（2018）在《面向金融领域的时序数据挖掘方法研究与应用》一文中研究指出数据挖掘技术融合了人工智能、统计学、随机过程等多门学科,并涉及到神经网络、小波分析等多种模型方法。因此在对海量数据进行研究的时候数据挖掘技术成为了首选。时间序列就是根据时间顺序保存下来的有序数列。金融时序与一般的时序数据相比有着动态性、随机性、非线性以及高噪声的特点。如何从这些海量的数据中挖掘出能指导商业行为的信息成为了人们关注的热点。由于数据的特殊性,传统的数据挖掘方法在聚类和预测时有一定的局限性。针对该问题,本文从聚类算法着手,对金融时序数据进行挖掘并形成模型进行预测,本文的主要工作如下:首先阐述并总结传统的数据挖掘技术,分析指出当前的DBSCAN算法在聚类过程中存在对参数敏感以及参数全局性的缺点,使得DBSCAN在聚类时对变化密度的数据集不能取得较好的聚类效果。基于此提出DBSCAN算法的自适应参数选择与初始点优化的方法即OVDBSCAN算法。通过实验验证OVDBSCAN算法能够对不同密度的数据集有良好的聚类效果。其次在OVDBSCAN算法基础上,结合支持向量机回归、参数优化技术,设计并实现了一种结合多种算法优点的混合算法(mixed-OS算法),通过实验分析验证该算法对非稳态、非线性、有噪声数据的有效回归预测。最后将mixed-OS算法运用于上海证券交易所民生银行和中国联通的股票和金融指数作出预测,以验证算法的实用性、有效性。并将该算法予以系统实现,将金融预测以图形界面的形式展现出来。(本文来源于《海南大学》期刊2018-05-01）
许良胜[4]（2016）在《城乡居民收入差距与财政金融制度的VAR研究——基于福建省1978～2013年的时序数据》一文中研究指出城乡居民收入差距问题一直是我国学术界的研究热点,其影响因素众多,从财政金融的角度出发,对福建省1978~2013年间的城乡居民收入和相关财政金融的时间序列数据进行VAR计量,城乡收入差距和财政金融制度之间的存在着一定的相互关系。实证结果显示:城乡居民收入差距具有自惯性效应,对缩小城乡居民收入差距有着较高的贡献率;政府财政支农在现阶段下缩小城乡收入差距是一项较为有效的选择,并且长期中这种财政支农的政策效应有着不断强化的趋势;然而农村金融发展对缩小城乡收入差距有着两阶段的影响,短期为正向关系,但是在长期却是负向关系。(本文来源于《西部皮革》期刊2016年02期）
汪奕丁[5]（2015）在《结合文本与时序数据的金融事件发现研究》一文中研究指出随着国内金融市场相关制度的不断完善,越来越多的个人和机构投入到股票投资市场。在这个过程中,投资者对尽快了解可能引起资本市场波动的事件表现出了极大的关注度。但是,由于互联网信息的极度膨胀,投资者在从海量信息中获取真正重要的信息反而越来越困难。如何从海量互联网信息中发现重要事件和话题,日益成为相关领域研究和应用的重点。传统的互联网话题或事件发现方法大多基于文本处理技术,但较少结合金融领域特有的时序数据特征进行研究。金融领域有大量的股票交易数据、大盘数据等时序数据,这些数据往往是资本市场在相关事件发生前后的一种具体反映,与事件的发生发展息息相关。因此,本文研究结合文本信息和时序数据信息的金融事件发现。首先,针对缺乏金融领域相关语料库的情况,设计和构建了面向金融事件的中文语料库,对金融文本中的事件及其相关信息进行细粒度标注。建立了包含2500篇文本的金融事件语料库,改善了该领域语料资源缺乏的问题。而后,研究了基于文本信息的金融事件发现方法,提出了一种基于文本特征和事件中心句的金融事件抽取方法,可以有效避免过多原子事件带来的干扰及依存句法分析不准确引起的错误。通过金融学科中的事件研究法实证分析事件对股票价格波动的影响,获得特定事件类型与股价波动之间的关联关系模型。在此基础上,研究结合文本数据和时序数据的金融事件发现方法。通过事件元素规格化、指代消解、时间对齐和事件模板生成,设计实现了一种跨文档金融事件发现和融合方法。通过引入热点事件排序因子和时序特征排序因子,设计实现了结合文本特征和时序特征的金融热点事件发现方法。实验发现,在结合金融领域的时序特征后,金融热点事件发现的F值由77.95%提高到82.45%,金融事件类型分类的F值由71.93%提高到76.85%。显示本文提出的结合文本特征和时序特征的方法可以有效提高金融事件发现和事件类型分类的性能。(本文来源于《哈尔滨工业大学》期刊2015-06-01）
何恒财[6]（2013）在《时序金融数据的VaR分析》一文中研究指出在2001年加入WTO之后,我国的外汇储备量已经攀升到了世界第一的位置,而在2005年采用浮动汇率以来,人民币汇率一直承受着外界政治、经济的多方压力,导致人民币汇率处于不断增值的趋势中,加之2008年金融危机对金融市场的巨大冲击使得很多金融巨头纷纷倒闭,金融行业得以重新洗牌,在新挑战和新机遇并存的形势下,加快我国金融行业监管理论与实践方面的水平变得尤其重要。目前,在经过多年的研究与探索之后,基于VaR的金融市场风险度量方法业已成为国外诸多金融机构的重要风险控制工具。而国内的汇率管理制度和汇率风险监管方法仍然比较落后,不足以形成稳定的汇率水平和先进的风险控制系统。在这种形势下,对国际先进金融风险测度方法的学习与研究显得尤为重要,本文在目前广泛使用的VaR方法的基础上进行了拓展与深入研究,主要从基于非线性分位数回归的VaR估计方法角度展开。希望能够为汇率风险监管提供一种有力的工具。本文通过对人民币/美元收益率序列进行统计分析发现该序列存在着非正态性、尖峰厚尾、非对称性、波动集聚、条件方差性等特征。使用传统的时间序列模型ARMA模型或者非线性最小二乘回归模型对序列进行拟合,经过检验发现这两种模型不能刻画该序列的这些特征。由于GARCH族模型充分利用了ARCH模型的条件异方差性和学生t分布和GED分布的尖峰厚尾的特性,经过检验发现各种GARCH类模型均能很好的描述收益率序列的异方差性。经过实证分析可以得出这样的结论,非线性分位数回归模型估计时序金融数据的VaR时,能够全面刻画金融数据之间不同相关结构下的相关关系从而能够得出具有灵活性的度量方法和有多重选择的结论。(本文来源于《天津科技大学》期刊2013-12-01）
朱建平,王桂明[7]（2010）在《函数数据聚类及其在金融时序分析中的应用》一文中研究指出函数数据分析正成为近年来的研究热点。文章针对函数数据聚类分析方法的研究,首先在LP空间构建函数数据之间相异性度量指标,并利用基函数将函数数据平滑,提出了函数数据的聚类分析方法,指出了通过最小二乘估计得到的正交基函数系数进行聚类的结果接近于直接对原始数据进行聚类的结果。其方法应用于时间序列的模式挖掘,得到了良好的效果。(本文来源于《统计与决策》期刊2010年09期）
刘海波[8]（2006）在《金融时序数据的多重分形与自组织临界问题研究》一文中研究指出复杂性科学研究复杂现象和复杂系统,以寻找一般性规律,被誉为“21世纪的前沿科学”,它涉及到了诸多新兴学科,如信息论、控制论、遗传算法、混沌、分形以及自组织临界理论等。这些理论或概念强调了复杂性研究的不同侧面,在一定程度上反映了当今复杂性科学的指导思想和研究手段。本文围绕复杂性理论中的多分形理论、自组织临界理论以及长程相关性等理论进行研究,得到了一些有意义的结果。(1)将广义信息维和多分形理论运用到分析金融市场波动异常性特征分析上,提出了描述市场风险侧度的的两个新指标Δα、Δf,找出了它们的波动规律以及经济学的意义;并用实证数据分析了金融时间序列大幅度波动前后Δα、Δf以及广义信息维D_q的变化规律,并且实证研究验证了上述风险测度指标有效性。新的风险测度建立完全没有依靠任何有关市场有效性的假设前提,即没有对金融资产收益率的分布有任何理论上的假设条件,因此该指标可以弥补传统风险测度指标在非有效市场条件下的不足。2)综合运用分形、混沌理论以及小波的有关方法对大盘走势进行了多步预测,经过预测方法之间的综合比对,发现分形与小波分解相结合是预测股票市场的好方法,具有比混沌预测法更高的精度,在股票市场的预测中具有更好普适性和准确性。(3)研究自组织临界理论在中国股市的应用,建立股市中的“沙堆模型”。推导出了如果收益率的密度函数满足标度性质p_r(r)∝r~(-τ),则P_(|r|)(r)、p_(r~n)(r)、1-P{|x|＞r}都满足标度性,且标度值分别为τ、(1-n-τ)/n,(1-τ),这说明波动统计量r、|r|、r~n的自组织临界性质是相互关联的,是耗散系统自组织临界状态在不同方面的表现,本质上是相通的。计算了上证指数跌破1000点大关时,前后六天的自组织临界特征值以及Hurst指数,指出了大盘走势与上述参数之间的变化关系,对预防大幅度的金融波动具有非常现实的意义。(本文来源于《国防科学技术大学》期刊2006-11-01）
胡晓青,王波[9]（2006）在《基于数据挖掘的金融时序频繁模式的快速发现》一文中研究指出针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.(本文来源于《上海理工大学学报》期刊2006年04期）
黎实,彭作祥,庞皓[10]（2005）在《金融时序数据建模的模型设定问题分析》一文中研究指出W.J.Granger与D.F.Hendry(2004)关于建模思路的对话引起了国际计量经济学界关于模型设定问题的争论,本文就这一问题分析讨论了在金融时序数据实证研究中得以广泛应用的ARCH/GARCH模型的设定问题,认为在金融时序数据的建模中,ARMA族模型不宜作为数据生成过程的模型设定,其统计性质也不能直接扩展到ARMAGARCH族数据生成过程。虽然ARCH/GARCH族模型作为金融时序数据的生成过程有着良好的统计性质,但不宜单纯采用一般到特殊的建模思路,而应是一般到特殊和特殊到一般两种建模思路的结合。ARCH/GARCH族模型的设定应当包含事前检验、事后检验等设定检验步骤。(本文来源于《数量经济技术经济研究》期刊2005年08期）
金融时序数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
普惠金融是现代金融普及的核心问题,自提出以来受到国内外学者的广泛关注。然而我国关于普惠金融测度的面板研究少之又少。本文2004~2014年我国31个省级行政区划的主要经济金融发展指标为基础,用因子分析法构建合理的普惠金融发展评价指数。本文发现,我国普惠金融程度区域差异极大,良莠不齐,东部发展优于西部;在普惠金融的发展过程中,各省市呈现了不同的特征。应加强经济建设,进行金融创新和区域合作,才能促进金融普惠。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
金融时序数据论文参考文献
[1].郑锦波,虞斌.普惠金融发展的区域与时序差异——基于我国省级面板数据的实证分析[J].时代金融.2018
[2].郑锦波,虞斌.普惠金融发展的区域与时序差异——基于我国省级面板数据的实证分析[J].时代金融.2018
[3].沈亮亮.面向金融领域的时序数据挖掘方法研究与应用[D].海南大学.2018
[4].许良胜.城乡居民收入差距与财政金融制度的VAR研究——基于福建省1978～2013年的时序数据[J].西部皮革.2016
[5].汪奕丁.结合文本与时序数据的金融事件发现研究[D].哈尔滨工业大学.2015
[6].何恒财.时序金融数据的VaR分析[D].天津科技大学.2013
[7].朱建平,王桂明.函数数据聚类及其在金融时序分析中的应用[J].统计与决策.2010
[8].刘海波.金融时序数据的多重分形与自组织临界问题研究[D].国防科学技术大学.2006
[9].胡晓青,王波.基于数据挖掘的金融时序频繁模式的快速发现[J].上海理工大学学报.2006
[10].黎实,彭作祥,庞皓.金融时序数据建模的模型设定问题分析[J].数量经济技术经济研究.2005