时间序列金融模型
--------金融数据基于时间序列模型上的研究
摘要：时间序列分析的主要目的是根据已有的历史数据对未来进行预测。而时间序列金融模型可以不仅可以对当前现象进行分析，知道时间序列中各个组成要素对金融的影响，而且还可以依据现有数据对未来做出预测，包含当前的研究热点，如风险值、高频数据分析等。主要内容包括：金融时间序列数据的基本特征，神经网络，非线性方法，使用跳跃扩散方程进行衍生产品的定价，采用极值理论计算风险值，带时变相关系数的多元波动率模型，贝叶斯推断等等。
关键字：平稳性，波动率，时间序列模型
- 文献综述
- 金融时间序列的进程
时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。时间序列法是一种定量预测方法，亦称简单外延方法。在统计学中作为一种常用的预测手段被广泛应用。时间序列分析方法在第二次世界大战前应用于经济预测。二次大战中和战后，在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛。时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。
时间序列是统计分析的重要方法，将其应用于金融领域，具有重要意义。随着金融市场的迅速发展，金融风险的危害逐步显现。金融风险的波动性建模显得尤为重要。1982年Engle首先提出了ARCH模型，随后Bollerslev（1986）提出了GARCH模型；之后ARCH类模型经历了从单变量GARCH模型到向量GARCH模型、又从常系数GARCH模型到变结构GARCH模型等不同的发展阶段，并以其良好的统计特性和对波动现象的准确描述得到了广泛的应用，成为当今波动性建模分析的最重要的工具。
- 平稳性
平稳时间序列是指：时间序列的数据基本上在某个固定的水平上波动，虽然不同时间的波动不同，但并不存在某种规律，波动可以看成是随机的，其基本样式是白噪声时间序列。又可以分为严平稳和宽平稳，严平稳是指时间序列的概率分布不随时间变化，与时间无关，即如果对所有的时刻 t，任意正整数 k 和任意 k 个正整数的联合分布与
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
