杨 威韩 艾汪寿阳

(1.山西大学管理与决策研究所,山西太原030006; 2.中国科学院数学与系统科学研究院,北京100190)

基于区间型数据的金融时间序列预测研究*

杨 威1,2,韩 艾2,汪寿阳2

(1.山西大学管理与决策研究所,山西太原030006; 2.中国科学院数学与系统科学研究院,北京100190)

提出了金融数据预测新方法––区间型时间序列模型,是传统时间序列模型的拓展.在与传统的点值AR模型、VAR模型以及Na¨ıve模型的比较分析中发现,区间数据模型的预测精度更高,区间高价和区间低价预测误差均较小,而且具有统计显著性.进一步,不同的估计样本量、数据频度以及不同市场特征的区间价格数据对区间模型的稳定性检验再次验证了区间数据模型的可靠性.区间型金融时间序列预测研究不仅为金融问题的定量分析提供了新的视角,也可为政策制定和交易策略实施提供了更丰富的决策参考信息.

区间时间序列;区间运算;DK-估计;区间预测

1 引 言

随机游走理论和有效市场假说(effcient market hypothesis,EMH)[1]暗含着仅基于金融资产过去价格信息的交易规则并不能打败简单的买入并持有策略,但这一结论却未得到一致的认可,成为金融领域争论的热点,Ang等[2]对相关的研究结论进行了梳理.技术分析者们认为,与消极被动的接收金融市场信息相比,积极依靠历史信息能够带来更高的收益,且已有大量成果作为其支撑.Brown等[3]和Grundy等[4]研究表明理性投资者能够从历史价格中得到对资产价格交易信号准确的……