使用區間型時間序列資料偵測改變點;Change Point Detection with Financial Interval Time Series

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/95308

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/95308

題名:	使用區間型時間序列資料偵測改變點;Change Point Detection with Financial Interval Time Series
作者:	黃宗元;Huang, Zong-Yuan
貢獻者:	統計研究所
關鍵詞:	改變點;牛頓-拉弗森法;區間型時間序列;幾何布朗運動;Change point;Newton-Raphson method;interval time series;geometric Brownian motion
日期:	2024-07-25
上傳時間:	2024-10-09 16:38:43 (UTC+8)
出版者:	國立中央大學
摘要:	在財務時間序列中，如果某些事件導致數據從一種特定分佈轉變為另一種分佈，則該點稱為變化點。為了估計變化點，我們提出了一種區間型時間序列模型，該模型由每日的最高價、最低價和收盤價組成。基於假設日內對數價格由幾何布朗運動，並使用Girsanov 定理，我們推導了相應的似然函數。最大似然估計（MLEs）使用牛頓-拉弗森法方法獲得。在模擬研究中，我們觀察到所提出的方法在平均方根誤差（RMSE）方面優於僅使用收盤價和開盤價的方法。最後，在實際數據分析中，我們檢測了不同時期標普500 指數跟比特幣的變化點，包括2008 年金融危機、2020 年COVID-19 大流行和2022 年俄烏戰爭，以作為說明。;To identify the change-point for the structure change in financial time series. We propose a symbolic time series model, where the model consists of the daily maximum, minimum, and closing prices. The corresponding likelihood function is derived based on the assumption that the intraday price is driven by geometric Brownian motion. The likelihood function is obtained by using the Girsanov theorem. The maximum likelihood estimates are solved by the Newton-Raphson method. In simulation studies, we observe that the proposed method outperforms the method based on only the closing and opening prices in terms of smaller RMSE. Finally, in real data analysis, we detect change-points for the S&P 500 index and Bitcoin in varied time periods, including the 2008 financial crisis, the 2020 COVID-19 pandemic, and the 2022 Russo-Ukrainian War, for illustration.
顯示於類別:	[統計研究所] 博碩士論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	31	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....