| 题名 | 统计学视角下的金融高频数据挖掘理论与方法研究; Theory and Methodology in Financial High-Frequency Data Mining Based on the Perspective of Statistics |
| 作者 | 魏瑾瑞 |
| 答辩日期 | 2013 ; 2013 |
| 导师 | 谢邦昌 |
| 关键词 | ：金融高频数据 数据挖掘 函数数据分析 协同波动率 混合核函数 市场微观结构 随机交易间隔 financial high-frequency data data mining functional data analysis co-volatility mixed kernel function market microstructure random trading interval |
| 英文摘要 | 随着技术的不断成熟，对金融数据观测的频率越来越细致，甚至可以实时跟踪交易数据并在精度上达到毫秒微秒。这类数据有助于理解投资行为和交易过程的细节，同时也对经典的分析工具提出了挑战，比如，如何处理复杂的大规模数据集、跳跃成分以及伴随日内模式和复杂关联结构的随机交易间隔。 在物理和生物科学中，当分析的尺度降为分子或原子时，有些被略去的成分逐渐变得重要起来。金融市场亦如此，市场微结构在低频情况下可以忽略，但在高频数据中却是重要的；低频数据可以用几何布朗运动来近似，而高频数据则行不通。频率从日到分钟，与频率从月到日，是有本质区别的。 一般而言，金融高频数据分析主要涉及到：基本经验事实的归纳、市场微结...; As technology continues to mature, the frequency of financial data observed became finer and even real-time tracking of transaction data on the accuracy of milliseconds and microseconds. These data can help to understand the investor’s behavior and the details of the transaction process, but also challenges the classic analysis tools. For instance, how to deal with the complex large-scale data set...; 学位：经济学博士; 院系专业：经济学院_统计学; 学号：15420100153752 |
| 语种 | zh_CN |
| 出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=38876 |
| 内容类型 | 学位论文 |
| 源URL | [http://dspace.xmu.edu.cn/handle/2288/77504]  |
| 专题 | 经济学院－学位论文 |
| 推荐引用方式 GB/T 7714 | 魏瑾瑞. 统计学视角下的金融高频数据挖掘理论与方法研究, Theory and Methodology in Financial High-Frequency Data Mining Based on the Perspective of Statistics[D]. 2013, 2013. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论