期货的分形理论_期货实战分形技术分析图解精要

金融学前沿课题

我是一个理财师，对于金融方面的知识还是比较了解一些的，而且我自己也是金融学专业的人，我们的金融学，比较前沿的课题有下面几个，希望大家可以参考：

之一、金融模型的研究是一个比较困难的前沿学科，对于经济和金融的数据化分析要求十分的高，特别是金融模型，必须在数学基础上开始建立自己的研究项目，这点要求金融学的人，必须有极高的数学素养。

第二、金融货币推理，这是一种对于货币分析的前沿研究，难度比较大，而且现在的研究范围还比较小，所以要求专业性极强，特别是对于货币知识，要求有一定的专门实际操作的经验，这点来说难度很大。

第三、金融衍生品的学术研究，是金融专业里面实用的专业，也是比较前沿的专业，金融衍生品有很多类型，比如期权期货互换之类，要求研究的人专业性比较强，同时具备一定的实际知识。

第四、金融的资金融通，是一个研究的最前沿，也是现在国际和国内比较关注的一个研究课题，不过这类研究范围很大，几乎涵盖所以的金融转换，所以研究的人必须具备极高的金融学和经济学基础。

第五、金融服务研究，这类研究是最近十几年开始的一个研究课题，主要是对于金融行业继续深化服务品质的一种研究，提高金融效率的一种研究。

上的这些研究的课题，对于金融专业来说，是最前沿的研究项目，其复杂程度很高，所以金融专业的人，要研究这些课题需要付出极大的努力，而且要有一种毅力，我在这方面有一定接触，所以希望开始研究的朋友们，把自己的精力全部的集中起来，这样才可以真正的做好研究工作！

黄甦：在期货交易者中蔓延的杠杆综合症

一、杠杆带来眩晕感

什么是杠杆？就是贪婪放大器。杠杆的放大作用足以把小猪吹成大象，继而叫再叫一个小猪承受在原始森林和猎人们殊死鏖战的野象所受之恐慌。如果是外汇交易的200倍—3000倍杠杆就是把小鸡吹成大象。+杠杆把期货交易者的贪婪放大十倍的同时，把人的愚蠢、自诩、自以为是、自我标榜也放大了十倍。在这种放大效应的压迫下，理性、智慧、信念、操守会被挤压得很微小、很畸形，有的时候几乎消失殆尽、荡然无存——这就是我们说的恐慌到了极点。

杠杆会给交易者带来眩晕感，就在于对人性放大的不均衡，贪婪被放大十倍，继而恐慌也是十倍，而理性和智慧、判断能力一直处于不断地萎缩的态势。

二、半醉半醒似梦幻

在期货市场半醉半醒似梦幻的病态是普遍存在的，这给人的感觉似乎期货市场是一个病态交易者的市场。

有的人忘乎所以的要挑战市场、战胜市场，实际上都是天方夜谭。就是能够看透市场、详尽的描述市场的人也不存在。因为，要想描述好市场，你必须精通分形几何、线性代数、流体力学、量子力学、概率统计学、群体心理学、金融心理学等等学科的知识，还要有赖于自然科学，尤其是数学和理论物理学学术前沿的发展突破。我遇见过这个市场许多自诩为才高八斗的人，实际上认知状态很叫人担忧。他们认为学哲学的人，会三十六计、孙子兵法、懂周易八卦的就可以做好期货。而他们的所谓哲学就是辩证唯物主义中的唯物主义认识论的决定论。我劝其在有生之年还是多读两本西方哲学史，唯物主义认识论的决定论是不足以全面的认识这一市场的。

我看过一篇文章，说什么错误的操作对应一个错误的大脑决定，找出做这个决定的原因，问题也就解决了。这就是胡说八道，我们不谈主宰这个市场的不是我们信奉、认知的认识论的决定论之因果律。仅从浅显的一果多因的角度看也是偏颇和怪诞的。

如果学哲学可以做好期货，我想我们高校的哲学系和马列学院有一半以上会开设期货专业，或者我们现在开设有期货专业的，如中央财经大学、物资学院，可以直接并入哲学专业。

现实中的事情是截然相反的。我认识几个交易者是学哲学的，但交易实在无法恭维，做得一塌糊涂。有一个还是学量子力学的研究生，他们和我讲：如果按照此逻辑推演，华尔街岂不到处都是哲学院，这是一个在期货市场的无知者中传播的奇谈怪论呀。

三、放大自我不平凡

在这个市场中，到处是膨胀和放大的自我。十倍的自我、十倍的周遭、十倍的财富、能不自我膨胀吗？

本来都是平平淡淡的人们，因为来到了期货市场就觉得从此我的生命将与众不同了，将不再平凡。将开始绚烂无比、闪耀光辉的人生，却原来是进入了万劫不复之地，放大之后的智力、智商却在急剧的萎靡、萎缩。这就和大数的暴力破解一样：我们都知道只要“感情”深，铁杵磨成针的道理。最终的情况如何？磨来磨去，磨刀石成为泰山了，铁杵成为金箍棒。这样的荒诞不经的现象在期货市场到处上演。功夫不负有心人，普通的交易者不断学习、不断投入资金、不断地下足苦工、不断地锲而不舍……最终是不断地亏损、亏损、再亏损，功夫负足了有心人！期货市场就在不停的演绎着这个悖论。

四、杠杆——人性贪婪的挖掘机

杠杆的作用就是挖掘出人性中所有、包括隐藏的贪婪。是贪婪的挖掘机，人类有多么贪婪，人类不知道；我们有多么贪婪，我们自己不知道：交易者有多么贪婪，市场知道。

黄甦：什么是期货？期货就是人心不饱蛇吞象的杠杆游戏。我们的贪婪是向着放大敞口的，而我们的智慧、理性是向着缩小敞口的。

每一个期民最终都是叫杠杆扫地出门的，杠杆是散户的绞肉机、绞杀器，几乎所有的人在杠杆中被肢解得粉身碎骨，当然即便这样还有人会高歌：粉身碎骨浑不怕，要留清白在人间。

有人说期货杠杆把交易者的缺点放大十倍，把优点放大三倍。这是无知的说法，和所谓学哲学的人适合炒期货的伪命题一样愚蠢。中国有句古语：利令智昏，当过度放大利益、贪婪时，人的理性、智慧会连一个小孩子都不如的昏昏沉沉。我们在期货市场打拼的朋友，在贪婪驱使下，大多数的心智也未必达到小孩、儿童的程度和状态，比如稚童也知道趋利避害，这本是人之天性，而且知道两害相权取其轻。而我们的交易者都是贪婪到趋利不知避害、两害相权取其重的程度。

五、获胜几率只如此

我们做期货都清楚能盈利者不过0.3%，你怎么弄也是这个比例。我有时在想这个千分之三的比例是不是与技术分析、交易策略、心态理念没有关系而只是这场游戏的获胜的概率，也就是说你怎么参与，怎么投入，期货杠杆化交易实际上只有0.3%的获胜几率。

六、来自对身心的伤害

交易者开始入市是半年十倍，小有收获是一年百倍，逐步亏损到交易后期就是能把本金弄回来就好了。这一个过程，是对身心伤害逐步加深的过程。当然，你也可以说成：是艰难困苦，玉汝于成的过程。

许多交易者到最后的信念就是：“市场啊，把属于我的还给我。”他们只是为了拿回本金而交易了。

由半年十倍到一年百倍，再到把本金拿回来，是一个交易者逐步亏损的写照。最终支撑下来做交易的精神和物质追求就是：能拿回本金该有多好。

统计模型论文

在统计学中，统计模型是指当有些过程无法用理论分析 *** 导出其模型，但可通过试验或直接由工业过程测定数据，经过数理统计法求得各变量之间的函数关系。下文是我为大家整理的关于统计模型论文的 范文 ，欢迎大家阅读参考!

统计模型论文篇1

统计套利模型的理论综述与应用分析

【摘要】统计套利模型是基于数量经济学和统计学建立起来的，在对历史数据分析的基础之上，估计相关变量的概率分布，并结合基本面数据对未来收益进行预测，发现套利机会进行交易。统计套利这种分析时间序列的统计学特性，使其具有很大的理论意义和实践意义。在实践方面广泛应用于个对冲基金获取收益，理论方面主要表现在资本有效性检验以及开放式基金评级，本文就统计套利的基本原理、交易策略、应用方向进行介绍。

【关键词】统计套利 成对交易 应用分析

一、统计套利模型的原理简介

统计套利模型是基于两个或两个以上具有较高相关性的股票或者其他证券，通过一定的 *** 验证股价波动在一段时间内保持这种良好的相关性，那么一旦两者之间出现了背离的走势，而且这种价格的背离在未来预计会得到纠正，从而可以产生套利机会。在统计套利实践中，当两者之间出现背离，那么可以买进表现价格被低估的、卖出价格高估的股票，在未来两者之间的价格背离得到纠正时，进行相反的平仓操作。统计套利原理得以实现的前提是均值回复，即存在均值区间(在实践中一般表现为资产价格的时间序列是平稳的，且其序列图波动在一定的范围之内)，价格的背离是短期的，随着实践的推移，资产价格将会回复到它的均值区间。如果时间序列是平稳的，则可以构造统计套利交易的信号发现机制，该信号机制将会显示是否资产价格已经偏离了长期均值从而存在套利的机会 在某种意义上存在着共同点的两个证券(比如同行业的股票)， 其市场价格之间存在着良好的相关性，价格往往表现为同向变化，从而价格的差值或价格的比值往往围绕着某一固定值进行波动。

二、统计套利模型交易策略与数据的处理

统计套利具 体操 作策略有很多，一般来说主要有成对/一篮子交易，多因素模型等，目前应用比较广泛的策略主要是成对交易策略。成对策略，通常也叫利差交易，即通过对同一行业的或者股价具有长期稳定均衡关系的股票的一个多头头寸和一个空头头寸进行匹配，使交易者维持对市场的中性头寸。这种策略比较适合主动管理的基金。

成对交易策略的实施主要有两个步骤：一是对股票对的选取。海通证券分析师周健在绝对收益策略研究―统计套利一文中指出，应当结合基本面与行业进行选股，这样才能保证策略收益，有效降低风险。比如银行，房地产，煤电行业等。理论上可以通过统计学中的聚类分析 *** 进行分类，然后在进行协整检验，这样的成功的几率会大一些。第二是对股票价格序列自身及相互之间的相关性进行检验。目前常用的就是协整理论以及随机游走模型。

运用协整理论判定股票价格序列存在的相关性，需要首先对股票价格序列进行平稳性检验，常用的检验 *** 是图示法和单位根检验法，图示法即对所选各个时间序列变量及一阶差分作时序图，从图中观察变量的时序图出现一定的趋势册可能是非平稳性序列，而经过一阶差分后的时序图表现出随机性，则序列可能是平稳的。但是图示法判断序列是否存在具有很大的主观性。理论上检验序列平稳性及阶输通过单位根检验来确定，单位根检验的 *** 很多，一般有DF，ADF检验和Phillips的非参数检验(PP检验)一般用的较多的 *** 是ADF检验。

检验后如果序列本身或者一阶差分后是平稳的，我们就可以对不同的股票序列进行协整检验，协整检验的 *** 主要有EG两步法，即首先对需要检验的变量进行普通的线性回归，得到一阶残差，再对残差序列进行单位根检验，如果存在单位根，那么变量是不具有协整关系的，如果不存在单位根，则序列是平稳的。EG检验比较适合两个序列之间的协整检验。除EG检验法之外，还有Johansen检验，Gregory hansan法，自回归滞后模型法等。其中johansen检验比较适合三个以上序列之间协整关系的检验。通过协整检验，可以判定股票价格序列之间的相关性，从而进行成对交易。

Christian L. Dunis和Gianluigi Giorgioni(2010)用高频数据代替日交易数据进行套利，并同时比较了具有协整关系的股票对和没有协整关系股票对进行套利的立即收益率，结果显示，股票间价格协整关系越高，进行统计套利的机会越多，潜在收益率也越高。

根据随机游走模型我们可以检验股票价格波动是否具有“记忆性”，也就是说是否存在可预测的成分。一般可以分为两种情况：短期可预测性分析及长期可预测性分析。在短期可预测性分析中，检验标准主要针对的是随机游走过程的第三种情况，即不相关增量的研究，可以采用的检验工具是自相关检验和方差比检验。在序列自相关检验中，常用到的统计量是自相关系数和鲍克斯-皮尔斯 Q统计量，当这两个统计量在一定的置信度下，显著大于其临界水平时，说明该序列自相关，也就是存在一定的可预测性。方差比检验遵循的事实是：随机游走的股价对数收益的方差随着时期线性增长，这些期间内增量是可以度量的。这样，在k期内计算的收益方差应该近似等于k倍的单期收益的方差，如果股价的波动是随机游走的，则方差比接近于1;当存在正的自相关时，方差比大于1;当存在负的自相关是，方差比小于1。进行长期可预测性分析，由于时间跨度较大的时候，采用方差比进行检验的作用不是很明显，所以可以采用R/S分析，用Hurst指数度量其长期可预测性，Hurst指数是通过下列方程的回归系数估计得到的：

Ln[(R/S)N]=C+H*LnN

R/S 是重标极差，N为观察次数，H为Hurst指数，C为常数。当H0.5时说，说明这些股票可能具有长期记忆性，但是还不能判定这个序列是随机游走或者是具有持续性的分形时间序列，还需要对其进行显著性检验。

无论是采用协整检验还是通过随机游走判断，其目的都是要找到一种短期或者长期内的一种均衡关系，这样我们的统计套利策略才能够得到有效的实施。

进行统计套利的数据一般是采用交易日收盘价数据，但是最近研究发现，采用高频数据(如5分钟，10分钟，15分钟，20分钟收盘价交易数据)市场中存在更多的统计套利机会。日交易数据我们选择前复权收盘价，而且如果两只股票价格价差比较大，需要先进性对数化处理。Christian L. Dunis和Gianluigi Giorgioni(2010)分别使用15分钟收盘价，20分钟收盘价，30分以及一个小时收盘价为样本进行统计套利分析，结果显示，使用高频数据进行统计套利所取得收益更高。而且海通证券金融分析师在绝对收益策略系列研究中，用沪深300指数为样本作为统计套利 配对 交易的标的股票池，使用高频数据计算累计收益率比使用日交易数据高将近5个百分点。

三、统计套利模型的应用的拓展―检验资本市场的有效性

Fama(1969)提出的有效市场假说，其经济含义是:市场能够对信息作出迅速合理的反应,使得市场价格能够充分反映所有可以获得的信息,从而使资产的价格不可用当前的信息进行预测,以至于任何人都无法持续地获得超额利润.通过检验统计套利机会存在与否就可以验证资本市场是有效的的，弱有效的，或者是无效的市场。徐玉莲(2005)通过运用统计套利对中国资本市场效率进行实证研究，首先得出结论：统计套利机会的存在与资本市场效率是不相容的。以此为理论依据，对中国股票市场中的价格惯性、价格反转及价值反转投资策略是否存在统计套利机会进行检验，结果发现我国股票市场尚未达到弱有效性。吴振翔，陈敏(2007)曾经利用这种 *** 对我国A股市场的弱有效性加以检验，采用惯性和反转两种投资策略发现我国A股若有效性不成立。另外我国学者吴振翔，魏先华等通过对Hogan的统计套利模型进行修正，提出了基于统计套利模型对开放式基金评级的 *** 。

四、结论

统计套利模型的应用目前主要表现在两个方面：1.作为一种有效的交易策略，进行套利。2.通过检测统计套利机会的存在，验证资本市场或者某个市场的有效性。由于统计套利策略的实施有赖于做空机制的建立，随着我股指期货和融资融券业务的推出和完善，相信在我国会有比较广泛的应用与发展。

参考文献

[1] A.N. Burgess：A computational Methodolology for Modelling the Dynamics of statistical arbitrage, London business school,PhD Thesis,1999.

[2]方昊.统计套利的理论模式及应用分析―基于中国封闭式基金市场的检验.统计与决策,2005,6月(下).

[3]马理,卢烨婷.沪深 300 股指期货期现套利的可行性研究―基于统计套利模型的实证.财贸研究,2011,1.

[4]吴桥林.基于沪深 300 股指期货的套利策略研究[D].中国优秀硕士学位论文.2009.

[5]吴振翔,陈敏.中国股票市场弱有效性的统计套利检验[J].系统工程理论与实践.2007,2月.

统计模型论文篇2

关于半参统计模型的估计研究

【摘要】随着数据模型技术的迅速发展，现有的数据模型已经无法满足实践中遇到的一些测量问题，严重的限制了现代科学技术在数据模型上应用和发展，所以基于这种背景之下，学者们针对数据模型测量实验提出了新的理论和 *** ，并研制出了半参数模型数据应用。半参数模型数据是基于参数模型和非参数模型之上的一种新的测量数据模型，因此它具备参数模型和非参数模型很多共同点。本文将结合数据模型技术，对半参统计模型进行详细的探究与讨论。

【关键词】半参数模型 完善误差 测量值 纵向数据

本文以半参数模型为例，对参数、非参数分量的估计值和观测值等内容进行讨论，并运用三次样条函数插值法得出非参数分量的推估表达式。另外，为了解决纵向数据下半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。另外，本文初步讨论了平衡参数的选取问题，并充分说明了泛最小二乘估计 *** 以及相关结论，同时对半参数模型的迭代法进行了相关讨论和研究。

一、概论

在日常生活当中，人们所采用的参数数据模型构造相对简单，所以操作起来比较容易;但在测量数据的实际使用过程中存在着相关大的误差，例如在测量相对微小的物体，或者是对动态物体进行测量时。而建立半参数数据模型可以很好的解决和缓解这一问题：它不但能够消除或是降低测量中出现的误差，同时也不会将无法实现参数化的系统误差进行勾和。系统误差非常影响观测值的各种信息，如果能改善，就能使其实现更快、更及时、更准确的误差识别和提取过程;这样不仅可以提高参数估计的精确度，也对相关科学研究进行了有效补充。

举例来说，在模拟算例及坐标变换GPS定位重力测量等实际应用方面，体现了这种模型具有一定成功性及实用性;这主要是因为半参数数据模型同当前所使用的数据模型存在着一致性，可以很好的满足现在的实际需要。而新建立的半参数模型以及它的参数部分和非参数部分的估计，也可以解决一些污染数据的估计问题。这种半参数模型，不仅研究了纵向数据下其自身的t型估计，同时对一些含光滑项的半参数数据模型进行了详细的阐述。另外，基于对称和不对称这两种情况，可以在一个线性约束条件下对参数估计以及假设进行检验，这主要是因为对观测值产生影响的因素除了包含这个线性关系以外，还受到某种特定因素的干扰，所以不能将其归入误差行列。另外，基于自变量测量存在一定误差，经常会导致在计算过程汇总，丢失很多重要信息。

二、半参数回归模型及其估计 ***

这种模型是由西方著名学者Stone在上世纪70年代所提出的，在80年代逐渐发展并成熟起来。目前，这种参数模型已经在医学以及生物学还有经济学等诸多领域中广泛使用开来。

半参数回归模型介于非参数回归模型和参数回归模型之间，其内容不仅囊括了线性部分，同时包含一些非参数部分，应该说这种模型成功的将两者的优点结合在一起。这种模型所涉及到的参数部分，主要是函数关系，也就是我们常说的对变量所呈现出来的大势走向进行有效把握和解释;而非参数部分则主要是值函数关系中不明确的那一部分，换句话就是对变量进行局部调整。因此，该模型能够很好的利用数据中所呈现出来的信息，这一点是参数回归模型还有非参数归回模型所无法比拟的优势，所以说半参数模型往往拥有更强、更准确的解释能力。

从其用途上来说，这种回归模型是当前经常使用的一种统计模型。其形式为：

三、纵向数据、线性函数和光滑性函数的作用

纵向数据其优点就是可以提供许多条件，从而引起人们的高度重视。当前纵向数据例子也非常多。但从其本质上讲，纵向数据其实是指对同一个个体，在不同时间以及不同地点之上，在重复观察之下所得到一种序列数据。但由于个体间都存在着一定的差别，从而导致在对纵向数据进行求方差时会出现一定偏差。在对纵向数据进行观察时，其观察值是相对独立的，因此其特点就是可以能够将截然不同两种数据和时间序列有效的结合在一起。即可以分析出来在个体上随着时间变化而发生的趋势，同时又能看出总体的变化形势。在当前很多纵向数据的研究中，不仅保留了其优点，并在此基础之上进行发展，实现了纵向数据中的局部线性拟合。这主要是人们希望可以建立输出变量和协变量以及时间效应的关系。可由于时间效应相对比较复杂，所以很难进行参数化的建模。

另外，虽然线性模型的估计已经取得大量的成果，但半参数模型估计至今为止还是空白页。线性模型的估计不仅仅是为了解决秩亏或病态的问题，还能在百病态的矩阵时，提供了处理线性、非线性及半参数模型等 *** 。首先，对观测条件较为接近的两个观测数据作为对照，可以削弱非参数的影响。从而将半参数模型变成线性模型，然后，按线性模型处理，得到参数的估计。而多数的情况下其线性系数将随着另一个变量而变化，但是这种线性系数随着时间的变化而变化，根本求不出在同一个模型中，所有时间段上的样本，亦很难使用一个或几个实函数来进行相关描述。在对测量数据处理时，如果将它看作为随机变量，往往只能达到估计的作用，要想在经典的线性模型中引入另一个变量的非线性函数，即模型中含有本质的非线性部分，就必须使用半参数线性模型。

另外就是指由各个部分组成的形态，研究对象是非线性系统中产生的不光滑和不可微的几何形体，对应的定量参数是维数，分形上统计模型的研究是当前国际非线性研究的重大前沿课题之一。因此，之一种途径是将非参数分量参数化的估计 *** ，也称之为参数化估计法，是关于半参数模型的早期工作，就是对函数空间附施加一定的限制，主要指光滑性。一些研究者认为半参数模型中的非参数分量也是非线性的，而且在大多数情形下所表现出来的往往是不光滑和不可微的。所以同样的数据，同样的检验 *** ，也可以使用立方光滑样条函数来研究半参数模型。

四、线性模型的泛最小二乘法与最小二乘法的抗差

(一)最小二乘法出现于18世纪末期

在当时科学研究中常常提出这样的问题：怎样从多个未知参数观测值 *** 中求出参数的更佳估值。尽管当时对于整体误差的范数，泛最小二乘法不如最小二乘法，但是当时使用最多的还是最小二乘法，其目的也就是为了估计参数。最小二乘法，在经过一段时间的研究和应用之后，逐步发展成为一整套比较完善的理论体系。现阶段不仅可以清楚地知道数据所服从的模型，同时在纵向数据半参数建模中，辅助以迭代加权法。这对补偿最小二乘法对非参数分量估计是非常有效，而且只要观测值很精确，那么该法对非参数分量估计更为可靠。例如在物理大地测量时，很早就使用用最小二乘配置法，并得到重力异常更佳估计值。不过在使用补偿最小二乘法来研究重力异常时，我们还应在兼顾着整体误差比较小的同时，考虑参数估计量的真实性。并在比较了迭代加权偏样条的基础上，研究最小二乘法在当前使用过程中存在的一些不足。应该说，该 *** 只强调了整体误差要实现最小，而忽略了对参数分量估计时出现的误差。所以在实际操作过程中，需要特别注意。

(二)半参模型在GPS定位中的应用和差分

半参模型在GPS相位观测中，其系统误差是影响高精度定位的主要因素，由于在解算之前模型存在一定误差，所以需及时观测误差中的粗差。GPS使用中，通过广播卫星来计算目标点在实际地理坐标系中具体坐标。这样就可以在操作过程中，发现并恢复整周未知数，由于观测值在卫星和观测站之间，是通过求双差来削弱或者是减少对卫星和接收机等系统误差的影响，因此难于用参数表达。但是在平差计算中，差分法虽然可以将观测方程的数目明显减少，但由于种种原因，依然无法取得令人满意的结果。但是如果选择使用半参数模型中的参数来表达系统误差，则能得到较好的效果。这主要是因为半参数模型是一种广义的线性回归模型，对于有着光滑项的半参数模型，在既定附加的条件之下，能够提供一个线性函数的估计 *** ，从而将测值中的粗差消除掉。

另外这种 *** 除了在GPS测量中使用之外，还可应用于光波测距仪以及变形监测等一些参数模型当中。在重力测量中的应用在很多情形下，尤其是数学界的理论研究，我们总是假定S是随机变量实际上，这种假设是合理的，近几年，我们对这种线性模型的研究取得了一些不错的成果，而且因其形式相对简洁，又有较高适用性，所以这种模型在诸多领域中发挥着重要作用。

通过模拟的算例及坐标变换GPS定位重力测量等实际应用，说明了该法的成功性及实用性，从理论上说明了流行的自然样条估计 *** ，其实质是补偿最小二乘 *** 的特例，在今后将会有广阔的发展空间。另外 文章 中提到的分形理论的研究对象应是非线性系统中产生的不光滑和不可微的几何形体，而且分形已经在断裂力学、地震学等中有着广泛的应用，因此应被推广使用到研究半参数模型中来，不仅能够更及时，更加准确的进行误差的识别和提取，同时可以提高参数估计的精确度，是对当前半参数模型研究的有力补充。

五、 总结

文章所讲的半参数模型包括了参数、非参数分量的估计值和观测值等内容，并且用了三次样条函数插值法得到了非参数分量的推估表达式。另外，为了解决纵向数据前提下，半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。同时介绍了最小二乘估计法。另外初步讨论了平衡参数的选取问题，还充分说明了泛最小二乘估计 *** 以及有关结论。在对半参数模型的迭代法进行了相关讨论和研究的基础之上，为迭代法提供了详细的理论说明，为实际应用提供了理论依据。

参考文献

[1]胡宏昌.误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性[J].湖北师范学院学报(自然科学版)，2009(03).

[2]钱伟民，李静茹.纵向污染数据半参数回归模型中的强相合估计[J].同济大学学报(自然科学版)，2009(08).

[3]樊明智，王芬玲，郭辉.纵向数据半参数回归模型的最小二乘局部线性估计[J].数理统计与管理，2009(02).

[4]崔恒建，王强.变系数结构关系EV模型的参数估计[J].北京师范大学学报(自然科学版).2005(06).

[5]钱伟民，柴根象.纵向数据混合效应模型的统计分析[J].数学年刊A辑(中文版).2009(04)

[6]孙孝前，尤进红.纵向数据半参数建模中的迭代加权偏样条最小二乘估计[J].中国科学(A辑：数学)，2009(05).

[7]张三国，陈希孺.EV多项式模型的估计[J].中国科学(A辑)，2009(10).

[8]任哲，陈明华.污染数据回归分析中参数的最小一乘估计[J].应用概率统计，2009(03).

[9]张三国，陈希孺.有重复观测时EV模型修正极大似然估计的相合性[J].中国科学(A辑).2009(06).

[10]崔恒建，李勇，秦怀振.非线性半参数EV四归模型的估计理论[J].科学通报，2009(23).

[11]罗中明.响应变量随机缺失下变系数模型的统计推断[D].中南大学，2011.

[12]刘超男.两参数指数威布尔分布的参数Bayes估计及可靠性分析[D].中南大学，2008.

[13]郭艳.湖南省税收收入预测模型及其实证检验与经济分析[D].中南大学，2009.

[14]桑红芳.几类分布的参数估计的损失函数和风险函数的Bayes推断[D].中南大学，2009.

[15]朱琳.服从几类可靠性分布的无失效数据的bayes分析[D].中南大学，2009.

[16]黄芙蓉.指数族非线性模型和具有AR(1)误差线性模型的统计分析[D].南京理工大学，2009.

猜你喜欢：

1. 统计学分析论文

2. 统计方面论文优秀范文参考

3. 统计优秀论文范文

4. 统计学的论文参考范例

下一页更多精彩的“统 计毕 业论 文”

把数学领域中的分形理论应用在金融市场里面，就变成了波浪理论

偷懒是人类的天性，每个人都希望以最小的投入来获得巨大的回报。所以在面对复杂问题的时候，总是喜欢用一种简单的思维来分析当下的情况，虽然准确度并不是很高，但是能够满足当下人们的需求。

但是随着时代的进步，股票市场的变化越来越复杂，我们每天会遇到大量的信息需要处理，需要判断出对市场的影响。面对越来越复杂的市场，传统的金融学理论不能够做出合理的解释，这个时候就会诞生出新的理论来解释市场行为，其中最有代表性的是混沌理论和分形理论等非线性科学。经过大量研究证据表明，相比传统金融学说，非线性科学更适合用来分析复杂的市场变化，揭示出市场变化的规律。

分形理论的创始人芒德勃罗在研究分形理论的时候，发现股票市场的变化也符合分形理论中的自相似性，而自相似性其实就是波浪理论中的大浪套小浪。所以波浪理论和分形理论他们其实是一个东西，在熟练的运用波浪理论之前，必须对分形理论有一个大体的了解。

科学的目的总是为了把世界的复杂性还原成简单的规则。

我们最常见的股票，期货，外汇等交易品种，虽然影响价格变化的因素很多，想要准确分析出未来的价格变化看似是一个非常复杂的问题，但是对分形理论而言，越是复杂的事情，处理起来越是简单。

股票价格的变化作为一种没有特征长度而又具有无限嵌套的自相似几何结构，一方面高度复杂，另一方面又特别简单。它之所以复杂，是因为影响股票价格的因素太多，每一个消息都会引发市场的剧烈变化：但又非常简单，是因为股票价格的变化可以运用一种简单的迭代操作来生成。在自然界中，几乎所有的复杂系统都存在着反馈演化的特征。股票价格的变化规则非常简单，这种简单规则通过不断迭代，最后诞生出了复杂的股票行情。

波浪理论诞生之初，是一个很不完善的市场分析，波浪理论的诞生时间比分形理论的诞生时间还要早。但是随着分形理论的蓬勃发展，波浪理论的应用缺陷不断被市场完善，以我这些年的亲身经历，我只需要把书中没有提及的核心知识点补充齐全，对普通投资者而言准确的分析出股票未来的趋势，应该不是什么难事。

本文部分内容来源

《分形几何的创立与复杂性研究_纪念波努瓦_芒德勃罗诞辰90周年_李润珍》

如果从零基础开始学量化投资，需要学哪些

学习量化投资和大数据分析，首先你得具备一定的数学基础、统计学基础，经济学基础以及物理较好一定的编程能力（更好是学python，入门快，效率高），如果这些基础你都不具备，没关系，说好的零基础入门，那就跟着我一步一步的走。

一. 数学

打好数学基础，学一学 *** 论、统计学方面的知识， *** 论和统计学如果没学过建议先入个门。下面有几本书，个人觉得讲的十分的透彻，下面就分享给大家。

《概率论与数理统计》

CSDN下载链接：

百度云链接：

《数理统计学教程》

CSDN下载链接：

百度云链接：

二. 经济学金融学

数学基础学习完成后，就要进行进一步的学习了，接下来那就看一点计量经济学和中级微观经济学方面的书，下面我给大家推荐几本我认为比较好懂且干活很多的书，以下这三本正好是讲的不同的三个知识模块，也是后面一定要用上的，请各位接好武功秘籍了。

《计量经济学导论》

中文版CSDN下载链接：

中文版百度云链接：

《微观经济学》

中文版CSDN下载链接：

中文版百度云链接：

《期权,期货和其他衍生品》

中文版CSDN下载链接：

中文版百度云链接：

三. 计算机与编程

1. 计算机

你如果之前没有学过计算机相关知识，我建议可以先看一本书入个门，因为学懂了以上两方面的理论进行实践操作了，正所谓是实践出真知嘛！

要实践的话就必须掌握一门编程技术，我推荐使用python语言，简单好上手，并且各种丰富的资源库让你事半功倍。

《零起点Python大数据与量化交易》

CSDN下载链接：

百度云链接：

四. 实践

现在有一些在线的金融系统，可以给你机会让你写你自己的模型的，你多留意一下，闲来没事儿写几个交易模型试一试。

据我所知目前大多数写交易模型的，都没有较强的综合能力（综合经济金融、数学、编程这三个方面），你要想比他们都强，那就把这三个方面的基础都打好。

最后，加油奋斗吧，相信自己，只要你努力，你肯定是最棒的。

引用自《

小判官教你零基础入门量化投资，大数据分析，内含对应资料下载地址。

》，链接为网页链接

期货交易怎么练习看裸k，看裸k和带均线各有什么利弊，看好裸k是水平和技术活吧，不是一般人能行的？

看祼K想操作的好，那么就必需多级别多周期看才行，比如说做日内交易，单纯的看5或15分钟的K线是没有意义的，更要看60分钟上的K线。如果是做中线交易，那么不仅要看60分钟上的K线，还要看日线的K线。看裸K重点就是看一个个转折的形态，比如说头肩顶，头肩底，还有就是趋势形态。注意，形态在于预判，就是在可能形成头顶或底的位置提前预判。对于如何定义一波波分析的起点，建议看混沌操作法中关于分形在描述，结合上涨下跌最小的时间周期分出一波波走势，然后划出一个个形态。一般都要顺势交易，比如说60分钟处于头肩顶之后，那么5分钟上只找头户顶做空。当然，这只是简单的做法，实际上单纯的看祼K，没想像中那么好做。因为市场上交易的人太多了，很多人是看均线进出的，只有每次你的站队正确了，想的跟多数人一样，才能成功。实际可以用均线辅助看下。

裸K的缺点在于有时会遇到形态上的反反复复，很多看裸K的人的系统成功率大都在50%左右，很少达到60%以上，就是这个原因。均线的缺点在于延迟性，所以成功率虽然要比裸K线高，但利润要回吐很多，而且止损大。更好的办法就是看均线的压制支撑，然后在小周期上看各种形态。相辅相成。。。

市场上有很多理论，神马混沌理论，缠论，形态理论，趋势理论，等等，实际上都不过是前人形态理论的总结和优化运用。阳光之下没有新鲜事。

网站首页：最新期货开户网

期货开户微信：527 209 157

本文链接：http://jienve.com/post/54670.html