排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
高频金融时间序列呈现出强烈的非高斯特性,已经不能采用传统的统计分析方法对其进行分析与预测,通常采用基于极限思想的已实现波动理论进行高频数据的建模.针对市场运作中的高频数据采集数量有限而不能准确估计"已实现"波动率的局限性,提出一种新的预测方法:在对"已实现"波动率建模的基础上,采用适合于非高斯非线性过程的粒子滤波技术对波动率进行估计与预测,可以处理单日内的高频交易数据.将此算法应用于日内高频微软股价数据预测,得到了较好的实证效果. 相似文献
1