%0 Journal Article
%T 超高频数据的日内效应调整方法研究
%A 王维国
%A 佘宏俊
%J 中国管理科学
%P 49-56
%D 2015
%X ？日内效应在金融高频数据研究中已被广泛证实,是一种日内周期性运动的动态效应,它影响了以微观金融指标为参数的计量模型的准确估计。基于金融超高频持续期数据,本文首先论述了日内效应调整的重要性,然后引入自适应映射(SOM)的方法对日内效应进行调整。SOM是一种基于神经网络学习的特征提取方法,能够动态识别高维数据中的结构特征,克服了静态调整方法的不足。最后通过建立基于自回归条件持续期模型(ACD)的蒙特卡罗模拟实验,比较了三种日内效应调整方法的效果。模拟结果表明SOM方法在日内效应调整中更为有效和稳定,特别适合大数据条件下的周期性结构分析。
%K 日内效应
%K 自回归条件持续期
%K SOM
%K 周期性调整
%U http://www.zgglkx.com/CN/abstract/abstract15231.shtml