科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于证券市场综合指数,通过分割样本数据形成系列子样本,构造F统计量。研究不同子样本之间的差异,识别前兆数据样本,采用经验模态分解算法将前兆数据分解成不同频率成分,分析各频率成分变化特征,识别极值生成的重要特征,对前兆数据样本中的极值进行识别研究。结果表明,不同频率模态序列的波峰叠加特征和振幅持续增大特征的同时存在是极值生成的重要特征。若波峰叠加特征与振幅持续降低特征同时存在,则生成极值的可能性大大降低,极值大小由当时随机冲击的强度决定。并且,系统随机冲击因素并非极值生成的决定性条件,没有随机冲击因素,系统也可生成极值。研究结果可为有效防范和化解金融系统的极值风险提供可操作性的参考依据。
- 单位
