经济物理领域中的金融时间序列回程间隙与波动相关性的预测系统、随机模型和统计分析

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71271026
  • 项目类别:
    面上项目
  • 资助金额:
    55.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0114.金融工程
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

We study the fluctuation behaviors of financial markets by econophysics theory. Econophysics is an interdisciplinary research field, applying uncertainty or stochastic processes and nonlinear dynamics to solve problems in economics, and its research methods are derived from statistical physics. The research of this field is an active and rapid growing field. The study of forecasting, modelling, analysis and simulation of financial market volatilities has long been a focus of economic research. Our research will mainly investigate the fluctuation behaviors of Chinese financial markets, and the corresponding empirical research will be made. (1) We model a stochastic time effective neural network to predict and evaluate the trends of financial markets; (2) According to Ising system, Contact system, Voter system and Percolation system, we study the financial complex systems; (3) We analyze and make the empirical research on return interval and volatility correlation of financial time series, which include the fitting analysis, the relationship between the financial market and the energy market, the long-memory test for the financial time series, the long-range correlation of the volatility series, the volatility range and the trend analysis, etc.
本项目是基于经济物理系统研究金融市场波动性质,该领域是应用随机理论和非线性系统研究金融问题,其研究方法和理论主要来自于统计物理理论。国际上该领域的研究工作正在迅猛发展和不断深入。构造适应的金融模型,更精确地预测、分析和模拟金融市场,近年来一直是经济物理研究关注的焦点。本研究主要针对中国证券和能源市场(含股指期货),兼顾国际上的证券和能源市场,进行理论和实证研究:(1)将随机理论引入到神经网络系统中,构建随机时效性神经网络预测系统模型,预测和评估金融市场波动趋势;(2)应用Ising系统、Contact系统、Voter系统和Percolation系统等构建、预测、分析和计算机模拟金融市场波动,以解释金融复杂交互系统内在的波动规律性质;(3)研究金融时间序列回程间隙与波动相关性的统计规律性(包括拟合程度分析、证券市场与能源市场相关性分析、长记忆性分析、相关性分析、波动程度与趋势分析等)。

结项摘要

本项目是基于经济物理系统研究金融市场波动性质,该领域是应用随机理论和非线性系统研究金融问题,其研究方法和理论主要来自于统计物理理论。国际上该领域的研究工作正在迅猛发展和不断深入。构造适应的金融模型,更精确地预测、分析和模拟金融市场,近年来一直是经济物理研究关注的焦点。本研究主要针对中国证券和能源市场(含股指期货),兼顾国际上的证券和能源市场,进行理论和实证研究:(1)将随机理论引入到神经网络系统中,构建随机时效性神经网络预测系统模型,预测和评估金融市场波动趋势;(2)应用Ising系统、Contact系统、Voter系统和Percolation系统等构建、预测、分析和计算机模拟金融市场波动,以解释金融复杂交互系统内在的波动规律性质;(3)研究金融时间序列回程间隙与波动相关性的统计规律性(包括拟合程度分析、证券市场与能源市场相关性分析、长记忆性分析、相关性分析、波动程度与趋势分析等)。通过四年的科研工作,我们在此领域取得了很多科研成果。理论模型得到了进一步的发展和完善,实际数据的统计分析取得很多成果,把理论研究与实际问题较好的联系在一起。2013年以来,已经发表学术论文63篇,其中SCI期刊论文48篇;毕业博士研究生3名、毕业硕士研究生8名;参加多次国际、国内学术交流活动等。

项目成果

期刊论文数量(54)
专著数量(0)
科研奖励数量(0)
会议论文数量(9)
专利数量(0)
Forecasting energy market indices with recurrent neural networks: Case study of crude oil price fluctuations
使用循环神经网络预测能源市场指数:原油价格波动案例研究
  • DOI:
    10.1016/j.energy.2016.02.098
  • 发表时间:
    2016
  • 期刊:
    Energy
  • 影响因子:
    9
  • 作者:
    Jie Wang;Jun Wang
  • 通讯作者:
    Jun Wang
FLUCTUATION BEHAVIOR OF FINANCIAL RETURN INTERVAL SERIES MODEL FOR PERCOLATION ON SIERPINSKI CARPET LATTICE
西尔宾斯基地毯格子渗滤财务回报区间序列模型的波动行为
  • DOI:
    10.1142/s0218348x13500230
  • 发表时间:
    2013
  • 期刊:
    Fractals-Complex Geometry Patterns and Scaling in Nature and Society
  • 影响因子:
    4.7
  • 作者:
    Yanfang Dong;Jun Wang
  • 通讯作者:
    Jun Wang
Statistical analysis on multifractal detrended cross-correlation coefficient for return interval by oriented percolation
定向渗流回归区间多重分形去趋势互相关系数统计分析
  • DOI:
    10.1142/s0129183115500023
  • 发表时间:
    2015
  • 期刊:
    International Journal of Modern Physics C
  • 影响因子:
    1.9
  • 作者:
    Wei Deng;Jun Wang
  • 通讯作者:
    Jun Wang
Volatility clustering and long memory of financial time series and financial price model
金融时间序列和金融价格模型的波动聚类和长记忆
  • DOI:
    10.1016/j.dsp.2012.11.004
  • 发表时间:
    2013
  • 期刊:
    Digital Signal Processing
  • 影响因子:
    2.9
  • 作者:
    Hongli Niu;Jun Wang
  • 通讯作者:
    Jun Wang
Nonlinear scaling analysis approach of agent-based Potts financial dynamical model
基于Agent的Potts金融动力学模型的非线性标度分析方法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    Chaos
  • 影响因子:
    2.9
  • 作者:
    Weijia Hong;Jun Wang
  • 通讯作者:
    Jun Wang

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Simulation and Statistical Analysis of Market Return Fluctuation by Zipf Method
Zipf法对市场收益波动的模拟与统计分析
  • DOI:
    10.1140/epjd/e2011-20555-7
  • 发表时间:
    --
  • 期刊:
    Mathematical Problems In Engineering
  • 影响因子:
    --
  • 作者:
    郭亚龙;王军
  • 通讯作者:
    王军
应力路径对饱和软黏土割线模量的影响
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    岩土力学
  • 影响因子:
    --
  • 作者:
    谷川;王军;张婷婷;蔡袁强
  • 通讯作者:
    蔡袁强
地层水对凝析气藏注CO2相态的影响
  • DOI:
    10.1214/16-ecp4620
  • 发表时间:
    2016
  • 期刊:
    天然气工业
  • 影响因子:
    --
  • 作者:
    陈淑曲;孙雷;王彬;王军
  • 通讯作者:
    王军
近百余年来长江口南支水下地形演变特征分析
  • DOI:
    10.20506/rst.36.2.2667
  • 发表时间:
    2019
  • 期刊:
    人民长江
  • 影响因子:
    --
  • 作者:
    梁鑫鑫;王磊;王军
  • 通讯作者:
    王军
Magnetic properties and M?ssbauer spectroscopy of iron nanowire arrays prepared by electroless deposition in a magnetic field
磁场中化学沉积制备的铁纳米线阵列的磁性能和穆斯堡尔谱
  • DOI:
    10.1021/acs.jpca.8b11473
  • 发表时间:
    2015
  • 期刊:
    Micro & Nano Letters
  • 影响因子:
    --
  • 作者:
    王军
  • 通讯作者:
    王军

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

王军的其他基金

应用随机交互作用系统研究证券市场价格波动的统计规律性质
  • 批准号:
    10971010
  • 批准年份:
    2009
  • 资助金额:
    20.0 万元
  • 项目类别:
    面上项目
非Black-Scholes 模型环境下的未定权益的定价和套期保值研究
  • 批准号:
    70771006
  • 批准年份:
    2007
  • 资助金额:
    19.0 万元
  • 项目类别:
    面上项目
统计物理模型在金融领域中的应用
  • 批准号:
    70471001
  • 批准年份:
    2004
  • 资助金额:
    10.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码