高频金融时间序列分析：基于排列熵的‘已实现’波动预测

"这篇论文是2013年发表在《武汉理工大学学报(信息与管理工程版)》第35卷第4期的一篇工程技术类论文，由王雨蒙和徐梅撰写。该研究主要关注金融波动的分析与预测，特别是基于排列熵的策略。" 在这篇论文中，作者探讨了如何利用高频金融时间序列的“已实现”波动（realized volatility, RV）来度量金融市场中的波动性。"已实现"波动是一种衡量短期市场波动的有效方法，它通过整合日内价格变动来估计长期波动率。ANDERSEN和BOLLERSLEV的理论为这种度量提供了基础。 研究的核心在于排列熵（Permutation Entropy）的应用，这是一种用于分析时间序列顺序模式的统计工具。排列熵被用来分析“已实现”波动序列的顺序模式以及序列之间的广义同步（generalized synchronization）。广义同步是指两个或多个系统在特定条件下表现出的动态一致性。通过对“已实现”波动序列的排列熵分析，可以揭示其内在的模式和潜在的同步行为。 论文采用了全概率理论，即利用历史“已实现”波动的顺序模式来预测未来交易日波动处于不同水平的概率。这一方法旨在提供一种不同于传统时间序列模型的预测方式，可能更加侧重于揭示波动性的变化规律而非具体的数值预测。 实证研究部分选取了中国股市的两个重要指标——上证综指和深圳成指的5分钟收盘价数据。研究发现，这两个指数的“已实现”波动序列之间基本不存在广义同步，这表明两者可能受不同因素驱动，或者市场间的相互影响不强。此外，作者识别出了这些序列的主要顺序模式，并基于这些模式对“已实现”波动水平进行了预测，结果表明主要顺序模式的条件顺序模式在预测中占据了主导地位。 关键词包括“已实现”波动、排列熵、顺序模式和广义同步，强调了研究的主要方法和技术。这篇论文对于理解和预测金融市场波动，特别是基于高频数据的分析具有一定的理论和实践意义，为金融风险管理提供了新的视角。