高频金融数据下对资产价格波动的研究越来越受到人们的关注,而随着对数据行为解析能力的提高,噪音也会随着采样频率的提高而增加,从而导致已实现波动率的估计偏差.为了降低高频数据中噪音对波动率估计的影响,在HAR-RV模型基础上使用EEMD结合小波分析的方法提高估计的有效性.实证研究发现,仅使用EEMD进行降噪预测并不能很好地预测股票市场的实际变动趋势,而在EEMD分解后的高频部分中使用小波方法进行处理,发现降噪后构建模型的均方误差(MSE)与平均绝对误差(MAE)分别下降了93.92％及76.94％,能够满足对股票市场实际序列变动的预测要求.
国家科技期刊平台
NSTL
万方数据
维普
