改进的HHT高频数据分析及其应用

刘少梅， 董小刚

（长春工业大学基础科学学院，吉林长春 130012）

0 引 言

高频金融时间序列数据指的是在非常细小的时间间隔上，以日或更小的时间间隔（例如小时、分钟、秒钟）上抽取的观测值。随着实时数据的获得与处理方法的发展和提高，可以得到这些高频数据。所以，市场微观结构实证方面的研究越来越受到广泛的关注。自从上世纪90年代，高频金融交易数据的分析开始迅速发展，目前，已广泛用于金融市场微观结构理论的应用和实证检验。对于金融市场中高频数据分析方法的研究也在不断地发展和提高，这对于研究股票、证券、期货等具有重大意义。

Hilbert－Huang变换（HHT）是1998年由NASA的Norden E Huang［1］等人提出的，作为一个崭新的时频分析方法，它完全独立于傅里叶变换，能够进行非线性、非平稳信号的线性化和平稳化处理，被认为是近年来对以傅里叶变换为基础的线性和稳态谱分析的一个重大突破。与频谱分析方法相比，得到的每个振幅和频率是随时间变化的，消除了为反映非线性、非平稳过程而引入的多余无物理意义的简谐波。与小波分析方法相比，具有小波分析的全部优点，在分辨率上消除了小波分析的模糊和不清晰，具有更准确的谱结构，依此得到的分析结果更能准确地反映出系统原有的物理特性。虽然Hilbert－Huang变换拥有众多优点，但EMD分解［2］数据时存在模态混叠的现象。针对此问题，将白噪声加入数据中来补充一些缺失的尺度。使用EMD分解对Hilbert谱刻画比较前后具有良好的表现。……