Dalam tahun kebelakangan ini, harga pasaran saham adalah salah satu daripadaudpetunjuk ekonomi yang paling penting yang mendedahkan status ekonomi sesuatu negaraudserta menerokai hubungan kalangan negara-negara di dunia. Seperti yang sediaudmaklum, harga pasaran saham adalah tidak menentu dan mengandungi data hingarudyang memberi kesan kepada ketepatan dan kesahihan keputusan sesuatu model. Olehuditu, para penyelidik semasa memberi tumpuan kepada memeriksa kaedah penguraianuduntuk menyelesaikan masalah data hingar dan menentukan kemeruapan pasaran sahamuddengan lebih tepat. Terkini, penurasan wavelet telah digunakan sebagai alat yangudberkesan untuk mengurangkan hingar dalam siri masa kewangan. Selain itu, penurasanudwavelet mempunyai beberapa ciri-ciri yang lebih berbanding penuras yang lain.udMaka dari sudut ini, tesis ini mencadangkan teknik yang berbeza untuk menyiasat hubunganudantara pasaran saham dengan menggabungkan penurasan wavelet dan modeludtradisional dalam usaha menyelesaikan masalah kesan hingar dalam data siri masa kewangan,uddan mendapatkan keputusan lebih tepat.ududStock market index has recently become one of the most important economic indicatorsudthat reveals the economic status of a country and explores the causal relationshipudamong countries. Stock market indices are typically chaotic and contain noiseuddata, which affect the accuracy and validity of the results of some models. Therefore,udthis study focuses on decomposition methods to solve the problem on noisy data andudto determine stock market volatilities accurately. Recently, wavelet filtering has beenudapplied as an efficient tool for reducing noise in financial time series. Wavelet filteringudexhibits several properties that are not found in other filters. Thus, this thesis proposesuddifferent techniques to investigate causal relationships among stock markets by combiningudwavelet filtering and traditional models to solve the noise problem in financialudtime series data and therefor to obtain accurate results.ud
展开▼
