資源描述：
《美元走勢(shì)與黃金價(jià)格的動(dòng)態(tài)相關(guān)性研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、美元走勢(shì)與黃金價(jià)格的動(dòng)態(tài)相關(guān)性研究1、相關(guān)定義1.1、動(dòng)態(tài)相關(guān)性的概念界定與研究視角動(dòng)態(tài)相關(guān)性指的是一個(gè)市場(chǎng)的變動(dòng)不僅要受自身?xiàng)l件的影響,還要受到來(lái)自其他市場(chǎng)信息的影響,并且二者之間的關(guān)系會(huì)隨著時(shí)間的變動(dòng)而發(fā)生變化。國(guó)內(nèi)外關(guān)于市場(chǎng)間的動(dòng)態(tài)相關(guān)性主要集中在價(jià)格變動(dòng)的一階矩方面,即通過(guò)引入單位根檢驗(yàn)、協(xié)整檢驗(yàn)、格蘭杰因果檢驗(yàn)、脈沖響應(yīng)函數(shù)等分析方法對(duì)于市場(chǎng)價(jià)格間的引導(dǎo)關(guān)系研究。但市場(chǎng)間的動(dòng)態(tài)相關(guān)性研究不只是價(jià)格的先后引導(dǎo)關(guān)系,還有更深層次的自身價(jià)格波動(dòng)率與其他市場(chǎng)價(jià)格波動(dòng)率之間的相互影響、相互制約的關(guān)系,前者是價(jià)格間的引導(dǎo)關(guān)系,后者是價(jià)格間的波動(dòng)率溢出效應(yīng)。二者的區(qū)
2、別在于,價(jià)格溢出效應(yīng)主要描述的是對(duì)確定因素的可預(yù)期反應(yīng),而波動(dòng)溢出效應(yīng)指的是對(duì)非確定因素的隨機(jī)反應(yīng)。在股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)的動(dòng)態(tài)相關(guān)性研究中,價(jià)格溢出效應(yīng)的研究可以讓我們初步了解股指期、現(xiàn)貨市場(chǎng)之間的聯(lián)系,但波動(dòng)溢出效應(yīng)的研究反應(yīng)的是市場(chǎng)參與者對(duì)于新息的反應(yīng),同時(shí)又加劇了市場(chǎng)的波動(dòng),這些更應(yīng)該作為動(dòng)態(tài)相關(guān)性研究的重點(diǎn)。1.2、共享變量的相關(guān)性定義在工具的語(yǔ)義挖掘模塊中,為了挖掘具有潛在原子語(yǔ)義的共享變量對(duì),我們采用了數(shù)據(jù)挖掘中概率論與數(shù)理統(tǒng)計(jì)方法中的最近鄰方法[56-58],在挖掘前,首先我們必須解決三個(gè)問(wèn)題:(1)什么類(lèi)型的變量是語(yǔ)義挖掘算法所關(guān)心的?理論上
3、,程序中所有變量間都存在一定的關(guān)聯(lián),但因?yàn)楸竟ぞ咧饕顷P(guān)注于原子性違例問(wèn)題,而根據(jù)原子性違例的定義可知,其中所涉及到的變量都是被多個(gè)線程所共享,并且變量在訪問(wèn)過(guò)程中至少會(huì)被某些線程進(jìn)行寫(xiě)操作。因此,算法在分析中可以過(guò)濾變量訪問(wèn)中的臨時(shí)變量以及只讀變量的訪問(wèn)信息。共享變量的定義如下。定義1:(共享變量)設(shè)線程t?T,變量v?V;對(duì)變量v,該變量的寫(xiě)訪問(wèn)線程集合記為W(v),可知W(v)?T,同理變量的讀訪問(wèn)線程集合記為R(v),R(v)?T,則共享變量集合Vs可表示為:Vs?{vis
4、?t1,t2?R(vis)?W(vis):t1?t2?t1?W(vis)}(2)
5、如何定義變量訪問(wèn)的距離?為了衡量變量之間的關(guān)系,算法必須首先給出變量訪問(wèn)之間的距離定義。變量訪問(wèn)距離定義的方法可以采用兩次變量訪問(wèn)間間隔的語(yǔ)句數(shù)作為距離,也可以采用訪問(wèn)間經(jīng)歷的分支數(shù)作為距離等。因?yàn)榭紤]本算法是把變量距離作為判斷原子性區(qū)域的標(biāo)準(zhǔn),而程序的原子性區(qū)域跟方法有重要聯(lián)系,所以在本算法中采用上海交通大學(xué)工學(xué)碩士學(xué)位論文第三章動(dòng)態(tài)檢測(cè)工具的設(shè)計(jì)及實(shí)現(xiàn)31了訪問(wèn)之間的方法跨度距離作為變量訪問(wèn)的距離度量方式。算法在分析程序運(yùn)行軌跡時(shí),構(gòu)建上下文敏感的方法調(diào)用圖,我們把調(diào)用圖中方法結(jié)點(diǎn)之間的距離定義為該方法所包含的變量訪問(wèn)之間的距離,圖3-9給出了調(diào)用圖中距離較
6、近的變量訪問(wèn)序列示例,而這三類(lèi)示例是程序中很可能具有原子語(yǔ)義的關(guān)聯(lián)變量訪問(wèn),在該圖中結(jié)點(diǎn)表示方法,箭頭表示調(diào)用關(guān)系。F1F1F1F2F2F3F1:{access(x),access(y)}FF21::{{aacccceessss((yx))}}FF32::{{aacccceessss((xy))}}(1)同方法訪問(wèn)序列(2)相鄰方法訪問(wèn)序列(3)同父結(jié)點(diǎn)訪問(wèn)序列圖3-9可能相關(guān)的近距離變量訪問(wèn)序列示例Figure3-9Examplesofmay-correlatedvariablesaccesses在調(diào)用圖中,我們把方法結(jié)點(diǎn)所在棧的深度作為結(jié)點(diǎn)的y坐標(biāo),把棧中同
7、一深度下棧的寬度作為結(jié)點(diǎn)的x坐標(biāo),這樣我們就可以為變量訪問(wèn)之間定義距離公式。在此給出兩個(gè)變量訪問(wèn)的距離定義:定義2:(線程內(nèi)”訪問(wèn)”-”訪問(wèn)”距離)對(duì)于變量訪問(wèn)acc1和acc2,兩變量訪問(wèn)之間的距離為:24
8、1,2
9、()()accacc?xacc1?xacc2?yacc1?xacc2相對(duì)普通的距離定義,本算法對(duì)距離做了一定的變動(dòng):基于一個(gè)方法體內(nèi)可能存在多個(gè)被調(diào)用方法,而被調(diào)用方法之間即棧寬度結(jié)點(diǎn)相關(guān)于調(diào)用上下文即棧深度結(jié)點(diǎn),相比棧深度差別結(jié)點(diǎn)這種相關(guān)性即可能成為原子性區(qū)域的可能性更強(qiáng),故為了強(qiáng)調(diào)結(jié)點(diǎn)深度偏差對(duì)距離的影響,我們對(duì)普通距離計(jì)算方式進(jìn)行修正,保證挖
10、掘出的相關(guān)聯(lián)變量在棧深度的跨度盡量小,即相關(guān)聯(lián)變量訪問(wèn)序列整體趨近于如圖3-9所示示例情況。(3)怎樣確定變量之間的相關(guān)性?這部分主要目的是挖掘出經(jīng)常一起訪問(wèn)的相關(guān)聯(lián)變量。通過(guò)前面定義的變量訪問(wèn)間的距離,我們利用變量訪問(wèn)距離計(jì)算變量間的距離。設(shè)變量的訪問(wèn)為vα(v,t)?At,其中v,t分別表示被訪問(wèn)的變量以及發(fā)生訪問(wèn)所在線程,則變量距離相關(guān)定義如下:上海交通大學(xué)工學(xué)碩士學(xué)位論文第三章動(dòng)態(tài)檢測(cè)工具的設(shè)計(jì)及實(shí)現(xiàn)32定義3:(線程內(nèi)”訪問(wèn)”-”變量”距離)在某線程中,變量訪問(wèn)αi(v,t)與變量v‘之間的距離為本線程中變量v‘距離αi(v,t)最近的訪問(wèn)與變量訪問(wèn)α
11、i(v,t)之間的距離,
