中外几大股票市场差异的分形研

运用了分形理论中的R／S分析法对中国的三大股市（上证,深证和香港的恒生指数）以及欧美的三大股市（道琼斯、纳斯达克以及标普500指数）的近10年（2002～2011）的股票指数作了差别研究．我国股市的月对数收益率的Hurst指数为0．74左右;而国外的则在0．77左右．国内三大股市的平均循环周期在600d左右,而国外三大股市在1150d左右．道琼斯指数对上证指数价格变化影响较大;恒生指数对深证指数的价格波动影响要比上证指数的价格波动影响大．中外股指均具有比正态分布更高的峰度,且在最初的一到两个周期内,数据呈现右偏尖峰后尾的分布特征,之后则呈现左偏尖峰后尾的分布特征．而国外股指的数据分布更接近于正态分布．本研究对股市研究者了解和借鉴近年来国外股市行情有着一定的指导意义．     

用ARCH模型研究中国股市的波动特征

中国股市的波动特征是学者们和投资者关注的一个重要领域,与国外成熟的证券市场相比,中国股票市场作为新兴市场,具有其特有的性质,如更高的不可预测性和复杂性,股票价格更大的波动幅度和频率.研究中国股市的波动特征就具有重要的理论价值和现实价值.投资者在选股过程中需要理解中国股市随时间变化的波动情形,而ARCH模型族正是研究股市波动随时间变化的工具.以上证综合指数为对象,采用GARCH类模型对中国股市波动情况进行实证研究,为股市收益的尖峰厚尾特点、波动的集簇性、时变性提供了实证证据,并对实证结果作了一些初步的探讨.     

中国通货膨胀水平与上证综指相关性的实证研究

2008年金融危机后,中国的通货膨胀率节节攀升,整体趋势持续走高.同时,股市也发生了剧烈波动,对我国宏观经济与金融稳定产生了深远的影响.本文选用1995年至2012年的数据对上证指数与通货膨胀率之间的关系进行了研究,综合运用了单位根检验、Granger因果检验、VAR模型来考察两者之间的关系.实证结果表明两者之间存在长期稳定的均衡关系,基于VAR模型的脉冲响应和方差分解表明,通货膨胀率受自身和上证指数的影响都比较大,而上证指数受通货膨胀率的影响有限.     

昆嵛山典型林下灌草层植物种间关系研究

用χ²检验、Ochiai关联度指数、Pearson相关和Spearman秩相关指数对昆嵛山典型林下灌草层植物的种间关系进行了研究. 结果表明：（1）负相关的种对数远远大于正相关的种对数，呈显著相关和极显著相关的种对数所占比例较少，昆嵛山灌草层群落还处于演替当中. （2）Pearson相关检验在研究中有较大偏差，Spearman秩相关检验的灵敏度要大于χ²检验、Ochiai关联度检验和Pearson相关检验. （3）极显著相关的种对数：灌木和草本层之间的种对数>灌木层的种对数>草本层的种对数，灌木的存在为草本提供了良好的生存空间. （4）不同林型下灌草层物种的种间关系有所差异，杂木林的演替程度最高.     

股票市场分形特征研究

文章以上证综指日与周收盘价指数的对数收益率序列为研究对象,借助经典与修正R/S分析方法计算Hurst指数,得出上证综指日与周收益率序列具有长记忆性与自相似性的分形特征.同时运用配分函数法得出收益率序列具有多重分形特征.     

股价指数的自相关与标度不变性分析

运用基本统计量分析我国股票市场收益率的分布状态,通过比较收益率自相关函数及收益率平方的自相关函数,判断序列的独立性,根据基于标准差时间序列计算的Hurst指数,对股票市场的有效性进行实证研究·结果表明,沪深两市收益率均不服从正态分布,存在非线性相关关系,Hurst指数大于05,股票价格为分形时间序列,表现出长期相关性,市场未达到弱式有效     

基于偏态分布的风险度量计算

金融时间序列具有尖峰厚尾性,同时在股市中又存在着杠杆效应.对股票指数收盘价格的对数收益率序列建立ARMA-APARCH模型,在对数收益率序列分别满足Skewed-t分布和Skewed-GED的假设下,给出了在险价值及期望损失的计算方法.对t分布与Skewed-t分布、GED与Skewed-GED分别进行对比性实证分析,结果表明,在两个偏态分布假设下计算得到的期望损失估计结果更为保守,更能够捕捉到股市的尾部风险.     

散射体射随光场的统计特性

由包含大量散射颗粒的随机散射体产生的随机光场的统计特性为：散斑光强的概率分布函数是按负指数概率分布的，散斑光强的自相关函数为孔径函数模平的傅立叶变换。实验测量结果也进一步验证了这一结论。     

股市预测的一个随机时间序列模型及其实证

给出了将非平稳时间序列转化为平稳序列构建自回归模型的步骤和方法.将这一方法具体运用于上证指数的预测,并证实该方法与实际吻合很好.最后讨论了该方法运用于股市波段预测应注意的问题.     

符合Gauss分布规律的随机粗糙表面数值模拟

为了研究目标表面激光和红外光散射特性,首先必须对材料表面粗糙度进行数值模拟,这是表面散射特性研究中的基础和关键.本文按照指数自相关函数关系建立二维粗糙表面统计分布规律数值模型,对随机粗糙表面轮廓进行描述,由计算机模拟生成粗糙度相关参数,如高度平均值、相关长度和均方根高度,进而生成随机数值表面.并结合实测的抛光花岗岩表面粗糙度相关参数进行模拟,其表面状态符合Gauss分布规律.     

基于小波分析方法的股指期货和现货市场关系研究

基于小波分析方法,利用5min高频数据研究了沪深300指数和沪深300股指期货的关系.通过小波分解方法将两市场收益率序列作信号分解,研究发现,在各尺度下股指期货市场的波动性都大于股票市场的波动性,同时随着尺度的增加,两市场的小波相关系数增加,即联动性增加.各尺度的格兰杰因果检验表明,期货市场与股票市场之间存在波动溢出效应,但溢出效应是单向的,即只存在期货市场向股票市场的溢出效应.     

基于小波协方差的中国股市波动序列相关性的实证分析

在综述相关系数与概率中变化协调的相关性度量方法基础上,提出了基于小波协方差的相关性度量方法,并对沪、深股市波动序列之间的相关性进行了实证分析,结果表明沪深股市波动序列在整体上具有一定的正相关性,不同尺度下沪、深股市波动序列之间的相关性不同,小尺度下相关性小,因此以小尺度为基准,采用组合投资分散风险较好。     

金融危机前后中美金融市场溢出效应研究

采用VAR-GARCH-ECCC模型,选取上证综指、标普500以及美元指数3个市场指数,研究金融危机前后两个时期中美金融市场间收益和波动溢出效应.结果表明,与金融危机前相比,危机后存在显著的均值溢出现象,具体表现为上证综指和标普500之间的双向均值溢出和美元指数对上证综指的单向均值溢出.虽然上证综指和标普500以及美元指数之间的波动溢出效应在危机前后均不显著,但其相关性显著加强.     

基于ARMA-EGARCH-M模型的沪深股市波动性分析

文章讨论了ARCH模型族的拟合波动性的优缺点,建立ARMA-EGARCH-M模型,简要说明了此模型的优点;以2000年1月11日-2006年3月15日上证综指和深证成指收盘价为样本,对我国沪深股市收益率分布用ARMA-EGARCH-M模型进行拟合分析,结果表明该模型能更有效地拟合我国沪深股市的波动性;最后解释实证结果和分析了我国股市的行为。     

多重分形在日韩汇率市场中的应用

汇率是国际贸易中非常重要的调节杠杆,是反映一国经济稳定程度的指标.在经济全球化的今天,汇率的波动直接影响着一系列金融市场的重大问题,探讨汇率的波动性及相关性对生产生活实际有重要作用.在对多重分形理论及多重分形方法改进和完善的基础上,对国际汇率进行了实证研究,主要内容如下:1)利用多重分形消除趋势交叉波动分析(Multifractal Detrended Cross-Correlation Analysis,简称MF-DCCA)方法对汇率的互相关性进行定量描述,求出多重分形广义的Hurst指数h(q),我们发现h(q)随q的变化而变化,也就是说汇率的相关性是非线性的,呈现多重分形的特性;2)基于滑动窗的方法分别计算单个序列和两个序列之间的普通Hurst指数随时间变化对应值,观察普通Hurst指数随着时间的演化特点,发现JPY/USD与KRW/USD时间序列各自的Hurst指数在0.5附近游走,而JPY/USD-KRW/USD的Hurst指数更多时候大于0.5,这说明两条汇率时间序列的波动具有很强的相关性.     

证券市场的有效性研究

随机选取沪，深两市各25家上市公司的日收盘价的收益率为样本，通过正态性检验，自相关性检验等各种统计量的分析研究，研究结果：收益率序列呈显著的尖峰厚尾及非正态性分布，并呈现出很高的序列相关性，由此得出结论，沪，深两市还未达到弱式有效。     

股票市场的复杂性与有效性(英文)

对金融市场提出有效性指标和复杂性指标,利用"滑动窗技术"研究了上海和深圳股票市场有效性与复杂性之间的关联.结果显示,上海股票市场的复杂性和有效性之间以及复杂性之间存在双向的Granger因果关系,深圳股票市场亦是如此;两个市场的有效性之间存在双向的Granger因果关系,两个市场的复杂性之间亦是如此;上海股票市场的有效性之间以及复杂性之间相互影响强于深圳股票市场,两个市场有效性之间的相互影响强于复杂性之间的相互影响.论文的实证结果支持了刘维奇关于金融复杂性可以改进金融市场效率的理论研究的论断.     

中国与海外股指的混沌特征的比较实证

通过深沪综合指数的5天收益率分布规律以及用R／S方法研究收益率序列得出这样的结论,即深沪综合指数的收益率不服从正态分布,并且收益率是负斜,呈现出胖尾和峰态;中国股票市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为;深综指的赫斯特指数H为0．87,非周期循环为16周(4个月),而沪综指的赫斯特指数H为0．85,非周期循环为25周(6个月)。也就是中国股市呈现出长期记忆等非线性的混沌特征。