中国股市的日内效应、长记忆性及多重分形性:基于价-量交叉相关性视角

与以往仅针对价格或交易量某单一序列的实证研究不同,从价-量交叉相关性视角,以金融危机期间中国股市每1分钟高频数据为研究对象,对其日内效应、长记忆性及多重分形性等异象性特征进行了研究。首先,对我国股市的日内效应进行了检验,发现该日内效应表现为"U"型形式。进一步,运用DFA和DCCA方法,研究了中国股市价格和成交量序列的长记忆性及交叉相关性特征。最后,运用MF-DFA和MF-DCCA方法对中国股市价格及交易量序列进行了多重分形分析和多重分形交叉相关分析。上述研究结果表明,中国股市价格序列与交易量序列不但自身具有显著的长记忆性及多重分形特征,且股市价-量关系之间也存在着显著的长记忆性和多重分形特征,即金融市场的价格变动不但受价格变动本身的影响,还会受到交易量变动的影响。这说明,对股市行为的分析应将价、量作为一个有机整体来全面考虑,而不是进行单独量化。     

基于多重分形谱的神经网络建模及股价指数预测

基于多重分形理论,对上证指数进行实证研究,确认了多重分形谱参数与股价指数及股指收益率之间的统计关系,以此确定神经网络的输入、输出变量来构建以多重分形理论为依据的神经网络模型,并将其应用于股价指数的预测中.结果表明,该神经网络模型能够取得比较好的预测效果,预测的平均准确率达98.9%,而且该模型能够较好地模拟股市的短期走势,对防范和控制风险具有现实意义.     

基于MF-DFA的国际原油价格多重分形特征研究

运用多重分形消除趋势波动分析方法(MF-DFA)和多重分形谱分析方法,研究了1987～2008年美国西德克萨斯轻质原油(WTI)和欧洲北海布伦特原油(Brent)价格波动的多重分形特征.研究发现国际原油价格市场具有标度不变性特征,广义Hurst指数和广义R閚yi维数都随阶数的变化而变化,证明了国际原油价格市场存在显著的多重分形特征.研究还发现Brent原油比WTI原油具有更强的长程相关性和更宽的多重分形谱,两次海湾战争期间国际原油市场多重分形谱的变化明显.     

中国金属期货与现货市场多元交互关系的多重分形分析

本文主要运用分形分析法研究我国金属期货与现货市场之间多元交互关系的复杂性特征.首先将广泛使用的多重分形去趋势交互相关分析法(MF-DCCA)推广至多元情形,提出了多元多重分形去趋势交互相关分析法(MV-MFDCCA).然后,利用MV-MFDCCA等多重分形分析法,从系统论的视角,实证研究由我国铜、铝、锌三种基本金属的期货与现货日收益率序列所构成的两个系统之间的多元交互相关关系.结果表明,金属期货与现货系统内部及系统之间均存在长程幂律交互相关关系和多重分形特征,并且现货系统及其分量的自相关和交互相关关系的多重分形强度均大于期货系统及其对应分量的多重分形强度.此外,在大波动情形下,期货系统与现货系统之间的交互关系主要受铜的期货与现货之间关系的影响,而在小波动情形下,主要受锌的期货与现货之间关系的影响.     

日中两国不同经济时期股市的多重分形分析

在不同的经济发展时期, 股票市场波动会呈现出不同的动力学特征. 鉴于分形理论在描述股票价格波动特性时具有许多优势, 应用多重分形消除趋势波动分析(MF-DFA) 对日本七个经济时期以及中国股市自建立以来三个经济阶段的股票市场指数进行实证研究. 结果显示: 不同经济发展时期日中两国的股票市场均具有明显的多重分形特性; 但各自不同的经济时期多重分形特性差异显著, 且与当时经济发展的状况存在着一定联系. 接着运用自组织特征映射(SOM)神经网络对日本七个经济时期股市的多重分形特性进行分类, 验证了多重分形消除趋势波动分析(MF-DFA)可以较准确地刻画出不同经济时期股票市场的动力学特征. 最后, 通过对比日中两国不同时期股票市场的多重分形性, 得出一些对中国经济发展有益的启示.     

强沙尘暴时序的标度不变性分析

强沙尘暴规模的时间序列具有复杂的波动性.运用多重分形消除趋势波动分析法分析我国北方近49年来的强沙尘暴序列.发现序列具有长程相关性;并确认强沙尘暴是多重分形过程,进而得出序列的多重分形谱.在此基础上,探讨了序列长程相关性和多重分形特征与强风、沙源和热力不稳定等我国北方强沙尘暴形成的主要因素之间的联系.     

上海证券市场的多重分形特性分析

作者将多重分形分析的三种方法(配分函数分析法、奇异谱分析法和多重分形趋势消除波动分析法)应用于我国上海证券市场在过去七年中的收盘指数序列,分析了不同时间标度对多重分形特性的影响.结果表明:上海证券市场具有弱多重分形特征,标度不变性达到六个数量级;多重分形的形状不随时间标度的改变而改变,但其强度随标度的减小而减弱;随着配分阶数的增大,多重分形随之增强,奇异谱曲线越来越粗糙,广义赫斯特指数逐渐减小.这些结果为进一步研究证券市场价格变化的动力学机理提供了坚实的实证基础.     

基于多重分形谱的局域网流量预测

基于非线性动力学理论,采用多重分形谱参数对局域网流量进行预测分析.首先,构造出实际局域网流量的多重分形谱并研究其谱参数的物理含义.然后,分析了多重分形谱参数与网络流量的关联关系.最后,采用多重分形谱对局域网流量进行了预测.研究结果显示,多重分形谱参数与网络流量的变化存在一定的关联性,采用多重分形谱可在一定程度上对网络流量的变化趋势进行预测,并且流量的波动量越大,预测的结果越准确,可预测的时间越长.     

基于WPTMM的PM2.5与气象条件关系的联合多重分形分析

PM2.5是影响空气质量的主要污染物,PM2.5污染浓度与气象条件关系密切,研究气象条件对PM2.5浓度的影响对改善城市空气质量有着重要意义.鉴于分形和小波在处理复杂非线性系统时的优势,本文提出了基于小波包变换模极大值(wavelet:packet transform modulus maxima,WPTMM)的联合多重分形,首先对变量序列进行小波包分解,使用模极大值进行去噪,然后构造联合配分函数,最后计算联合多重分形谱,分析两个变量之间的分形相关性.该方法将单个变量的多重分形扩展到两个变量的联合多重分形,并且利用WPTMM计算联合多重分形谱降低了计算复杂度,同时去除噪声的影响.用本文方法分析北京、香港PM2.5浓度与各气象要素之间的关系,实验结果表明,该方法能够有效地分析各种气象要素在不同季节中对PM2.5浓度的影响.     

多重分形理论在股市大幅波动中的应用

运用多重分形谱方法对上证指数大幅波动前后各时段高频数据的实证研究发现,不同时段其多重分形谱形状及多重分形谱参数的变化具有一定规律,即指数发生大幅波动时,其多重分形谱图形的开口变至最大,其参数值也有显著性的变化.为了验证上述实证结果的普遍性,提出运用滑动时间窗的思路,将每连续5个交易日的高频数据进行多重分形统计分析,并将其与股指波动进行对比.结果发现,在股价指数发生大幅波动的情况下,多重分形谱参数具有较明显的变化特征,这为进一步描述股票市场的复杂性规律提供了依据.     

股市交易量与收益率的关联分析

以深圳成分指数股1998年1月5日至2004年4月1日交易数据组成分析样本，研究不同交易量的股票组合收益率的变动。通过划定51个观察区间、形成不同的投资组合，检验持有若干时期后各组合的收益率。结果表明，在短时间内(1天、5天)，高成交量伴随着较高的收益率，但是在相对较长的持有期后，低成交量常常伴随着较高的收益率，而且统计结果非常显著。这可能缘于中国股票市场上特殊的投资者结构，体现散户和大户之间的博弈。     

基于价格强度模型的量价关系与交易策略研究

本文将股票日内高频价格序列分解为价格上涨事件和价格下跌事件,采用价格强度模型刻画股票价格的动态特征,并捕捉日内微观尺度下交易量对股票价格的影响.研究结果表明,交易量对价格起助涨助跌的顺势推动作用:上涨后放量有助于进一步提高股票价格,下跌后放量则进一步压低股票价格.此外,交易量的影响具有不对称性,上涨时的助涨效应较下跌时的助跌效应更为明显.基于价格强度模型设计的高频交易策略可以获得显著的超额收益,表明A股市场仍然不是弱式有效市场.相比于纯价格数据,交易量数据具有预测价格的额外信息.本文为高频价格动态研究提供了新的建模分析框架,同时为日内量价关系和市场有效性问题提供了新的证据.     

基于股市和汇市成交量信息视角的股价波动预测

以往研究忽略了汇市成交量包含的信息对股价波动的影响,可能导致模型参数的有偏估计.基于泊松分布的随机波动率模型不仅可有效解决传统做法对成交量信息使用不足的问题,而且通过将汇市成交量信息引入模型,与现有文献形成有益补充.通过SMC算法编程实现了SV-VOL模型的有效估计,发现股市成交量信息有助于股价波动预测;汇市成交量信息是通过股市流入净资本这一间接渠道最终影响股票收益率与股市量价关系.     

基于MDH假说的中国沪深股市量价关系实证研究

GARCH类模型在研究股票市场量价关系时得到了广泛的应用。本文基于一种新的GARCH模型，把股市的波动分解为长期波动趋势和短期波动成分，验证中国股票市场是否符合研究量价关系的主流理论——混合分布假说理论，并得出中国股票市场波动的一般性及特质性。其研究结论对监管机构把握股市的运行规律，制定合理有效的监管政策具有重要的指导意义。     

基于投资者关注的股价走势预测与交易策略设计——股票间交叉模式视角

股票搜索量作为投资者关注的重要代理变量,其变动情况与该股票价格走势的关系得到了学界与业界的广泛关注.另一方面,股票间的价格同步性一直是股票市场中人们重点关注的话题.基于此,本文在个股层面探究了相关股票搜索量变动与目标股票价格走势的关系模式,利用延迟时态关联分析提出了发现股价预测规则的方法,并进一步设计了个股层面的交易策略.同时,本文以我国A股市场股票为研究样本,针对特定场景检验了个股层面交易策略的效果.实验结果表明:利用相关股票搜索量与目标股票价格的关系,可以获得显著的超额收益.     

中美股市配对因子实证分析

量化交易是指借助现代统计学和数学的方法，利用计算机技术进行交易的证券投资方式。配对交易和多因子选股是典型的量化交易策略。配对交易是基于统计套利，利用两个资产的短暂价格偏离，进行风险对冲以获取两个资产的Alpha收益，其核心假设是配对资产的价差具有均值回复性。多因子选股则将多个具有逻辑背景的因子策略相结合，选取在各个因子上综合得分较高的股票构建投资组合，其核心是如何挖掘具有逻辑背景的因子。由于中美经济关联度很大，两国股市间存在着联动性。根据配对交易的思想构建美股-A股配对因子，利用该因子对A股进行选股，通过实证分析，发现配对因子对A股股票有较好的区分度，且与传统的选股因子存在较低的相关性。因此，根据配对交易思想构建的美股-A股配对因子可用于多因子模型进行选股。贡献在于提出了以往研究未提出的因子，通过实证研究证明了该因子的有效性。     

最小报价单位对我国股票市场流动性影响--基于高频数据的实证研究

最小报价单位是影响证券市场流动性的重要因素之一。利用上海证券交易所分笔交易数据，从价差、深度以及交易金额三个方面考察了最小报价单位对股票市场流动性的影响。实证结果表明，从总体上看．最小报价单位的变化将导致股票市场平均价差、深度和交易金额同向变化。按照股价大小将股票分组后发现：最小报价单位增加将导致低价股的价差和深度变大，交易金额减少；最小报价单位增大对高价股的价差没有显著影响，但会增大深度和交易金额，从而改善高价股的流动性。最后刺用“分改厘”后基金流动性的变化验证所得结论。     

影响股票达到涨跌幅限制的因素分析

运用广义矩估计GMM(thegeneralizedmethodofmoment)方法,对上海证券交易所股票达到涨跌幅限制的频率与影响股票价格的因素进行回归分析,以验证是否存在某些内在因素促使一部分股票比其他股票更频繁地达到涨跌幅限制.结果表明:波动性大和交易频率高的股票达到涨跌幅限制的频率较高.另一方面上海证券交易所10%的跌幅限制是限制了临时波动,对基本波动没有影响;而10%的涨幅限制既限制了临时波动,也限制了基本波动,从而使得价格发现过程受到干扰,影响了股票的合理定价.     

基于序次Probit模型的离散股价研究

分析股票日内价格行为需关注高频分笔交易的价格离散特征.本文使用沪市个股高频分笔交易数据,采用序次Probit模型对离散股票价格建模分析.结合我国股市限制卖空与订单驱动的制度背景,考察了交易时间间隔、交易量和订单信息对价格变动的影响.研究结果表明,序次Probit模型可捕捉价格离散特征.较长交易时间间隔可能预示坏消息,使股价下跌.相对于卖方交易量,买方交易量更具有信息含量.订单信息影响价格变动,买方较多时股价上涨,卖方较多时股价下跌.     

Liquidity dynamics around intraday price jumps in Chinese stock market

Using 4128 single jumps detected from high frequency data of 220 individual stocks in SZ300P index, this paper investigates the liquidity dynamics around price jumps in Chinese market. Some interesting empirical results are obtained and the corresponding explanations are given. The frequency of positive jumps is quite higher than that of negative jumps. The trading volumes and average trade sizes are all in a high level around positive jumps. The relatively low liquidities around negative jumps show that negative jumps may be generated and enlarged by poor liquidity provision. The price reversal after price jumps is significant, and price reversal lasts longer after positive jumps. Moreover, the size and direction of jumps are significantly correlated with the returns and trades in the post-jump trading time. These findings are believed to be associated with the high proportion of retail investors and their herding behavior for price trend chasing.