汇率收益率短记忆性与长记忆性特征的研究

采用Q检验,经典R/S分析法以及ARFIMA模型对人民币和欧元汇率收益率序列的记忆程度进行研究,结果表明人民币汇率收益率虽然不存在显著的短记忆性,但长记忆特征比较显著,而欧元汇率收益率虽然存在短记忆特征,但不存在显著地长记忆性,说明了欧元外汇市场的成熟和人民币外汇市场的低效,因此,对两种汇率收益率序列的拟合预测需建立不同的数学模型.     

人民币与国际汇率的非线性特征研究

采用BDS检验和R/S方法揭示了2种人民币汇率和3种国际汇率日收益率序列是确定性分形序列.研究结果表明,上述汇率序列不服从正态分布和布朗运动,并且具有内在的非线性分形结构,人民币兑日元的汇率波动关联性比其它汇率的波动性高,反映出人民币兑日元汇率波动受历史信息的影响程度较高,其"长期记忆"特征也越明显,有助于进一步深入分析汇率的内在机理以及对汇率进行预测.     

沪深股票市场长程记忆相关性研究

针对上海和深圳的日收益序列,采用重标级差(R/S分析)对其进行了实证研究.从统计结果来看,样本序列呈现出尖峰、胖尾等有偏特征,明显不满足正态分布的假设,表明收益序列可能具有长程相关或记忆性.采用ARFIMA模型对沪深股市收益率的长期记忆性进行了检验,根据分段检验的结果,得出了一些我国证券市场有效性的结论.     

沪深两市股票指数的长记忆性

针对中国股票市场的长记忆性问题,讨论了分整自回归移动平均(Auto-regressivefractionalintegratedmovingaverage,ARFIMA(p,d,q))模型中的参数估计问题,重点集中在对分整参数d的估计。使用Hurst指数方法估计d,并分别用经典R/S方法、有偏修正R/S方法和无偏修正R/S方法进行估计,并结合上证指数和深证成指的收益率数据,给出了3种方法的估计结果。实证结果表明,中国股票市场已初步显示出了长记忆性。给出ARFIMA模型的最优阶数和全部参数估计值。得出了上证指数和深证成指收益率所适合的最优的ARFIMA模型。     

行业股票日收益率的长记忆性研究

运用修正R/S分析和V/S检验两种分析方法,对我国股票市场13个行业日收益率序列的长期记忆性进行了比较研究,得出了以下结论：在5%的显著水平下,农林牧渔业的日收益率在两种方法下均不具有长记忆性;传播与文化产业的日收益率在修正R/S分析中不具有长记忆性,而交通运输仓储业的日收益率在V/S分析下不具有长记忆性;除上述提到的行业外,其余行业的日收益率在两种分析结果下,均具有明显的长记忆性。     

人民币汇率收益率厚尾性研究

以2005年7月22日至2015年12月30日的美元兑人民币汇率的每日中间报价作为为研究对象,采用EGARCH模型过滤了收益率序列的非线性特征得到标准化的收益率序列,利用GPD分析方法对标准收益率序列的上下尾部的厚尾性进行了研究.结果表明人民币汇率收益率存在双侧厚尾的风险,且上尾比下尾的尾部风险更大.     

基于EGARCH模型的人民币汇率波动性研究

选取2005年7月21日至2010年5月14日间每个交易日的美元/人民币汇率中间价的高频数据作为样本数据,然后对样本数据进行平稳处理和ARCH效应检验,在满足GARCH建模条件下建立EGARCH(1,1)模型,实例检验和分析人民币汇率波动性.结果表明,2005年7月21日以来,人民币汇率收益率序列具有明显的尖峰厚尾特征...     

基于EMD和Elman网络的人民币汇率时间序列预测

为了改进神经网络的预测性能,更精确地预测人民币汇率,提出一种新的汇率时间序列预测方法,即利用基于经验模态分解(EMD)的Elman网络进行预测.首先对人民币兑美元的汇率序列做了非线性检验和非平稳性检验,然后对该序列进行经验模态分解,将得到的固有模态函数作为神经网络的输入变量,并在确定神经网络的关键参数后进行预测.实证结果表明,利用基于EMD的Elman网络进行人民币汇率预测能够取得更好的效果.     

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.     

石油价格的ARFIMA模型预测研究

经检验，石油价格波动具有长记忆性，而通常用于定量预测的ARMA模型是不考虑长记忆性的．应用考虑长记忆性的ARFIMA模型对石油价格进行了预测研究，预测结果表明，ARFIMA模型的预测结果要好于不考虑长记忆性的ARMA模型．     

上证指数收益率的长相依性分析及其欧式期权定价

对上证指数对数收益率的长相依性进行了统计检验并完成了相应的统计建模以及参数估计.完成了在此模型下的欧式期权定价设计,比较了具有长相依性质的模型下期权定价与经典的Black-Scholes模型下期权定价的不同点,分析了长相依性质对于期权定价的影响.统计检验采用的是经典的R/S分析法和修正R/S分析法,通过对上证指数收益率的时间序列进行了实证分析,发现上证指数体现出长相依性质.数值分析的结果显示分数布朗运动模型下欧式期权定价与经典Black-Scholes期权定价有很大的不同点,主要表现在分数布朗运动模型下的定价从时间的角度来看表现得更为平稳.     

IF1407合约的长记忆回归模型与投资策略研究?

在高频交易中,金融资产价格变化的时间持续期是交易者关注的重点.在以往的文献中,人们一般是用ARFIMA(p,d,q)模型或者ACD模型研究时间持续期.然而,我们在分析股指期货的高频数据时发现,时间持续期不仅与其自身滞后期相关,还与这期间内没有发生价格变化的交易次数和价格变化的具体值有关.因此,本文将ARFIMA(0,d,0)模型与回归模型结合起来,提出了时间持续期与其他因素存在线性关系的新模型,并且时间持续期还具有长记忆特征.我们试图用此模型研究高频交易中价格变化的时间持续期、持续期内没有发生价格变化的交易次数以及价格变化的具体值三者之间的关系.模拟结果表明我们提出的profile-最小二乘法能够较好地估计新模型中的参数.实证部分用我国沪深300股指期货的高频交易数据来说明新模型的应用价值.     

基于改进小波神经网络的汇率预测研究

选取2010-01-01—2010-10-31期间内,美元兑人民币的汇率基准价,以Morlet为母小波基函数,采用紧密结合的的小波神经网络对汇率基准价作非线性逼近,并在此小波神经网络基础上进行改进,并通过Matlab软件对原网络与改进网络的训练过程进行了数值仿真.仿真结果表明,改进网络模型对汇率基准价的预测是可行的,其预测精度更高.     

沪深300股指期货跨期套利价差的R／S分析

基于R/S分析应用Hurst指数和V统计量对于沪深300股指期货合约跨期套利价差的1分钟数据进行实证研究,得出其Hurst值在(0.4,0.5),平均循环周期在(8,20)分钟。这显示跨期价差具有较低程度反持续性的分形市场特征,由于套利行为的影响,过去趋势对于未来有相反作用,与股票现货市场的长期记忆性不同。