深成指数的R／S分析

应用R／S分析法(rescaled range analysis)，即重标极差分析法，分别对深成指数日收盘价的对数日收益率和对数日收益率AR(1)残差进行分析，得到两个不同的Hurst指数和两个相同的非周期循环。取由对数日收益率AR(1)残差进行分析得到的Hurst指数为深成指数Hurst指数的估计值，因其Hurst指数大于0．5，深成指数的日收益率不遵循相互独立的随机游走假设，而是一个具有持久性的时间序列，并有大约120个交易日非周期循环。     

我国银行间同业拆借利率的非线性分析

运用R/S方法研究中国银行间同业拆借利率序列得出中国银行间同业拆借利率序列不服从对数高斯分布;中国银行间同业拆借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,市场表现出一定的趋势行为;中国银行间同业拆借利率序列的赫斯特指数H为0.68。也就是中国银行间同业拆借市场呈现出长期记忆等非线性的混沌特征。最后,对中国银行间同业拆借利率时间序列进行相空间重构,并计算出其关联维数。     

沪铜期货市场长记忆特征的R/S分析

利用重标极差(R/S)方法,对沪铜期货不同时间标度收益率序列的长记忆特征进行分析.分析结果表明,沪铜期货表现出持续性的状态,价格具有长记忆性.同时,沪铜期货市场日收益率、周收益率存在长度不同的平均循环周期;但月收益率没有检测到类似的循环周期.这表明沪铜期货的周期特性与时间标度的选取方式存在一定的联系,进一步证明了沪铜期货价格的长记忆性.     

基于分形V/S技术的沪深股市长记忆性研究

将Cajueiro和Tabak提出估计Hurst指数的新方法即V/S分析引入我国沪深股票市场非线性特征的研究.比较研究表明V/S分析不易受短期相关性的影响,较R/S分析更为稳健和有效.通过对沪深两市综合指数的日收益率和周收益率序列的V/S分析,得到沪深两市的Hurst指数均小于0.5,这表明我国股票市场呈现出反持久性特征而不是长记忆性.     

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     

中国股市长记忆检验的滑动分块自助法仿真

提出基于滑动分块自助的GPH(Geweke,Porter-Hudak)检验方法,并检验沪、深股市的各种收益率序列的长记忆性.结果表明,沪、深两市的日指数收益率序列是一个I(0)过程而非长记忆过程.然而,沪、深两市的绝对值收益率和收益率平方序列却是一个分数差分过程,沪市的绝对值收益率和收益率平方序列的分数差分值大约为0.30,深市的绝对值收益率和收益率平方序列分数差分值大约为0.35.即深市的长记忆性强于沪市,同时也说明上海股市的运行效率要高于深圳股市.     

上证指数和沪深300指数序列的R/S实证分析

运用重标极差分析法（R/S分析法）,分别研究上证综合指数和沪深300指数的日、月收益率数据序列以及开盘价、收盘价、最高价和最低价的股价时间序列的分形结构特征.给出了这些时间序列的Hurst指数、平均循环长度、相关指标和分形维数等分形特征量.实证分析结果表明,两个证券市场具有明显的分形结构,市场存在状态持续性,价格呈现周期性,4种形式的股价时间序列的分形维数具有近似同一性等特征.     

中国股市投资组合收益分布的实证研究

采用随机等权重有放回抽样方法 ,以周收益率为指标 ,以沪深A股为样本股 ,对组合收益率时间序列的分布特征进行实证研究 ,发现组合收益率序列并不呈现出正态分布的情形 ,并且随着组合数的增加 ,组合收益率序列的尖峰厚尾特征并没有显著改善 ,说明用方差来刻画组合收益率风险特征并不合适 .为此用GeneralizedAutoregressiveConditionalHeteroskedasticity(GARCH)模型对组合收益率时间序列进行了模拟 .     

基于EGARCH-M模型的沪深300指数周末效应研究

将EGARCH模型和GARCH-M模型相结合,建立了基于学生t分布的EGARCH-M模型,在综合考虑沪深300指数收益率序列的波动性和杠杆效应等问题的基础上,分析了周末效应对沪深300指数收益率序列的影响程度。通过分析得出沪深300指数总体平稳并呈现ARCH效应,序列不仅具有波动性和杠杆效应,同时有显著的周二正效应,周四负效应,且周二、周四的超额收益率都包含了当天的风险补偿,周一、周三、周五则没有周末效应。     

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。     

香港国企H股与沪深股市股指收益率波动特征及其关系研究

选取香港国企H股指数、上证指数和深圳综指2003年2月26日至2006年5月12日的股票日收盘指数作为样本,运用TARCH模型研究收益率波动的特征.结果表明:三市指数收益率均存在信息不对称效应,但沪、深股市比香港国企H股波动剧烈.运用Johansen多变量协整关系检验及Granger因果关系检验.结果发现,它们之间存在着长期稳定的协整关系.香港国企H股与内地股市关系密切,香港国企H股的变动会对沪、深股市产生影响,而沪、深股市的变动不会对香港国企H股产生影响,同时上海股市的变动也会对深圳股市产生影响,但深圳股市的变动对上海股市影响不大.     

基于DFA的股价指数自相关分析

以股价指数的自相关函数为时间序列,运用非趋势波动分析DFA方法研究我国股票市场的长期相关性,结果表明,上海股票市场和深圳股票市场在跨时间尺度的股价指数之间存在着相关性,呈现为持久性的时间序列,随机游走不再适用,股价指数的有偏随机游走是当下投资者对信息反应生成的,由于市场信息不具有同质等量分布,造成交锗 对信息理解的差异,信息不能瞬间或及时反映到股票价格中,存在着复杂滞后交易,导致了股价指数的有偏随机游走。     

基于马氏链的股指期货合约指数的预测

采用马氏链模型对我国股票指数期货四种合约的每日收盘价格进行短期预测,发现该模型对当月连续合约、下月连续合约以及下季连续合约等三只合约未来五个交易日的预测准确率为100％,而隔季连续合约仅为40％.利用马氏链遍历性的平稳分布,给出长期市场环境下,股指期货发生在不同区间的概率分布,以及返回各个状态需要的平均时间.     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

利率波动对股票价格影响的实证研究

就利率如何影响股票价格进行了理论分析,并利用上海证券交易所7天国债回购利率与上证指数数据进行了实证研究,发现中国的股票价格与利率之间存在共同的长期趋势,利率的目度波动领先股票目收益率的变动。对此现象．给出了一些相应的经济解释和政策建议。     

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GARCH模型的沪深股市分析

利用我国沪深股市2007年7月1日至2010年7月1日的收盘指数,对沪深股市的波动性、收益率及其相关性进行了实证分析研究。研究表明,沪深两市具有明显的GARCH效应,而且两市之间具有联动性。     

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．