基于R/S分析的中国股票市场分形特征研究

讨论分析时间序列分形性质的重标极差(R／S)方法，对中国股票市场的分形特征进行研究。通过分析深圳和上海两个股票市场在不同时间标度下的收益率序列的Hurst指数和平均循环长度，得到两个市场是分形市场、更大的时间标度能更清晰地表现出市场的趋势的结论。     

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.     

金融市场的效率与分形市场理论

简要回顾了通常描述金融市场效率的有效市场理论并指出其缺陷 ,将非线性系统理论中的分形理论引入金融市场有效性的研究 ,阐述了分维时间序列的经济涵义以及分形市场理论 ,并指出分形市场理论提出的意义 .最后给出实证研究 .     

中国股票市场的标度突变现象及其特征研究

以上证指数为例,运用MF-DFA方法对其进行多重分形消除趋势波动分析.结果发现该时序在整个标度范围上存在交叉突变现象,其交叉突变点将整个时间标度分为两个部分,每一部分具有不同的多重分形特征及标度指数.进一步地,对每一部分多重分形特征成因进行分析,发现股票市场的多重分形特征是由波动的相关性及厚尾的概率分布共同作用的,其中收益序列的波动相关性是形成多重分形特征的主要原因.最后,提出股票市场监管的几点启示.     

分形理论在沪深股市研究中的应用

为了考察分析股票价格运动是随机、均衡的行为还是复杂、非线性的行为,本文通过对中国股市的实际数据进行实证分析,发现按照不同的统计尺度,上证综合指数和深圳成份指数具有整体和部分特征相同的一致性特性,体现出了系统的自相似性,并且呈现出尖峰胖尾的列维稳定分布特征。同时,计算出了上证综合指数和深圳成份指数每日收益序列的分形维数,二者均为分数维数并且数值为1.5~2,这些结论从一定程度上一致地证实了我国两个股票市场确实存在内在的分形性质。     

证券市场的标度理论及实证研究

运用分形理论探讨证券市场的自相似性与标度不变性 ,分析三种标度指数 ,即自相关指数、Hurst指数、基于 DFA算法的标度指数 .基于标准差时间序列改进 Hurst指数 ,将 DFA推广为动态递推算法 .利用三种标度指数对国内沪深股市进行实证研究 .结果表明 ,沪深股市收益率均不服从正态分布 ,在跨时间尺度的股价指数之间存在着相关性 ,表现为分形时间序列 ,说明其背后所隐含的政策导向影响中国股票市场的特征 .     

单支股票市场的元胞自动机模型及其动力学研究

在基于投资分析的股票市场演化元胞自动机模型的基础上．建立了兖州煤业股票市场的单支股票元胞自动机演化模型，并以演化模型产生的股价指数序列为研究对象进行了动力学分析。通过考察股价指数序列在重构相空间中的轨迹，我们发现了股票市场中的混沌现象；通过相空间的分形维计算．说明了建立股票市场的动力学方程是有可能的；根据模拟模型和现实市场的对比分析，进一步证实了基于投资分析的股票市场演化元胞自动机模型，在模拟股票市场复杂性方面的可行性。     

事故关联维数的分形特征分析

研究工作基于分形理论,应用G-P算法,通过对常州某股份有限公司事故时间序列的分析,构建了n维相空间,并利用关联维数的基本原理,对事故时间序列进行了分形特征分析.研究结果表明当嵌入维数达到10以后,该事故动力学系统具有稳定的关联维数4.1,说明至少有4个因子在影响着事故时间序列的动态变化,并且该系统的有效自由度为10.研究对建立事故时间序列的预测模型有较大的参考价值.     

基于小波分析的股市波动的多重分形辨识

以上证指数和深圳成分指数日收盘价的时间序列为样本,利用小波分析方法剔除序列的噪声干扰,对序列保留的波动趋势进行多重分形辨识.通过 WTMM (小波变换模极大)计算配分函数,尺度函数和多重分形谱等,全面细致的量化了序列的局部及不同层次的波动奇异性.计算结果表明:去除噪声干扰后, 中国现行证券市场的波动呈现显著的多重分形特征.     

基于高频数据的沪深股票市场的相关性研究

以往的文献对于股票市场之间的相关性研究大多是基于低频数据的.本文则采用高频金融数据,对上海和深圳股票市场的相关性进行研究.首先提出了基于高频数据的赋权已实现变差估计量和赋权已实现协变差估计量.然后,给出了基于赋权已实现变差和赋权已实现协变差的金融市场之间相关系数的定义.最后,采用Bayes 方法来检测相关系数时间序列的变结构点,来发现金融市场间的相关性是否存在显著变化.通过对上海和深圳股票市场进行的实证研究发现,两个市场的相关系数在变结构点存在显著变化.     

证券市场信息耗散尺度及其机制研究

刻画了混沌经济系统信息耗散尺度.计算深圳股指日、周、月对数收益率时序的关联维数、二阶Renyi熵及最佳嵌入维数.结果表明文中的参数选取及算法应用是好的.比较了不同时序K2熵的性态,研究了信息耗散尺度指标演化规律及其形成机制,解释了存在与经济系统信息耗散尺度演变背后的经济学原因.研究结果表明对正相关分形时序(FBM)在较长的时间间隔内用较大的尺标观测将导致信息加速丧失,而负相关FBM正相反.     

基于元胞自动机的股票市场复杂性研究——投资者心理与市场行为

在建立了基于元胞自动机的股票市场仿真模型的基础上,运用分形结构特征变量和稳定性变量来刻画股票市场的复杂性特征,考察了投资者从众行为这一投资心理与市场复杂性特征变量的相关关系.在股票市场稳定性特征中提出了离散度概念,用于度量市场的稳定性.研究表明,股票市场的复杂性特征变量与投资者心理存在着明显的相关关系     

论证券市场的复杂性:以上海股票市场为例

突破了传统证券市场理论研究的线性框架，以上海股票市场为例，探讨了证券市场的复杂性问题及其理论与实践意义。在讨论证券市场系统之分形特征及其演化平均轨道周期的同时，分析了用自相关函数及李雅普诺夫指数等来研究证券市场复杂性之适应性，并从理论上进行了实证，最后，结合复杂性理论在证券市场研究中的应用，认为在证券市场研究中，协同市场假定，小波理论及自组织临界理论等将成为证券市场复杂性研究的发展方向。     

Complex system analysis of market return percolation model on Sierpinski carpet lattice fractal

This paper investigates the statistical behaviors of fluctuations of price changes in a stock market.The Sierpinski carpet lattice fractal and the percolation system are applied to develop a new random stock price for the financial market.The Sierpinski carpet is an infinitely ramified fractal and the percolation theory is usually used to describe the behavior of connected clusters in a random graph.The authors investigate and analyze the statistical behaviors of returns of the price model by some analysis methods,including multifractal analysis,autocorrelation analysis,scaled return interval analysis.Moreover,the authors consider the daily returns of Shanghai Stock Exchange Composite Index,and the comparisons of return behaviors between the actual data and the simulation data are exhibited.     

基于风险应对的股票市场恢复力度量与优化

把握股票市场在风险条件下的整体状态变化特征是保障其平稳运行和健康发展的关键.本文运用复杂系统分析方法,研究股票市场风险应对问题.基于股票价格联动关系,建立股票网络,表征股票市场的微观结构关系.结合不同类型和级别风险的发生概率,构建股票网络恢复力度量模型,表征股票网络的宏观状态变化.以上海证券交易所股票市场为例,依据风险事件发生规律和股票价格变化机制,实例仿真剖析事前、事中和事后风险应对策略对股票网络恢复力的影响.结果显示,单个应对策略对不同类型风险的有效性各异.研究有助于把握股票市场运行规律,可为市场风险应对策略构建提供决策支撑.     

基于分形视角下的沪港股市投资组合策略

针对已有研究的不足,为满足不同交易周期投资者的实际需求,将分形研究方法与传统投资组合模型相结合,考虑多时间标度和不同波动幅度因素,构建了单分形投资组合模型(MeanDCCA)和多重分形投资组合模型(Mean-MF-DCCA).依托"沪港通"平台,采用构建的模型,进行沪港股市组合投资,并对样本外效果进行检验和分析.结果表明:沪港股市间结构存在着标度效应和长记忆性,且具有多重分形特征;与传统的投资策略相比,单分形投资组合策略能够取得更佳的组合效果;多重分形投资组合策略通过选择合适的q阶,实证表明将会明显改善单分形投资组合策略,增强投资方案的盈利能力、提高夏普比率以及为不同风险偏好投资者创造额外效用.此研究对资产优化配置、风险管理以及沪港股市间相依结构刻画等方面具有重要的实际意义.     

多种市场形态下人工股市特征性事实分析

研究不同市场形态下股票市场的特征性事实对理解股市运行有指导意义.构建了一个具有基础均衡、泡沫均衡、周期和混沌4种市场形态的多主体股市模型,并对其各种形态进行了计算机仿真实验,然后对仿真收益率序列统计分析.研究表明:4种市场形态均存在尖峰肥尾、波动聚集和长期记忆特性,其中以基础均衡状态最为明显,周期和混沌次之,泡沫均衡最弱.