中国股票市场多标度分形特征的实证研究

混沌和分形是自然系统和社会经济系统中广泛存在的一种非线性现象。近年来许多国外学者通过对汇率、股票收益率、黄金价格等金融市场实证数据的分析，发现了这些数据所具有的另一种重要的非线性特征——多标度分形(Multifractal)特征。通过对中国股票市场的代表数据(上海证券交易所综合股价指数和深圳证券交易所成份股价指数)的实证研究得出类似的结论，并就金融市场多标度分形特征发现的重大意义作出评述与展望。     

中国股票市场混沌动力学预测模型

运用混沌动力系统理论对中国股票市场的上证综合指数、深证成分指数进行了初步的分析,表明上证综合指数、深证成分指数两个序列是由高维的混沌系统所产生.并对上证综合指数、深证成分指数两序列建模预测,结果表明,新预测模型比均值模型的预测效果好.     

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。     

基于小波与混沌集成的中国股票市场预测

应用小波变换和混沌理论提出了一种中国股票市场建模及其预测的小波与混沌集成的方法．首先应用小波分解理论对上证综指和深证成指日收益率序列进行分解，分别得到低频部分和高频部分，并在此基础上作进一步分析，结果表明中国股市存在混沌特性；然后应用混沌理论分别建立低频部分和高频部分的预测模型，对低频部分和高频部分进行预测；最后应用小波理论对混沌模型预测的结果予以重构，实现对原始收益率序列的预测．与现有方法比较，结果表明该方法具有较高的精度，有极大的应用前景．     

股票市场的流动性与混沌研究

从证券市场的微观结构角度,运用混沌经济学的方法,对股票市场的流动性及交易群体数量变动问题进行分析.建立交易者数量动态模型,给出维持市场流动性及买卖双方交易数量混沌状态的临界条件,通过调控影响不同交易群体数量的参数,探讨如何实现市场的流动性和均衡状态,并指出政策调控市场的可能性,最后给出股市交易群体变动的仿真计算.     

美国股票市场和债券市场的交叉相关性及其多重分形特征

借助于MF-DCCA方法探讨了美国股票市场和债券市场之间的交叉相关性及其多重分形特征。实证结果表明,美国股票市场和债券市场之间的交叉相关性在波动较小时期表现为弱持续性,而在波动较大时期表现为反持续性。并且这种交叉相关性具有时变特征和多重分形特征,受重大事件的影响。     

中国股票市场日内高频信息风险特征与实时测度

基于日内信息组成结构的时变特性,推导时变知情交易概率的非参数计算表达式,并构建测度日内高频信息风险的方法。应用此方法绘制上证50ETF产品2009年日内高频信息风险分布图。基于此测绘结果,对2009年7月29日该产品发生尾盘暴跌当日及其前后两日的高频分笔交易数据进行滚动跟踪测算,证明本文模型能够实时捕捉不断变化的信息风险状态,对由有毒信息流引起的资产价格突变具有预测功能。     

中国证券市场的非线性特征与分形维分析

采用Cao方法清楚地观测到中国证券市场的月收益率序列是确定性混沌序列,而日收益率序列和周收益率序列却接近于随机波动信号,不适宜做分形维的研究.对我国股市各指数分别作了分形维计算后,同时用替代数据法进行非线性检验,拒绝了中国股市为线性过程的可能性,从而保证了非线性前提下分维数结果的可靠性.结果显示:深证A股市场最为复杂,需要五个变量来建立动力学模型(D2=4 6150),而上证A股需要四个变量来建立模型(D2=3 2411).因此,深圳股市的效率弱于上海股市.而我国B股市场已经接近于发达国家股市的复杂性程度(D2=3 3195(上B);D2=2 5875(深B)),说明B股的效率比A股的效率高.     

中国股票市场长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳的周和日收益序列,采用非线性估计方法提高R/S系列分析估计H参数的精确度.并用ARFIMA模型对沪深股市的收益率的长期记忆性进行了检验,根据分段检验的结果,得出一些中国证券市场有效性的结论.     

中国股市复杂网络中的分形特征

利用阈值法构建中国股市复杂网络模型,从时间和空间两个角度对中国股市复杂网络的分形特征进行分析.首先利用分形几何学对静态网络进行分析,得到静态网络的分形维数,并发现其分形维数随着网络阈值的增大而减小.再利用R/S分析方法对中国股市复杂网络聚集系数时间序列进行分析,发现其具有长记忆性和持久性,且在长时间窗口下这一性质更值得信赖.H值大致呈现出随着时间窗口和阈值的增加而增加的规律.周期天数n呈现出随着时间窗口的增加而增长,随着阈值的增加而下降的规律.这说明在实际市场中,长时间窗口和高联系度股票产生的交易者群体行为惯性更强,长时间窗口和低联系度股票产生的交易者群体行为惯性的持续周期更长.这些研究成果表明了证券市场时间和空间两个维度的内在联系.     

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.     

卖空交易与异质信念:基于中国股票市场的证据

Miller认为开放卖空交易将引入异质信念,悲观投资者的预期通过卖空交易释放到市场中,从而缓解股票定价过高的现象.本文利用我国股票市场5次主要融资融券名单调整的数据对这一假说进行检验,发现市场中异质信念在卖空交易开放后显著增强,异质信念的引入对股票定价过高产生一定的缓解作用.此外,由于我国同时引入了融资交易和卖空交易两种机制,本文对两种交易机制进行检验,排除融资交易的影响,最终确认卖空才是引入异质信念和缓解股票定价过高的主要原因.本文研究结果表明卖空交易对提高中国股票市场质量具有促进作用.     

混沌逆滤波与分形参数在目标检测中的应用

对目标跟踪的雷达测量数据进行处理 ,说明了通过混沌逆滤波可以找到观测数据中隐藏的工程背景中的动力特性 ;并且利用分形布朗运动 ( FBM)模型研究测量残差数据 ,其分形特性反映了目标的物理性质 .给出了混沌滤波器在提高雷达数据信噪比和分形参数在目标特性检测中的应用方法.     

中国股票市场的收益与波动关系

在考察现有的2种收益与波动关系模型(GARCH-M和SV-M)差异的基础上,运用更具理论优势的SV-M模型,研究了实行涨跌幅限制制度前后中国股市收益与波动关系的不同状况,并结合波动反馈效应理论,探讨了中国股市预期收益与波动之问的跨期关系.研究表明:中国股市的收益与同期波动之间存在负相关关系,这一关系在实行涨跌幅限制制度后变得更为显著;中国股市存在波动反馈效应,且预期收益与波动之间的跨期关系为正;涨跌幅限制制度不仅限制了沪深股市的暴涨暴跌现象,而且增加了股指收益率的自相关性和波动的持续性.     

中国股票市场报酬与波动的GARCH-M模型

运用 GARCH-M模型对上海和深圳股票市场的市场波动特征以及市场波动和报酬间的关系进行了实证研究 ,探讨引起我国股票市场波动较大 ,收益相对较低的原因 .同时分析涨跌停板交易制度对市场报酬和波动产生的影响 .     

中国股票市场与房地产市场的联动关系

利用变点检验、线性和非线性Granger因果检验的计量方法研究了房地产市场化改革完成后中国股票市场和房地产市场的关系。实证结果表明:上证综合指数和国房景气指数均为分段趋势平稳序列,外生冲击对二者只有短暂的影响;从房改完成后的历史数据来看,房地产市场在一定程度上成为中国国民经济的晴雨表,正在完善之中的中国股票市场与宏观经济走势的联系仍不十分密切;两者的互动关系表现为股市是房市的线性Granger先导,而房市在一定程度上对股市有滞后的非线性Granger的引导作用。     

中国股票市场流动性与收益动态关系研究

应用向量自回归(VAR)方法和格兰杰非因果性检验等计量经济方法,研究了中国股票市场流动性和收益的动态关系.研究表明,随着中国证券市场的发展,市场流动性特征也在发生变化,2002年中国股票市场出现了"非流动性溢价"现象.     

基于EMD与神经网络的中国股票市场预测

应用EMD分解算法、混沌分析和神经网络理论提出了一种中国股票市场建模及预测的EMD神经网络模型.首先应用EMD分解算法把原始股市时间序列分解成不同尺度的基本模态分量,并在此基础上进一步分析, 表明中国股市存在混沌特性;再经混沌分析和神经网络进行组合预测,提高了模型对多种目标函数的学习能力, 有效提高了预测精度. 实验表明:与现有方法相比, 该方法具有较高的精度.     

中国股票市场的弱式有效性检验:基于单位根方法

中国股票市场是否达到弱式有效一直是理论界讨论的重要课题，具有重要的理论价值和实战意义。由于股价指数时间序列的单位根检验能够满足鞅假定的要求，故较之随机游走检验对股票市场弱式有效性的验证更具合理性。本文采用单位根方法对中固股市开市以来的数据进行了有效性检验，并运用游程检验对之进行分年度检验，其结果除上海综合指数外，其他的指数都通过了检验，呈现出弱式有效．     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征，以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现，波动性随时间变化的证据，并且波动高／低的时期趋向于聚集，显示出高度持续性和可预测性。然后，应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为，每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。