中国股票市场的长期记忆性研究

复旦大学硕士学位论文中国股票市场的长期记忆性研究姓名：汪朝汉申请学位级别：硕士专业：企业管理指导教师：劳兰珺20040430中国股票市场的长期记忆性研究作者：汪朝汉学位授予单位：复旦大学相似文献(10条)1.期刊论文金秀.姚瑾.庄新田.JINXiu.YAOJin.ZHUANGXin-tian基于分数阶差分的ARFIMA模型及预测效果研究-数理统计与管理2007,26(5)采用MRS分析法对香港恒生指数周数据序列的长期记忆性进行研究,并建立ARFIMA模型,推导了分数阶差分的计算过程.对分数阶差分的ARFIMA模型与一阶差分的ARFIMA模型进行了比较,发现应进行分数阶差分的序列,简化成一阶差分后,就有可能丢失许多有价值的信息,导致建模误差增大.进一步使用ARFIMA模型预测公式进行预测,结果显示ARFIMA模型预测效果不理想.在对香港恒生指数周数据进行预测时,ARFIMA模型几乎是失效的,并从两个不同的角度论证了这一结果出现的必然性.2.学位论文姚瑾应用ARFIMA模型对金融时间序列长期记忆性的研究2006在现实中，资本市场呈现出非线性的性质，而非线性系统的一个重要特征就是具有长期记忆性。由于长期记忆性的存在将使得以布朗运动，随机游走和鞅假设为基础的资本市场定价模型失效，进而将降低建立在这些假设基础上的市场有效性检验的可信度，因此有必要对资本市场的长期记忆性进行深入的研究和探讨。(1)本文对金融时间序列的长期记忆性进行研究，介绍了长期记忆性的定义和两种广泛使用的检验方法，R/S分析法和MRS分析法。阐述了对时间序列进行单位根检验的意义，以及三种单位根检验方法，DF和ADF检验法，PP检验法，和KPSS检验法。此外，还对描述长期记忆性的ARFIMA模型进行了研究，介绍了ARFIMA模型的构成和参数估计的方法。(2)为了解决建立ARFIMA模型过程中的关键问题，即如何进行分数阶差分，本文提出了一种进行分数阶差分的方法，并推导了相应的数学公式。将滞后因子的表达式(1-L)d进行变换后生成的上三角矩阵，与原始时间序列组成的行向量相乘，得到分数差分后的行向量。即可实现分数阶差分。(3)应用本文提出的分数阶差分方法，对ARFIMA(p，d，q)模型的预测公式进行修正，使其能更好的应用。(4)本文以香港恒生指数周数据为研究对象，使用MRS分析法进行了长期记忆性检验，用三种方法进行平稳性检验，又根据本文提出的分数阶差分的方法，建立了ARFIMA(p，d，q)模型并利用这个模型进行预测。最后，从宏观角度和数学角度证明了预测结果的合理性。3.期刊论文刘金全.隋建利.LIUJin-quan.SUIJian-li我国短期利率序列均值过程和波动率过程的长期记忆性测度与检验-技术经济与管理研究2008,(6)我们使用我国1996年1月至2008年6月期间的银行同业拆借利率,对我国利率均值过程及其波动过程的长期记忆性进行测度和检验.利用ARFIMA模型和FIGARCH模型的检验结果说明.我国利率序列的一阶矩中不存在长期记忆性,而二阶矩中存在显著的长期记忆性;进一步运用ARFIMA-FIGARCH模型对利率均值过程及其波动过程的双长期记忆性进行检验时发现,我国利率序列均值过程中不存在明显的长期记忆性,但波动率序列中存在非常显著且较强的长期记忆性特征;通过考虑Student-t分布进一步说明,我国利率序列中明显存在尖峰厚尾分布特征.4.学位论文陈兴荣中国股票市场收益与波动的长期记忆性实证研究2007自Hurst从潮汐数据中发现水文时间序列的长期记忆性和Mandelbrot建立了长期记忆分析的数学基础以来，长期记忆性研究在自然科学领域引起广泛关注。近二十年，经济、金融时间序列的长记忆性及其表现出来的特殊波动性，成为经济、金融领域的研究热点。证券市场一直是各国经济学者研究的重要课题，而作为证券市场的核心一股票的价格变化规律更是吸引了一大批学者进行研究。我国股票市场作为一个新兴的证券市场，尚处在起步阶段，与发达国家的成熟股市相比，市场的有效程度不高，因此检验我国股市的长记忆性具有特殊意义。近年来，越来越多的国内学者开始研究中国股票市场的长记忆性，与股价随机结构理论相关的长期记忆理论也得到了长足发展。但是，已有文献大多是对股市日收益的长记忆性进行研究，对收益波动的长记忆性研究较少。同时，由于我国股票市场发展历史较短，而且是在经济体制从计划经济向市场经济转型的过程中建立和发展起来的，与其他国家的成熟股票市场相比可能有某些特殊性。因此，如何立足于中国股票市场实际，选用适当模型研究国内资本市场的长记忆性十分必要，其结果无疑对股市监管，股价预测，投资者决策都具有重要的指导意义。本文对我国股票市场的长期记忆特征进行了实证研究：选择上证综指和深证成指日收益序列为研究对象，采用计量经济学方法，系统研究中国股票市场日收益和日收益波动序列的长期记忆特征，建立既能描述收益长记忆又能刻画波动长记忆特征的ARFIMA-FIGARCH模型，并与其它短记忆模型进行对比，分析得出相应结论。然后，针对目前我国股票市场存在的诸多问题，提出一些规范和完善股票市场、提高市场有效性的建议。论文主要分为五章：第一章首先介绍了时间序列长记忆性的研究背景，综述了国内外研究现状及主要研究成果，并引出论题；然后介绍了中国股票市场收益及其波动特征，包括最为显著的“分布厚尾性”和“波动集群性”，还探讨了波动的反向非对称性特征，即“杠杆效应”。第二章首先对经典时间序列模型进行了简要介绍，经典时间序列理论已经比较成熟，但它是基于时间序列的短记忆性进行研究，存在应用局限性，由此我们引出对长记忆性时间序列的研究；然后分析了描述时间序列长记忆性的分整ARMA模型和分整GARCH模型及其建模步骤，总结了各模型在研究时间序列记忆性特征方面的优缺点。第三章首先给出基于谱方法和自相关函数法的两种长期记忆性数学定义，然后列举了几种常用的长记忆性检验方法一自相关函数法、R/S分析法、修正的R/S分析法、GPH谱分析方法和KPSS检验法，并详细阐述了如何进行时间序列的长记忆性检验。第四章运用上述理论和方法对我国证券市场进行了实证研究：首先运用四种方法对中国股市日收益序列与收益波动序列的长期记忆特征进行检验，并对检验结果进行总结分析，得出沪深股市日收益序列均存在弱的长记忆特征和日收益波动序列的长记忆特征较明显的结论；然后针对沪深股市日收益与波动序列均存在的长记忆特征，选用既能描述收益长记忆又能刻画波动长记忆的ARFIMA-FIGARCH模型对沪深股市数据进行建模，并将模型拟合结果与其它模型进行对比研究，经比较后采用ARFIMA-FIGARCH模型刻画上证综指和深证成指的日收益序列的波动特征。第五章总结了主要研究结论，列举了研究中存在的不足，并展望了研究的新课题。论文的创新之处在于：论文分别比较分析了条件均值模型中的ARMA模型和ARFIMA模型以及条件异方差类模型中的GARCH模型、EGARCH模型和FIGARCH模型，指出这些模型的适用范围和不足。然后，将ARFIMA模型作为时变异方差的长记忆FIGARCH模型的条件均值方程，得到ARFIMA-FIGARCH模型，即条件均值和条件方差的联合模型，并利用该模型对我国股票市场上海综合股价指数和深圳成分指数的波动性特征进行实证研究。ARFIMA-FIGARCH模型拓展了我国股票市场日收益波动序列长记忆性的研究视野，能更好地反映我国股票市场波动的特征。在进行波动性建模过程中，考虑到沪深股市日收益序列所表现出的显著高峰厚尾特征，没有采用基于正态分布的模型，而是采用基于广义误差分布的模型。实证结果表明，广义误差分布恰当地描述了中国股市日收益序列的高峰厚尾现象。5.期刊论文张晓莉.严广乐.ZHANGXiao-li.YANGuang-le中国股票市场长期记忆特征的实证研究-系统工程学报2007,22(2)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.6.期刊论文史永东.赵永刚.SHIYong-dong.ZHAOYong-gang中国股票市场的分形结构——股票收益长期记忆特征的实证研究-数学的实践与认识2006,36(9)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A股算术加权和流通市值加权市场指数的周收益序列以及上证180指数和深圳成份指数中选取的12只代表性股票的周收益序列,采用重标级差分析(R/S分析)和ARFIMA模型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和肥尾等有偏特征,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.进一步的研究发现,沪深两市A股市场指数收益序列和大多数个股(10只股票)存在明显的长期记忆特征,收益分布表现出持久性.从划分不同时段的分析结果来看,中国股票市场渐进趋于弱势有效.7.期刊论文赵春艳中国股市长期记忆特征的时序分析-统计与决策2005,(10)本文运用R/S分析和ARFIMA模型对中国股市价格总指数的长期记忆特征进行了实证分析,结论认为深、沪两市总体上不存在长期相关性,这样,从长期记忆性的角度,我们不能否认中国股市的效率.8.学位论文付臣余中国股票市场波动长期记忆性实证研究2003随着金融理论、现代风险管理、现代投资组合理论以及衍生产品和工具的蓬勃发展,股市波动也变得异常重要.该文主要针对股市波动的长期记忆特征进行实证分析,并且将其应用到风险价值计算领域中.论文共分为四个部分:综述部分(第1~2章);中国股市波动长期记忆的实证分析(第3~5章);高频数据研究股市波动及其应用(第6章);最后基于前三部分的研究,总结全文并展望未来研究的方向.具体内容如下:第一部分:第一章简要回顾了波动长期记忆研究的背景,以及国内外研究的概况;随即在第二章中,详细介绍了长期记忆的定义、典型模型、检验和估计方法,以及长期记忆成因研究方面的最新进展等.第二部分:第三章中首先讨论了波动指标序列的选取,之后对中国股市波动长期记忆特征进行检验和程度估计;第四章中引入波动的机制变化识别技术—ICSS方法,之后以此为工具对股市波动长期记忆和波动机制变化的关系进行实证分析,从而解析波动长期记忆的成因;第五章中采用波动记忆程度捕捉能力不同的模型来对股指数据进行拟和与预测,并计算股指的风险价值,从而研究长期记忆波动模型的功效.第三部分:和第二部分中采用日数据为实证样本相对应,在第六章中引入高频数据构造现实波动方法,并以现实波动序列为实证样本.首先介绍了现实波动的理论基础,以及构造方法;之后对现实波动特征进行分析,从而选择适当的模型;最后对模型进行拟和,并向实际领域进行扩展—预测风险价值.第四部分:第七章基于前三部分的实证分析,总结全文,并讨论未来进一步研究的方向.9.期刊论文杨俊凯基于长期记忆特征时序分析的中国股市效率性检验-西安金融2005,(1)本文运用R/S分析和ARFIMA模型,对中国股票价格指数的长期记忆特征进行了实证分析,认为深、沪两市总体上不存在长期相关性,从长期记忆性的角度分析,不能否认中国股市的有效性.10.学位论文武文婕我国股票收益率的长记忆性分析研究2007尽管传统线性时间序列理论比较成熟，但理论体系都是建立在短记忆特性基础上，而实际生活中大量的时间序列表现出了长记忆性。自Hurst从潮汐数据中发现水文时间序列的长期记忆性(longmemory)，Mandelbrot建立了长期记忆分析的严格数学基础后，近些年来，经济、金融时间序列的长期记忆性成为经济学、金融学领域的研究热点。本文从这个角度出发，对长记忆性时间序列进行比较详细的分析研究。本文首先对长记忆时间序列的研究现状和应用背景做了简单的阐述，简要的介绍传统线性时间序列，由传统线性时间序列理论在实际生活