中国股市牛熊市的周期性转换特征——基于DMCPSO-HSMM模型

本文围绕中国股市市态的周期性转换,深入研究了沪深300指数收益率的时变分布特征。通过在标准粒子群算法中引入K-Means++聚类算法动态种群重组和混沌搜索策略提出了动态多种群混沌粒子群算法,并基于此对隐半马尔可夫模型的初值进行优化。实证分析发现,中国股市存在三种市场状态——熊市、牛市和震荡市,并且牛市基本总是跟随在熊市之后,而牛市之后市场有更大的概率转向震荡态势,震荡市和熊市分别在股市的“尖峰”和“厚尾”特征中扮演着关键角色。基于解码结果,利用粗粒化方法构建了模态转换网络并识别了关键性的枢纽模态,还进一步分析了大、中、小盘股的牛熊市协同性,大盘股和中小盘股间周期性地出现显著的两极分化特征。最后,本文提出了更加准确的样本外预测方法,并通过一个简易的择时交易策略证明了本文模型的实用价值。