R/S和修正R/S方法的实证分析

R/S分析(Rescaled Range Analysis,重新标度极差分析)方法由水文专家Hurst提出,他发现大多数自然现象的统计确实能由有偏随机游走来刻划,Man-delbort称之为分形布朗运动,即分维时间序列.     

我国银行间同业拆借利率的R/S分析

本文将H.E.Hurst提出的R/S分析法应用于我国银行间同业拆借利率分析,测定了我国银行间同业拆借利率收益率的Hurst指数,得到了不同拆借期限利率序列的Hurst指数,从而说明了我国银行间同业拆借利率序列是具有反持续性的序列.我国银行间同业拆借利率变化不是一个随机游走的过程,而是一个有偏的随机过程,利率之间不是相互独立的,而是具有状态反持续性.     

基于R/S方法的中日外汇市场非线性分析

本文应用R/S(Rescaled Range Analysis)分折法研究了中日外汇市场的非线性.实证结果表明两国外汇市场均存在着状态持续性,波动呈现集群性,汇率所构成的时间序列呈现非线性.     

股票价格分形特征的实证研究:修正R/S分析

一、引言在现代金融理论中 ,线性范式一直占据主导地位 ,满足高斯假定的正态分布一直是金融理论与金融研究的基础。像马柯维茨的资产组合理论、CAPM、市场有效性假说、Black Scholes期权定价模型等 ,这些所谓构成现代金融理论的基石无不都是以正态分布假定为前提的。经验的研究总是试图去证明这一高斯假定。然而 ,实际的金融资产价格并非像人们所认为地那样服从完美的正态分布 ,多数实证研究文献结果表明 ,像股票、债券、汇率、期货和期权等金融产品及金融衍生产品的价格波动并不完全遵从随机游走 ,而是一个有偏分布 ,呈现出尖峰、肥尾、…     

上海证券市场基于修正R/S分析的长记忆研究

文章以上证综合指数周收益率和日收益率为研究对象,用R/S分析法和修正R/S分析法来分析上海证券市场的长记忆性,并使用V统计量对其进行双侧检验,此外还分析了R/S分析法产生偏差的原因.得出结论:上证综合指数周收益率时间序列和日收益率时间序列并没有表现出显著的长记忆性.     

股指时间序列的分形插值模型与R/S分析

运用分形插值模型和R/S分析法研究股指时间序列的变化规律和结构特征,通过建立分形插值模型刻画上证综合指数在一定时间内的变化规律,并预测其在短期内的指数走势。使用R/S分析法和Hurst指数,分析了上证综指的结构特征,指出市场具有状态持续性和分形分布等统计特征。     

基于改进R/S法的中国股票指数长记忆性分析

针对中国股市的长记忆性问题,本文在比较各种长记忆检验方法的基础上,采用改进的分析方法来检验我国股市的日收益率的长记忆性。结果表明,我国沪深两市的日收益率序列均有长记忆性,并且深市的长记忆程度比上证长记忆程度强。     

含控制因子的R/S分析的H参数估计及应用

R/S分析法是揭示金融时间序列长记忆性的主要方法之一。针对经典R/S与修正R/S分析法之不足,对R/S分析法进行改进,设计含控制因子的R/S统计量,并应用蒙特卡洛模拟说明改进的方法比经典R/S与修正R/S分析法在估计H指数上的有效性。运用新方法对上证综合指数和深圳成分指数收益率序列的长记忆性与两市的平均非周期循环长度进行实证分析,研究表明：沪、深股市的收益率序列都具有长记忆性,但是沪市的收益率序列不存在明显的平均非周期循环长度,而深市的收益率序列则存在一个大约308天的平均非周期循环长度。     

时序模型分析在经济预测中的应用

时间序列分析方法主要就是建立模型,目的是为了描述时间序列中产生数据的随机机制与趋势,以此模型来判断在某一时间或随机机制下会发生的数据达到预测和控制的目的。时间序列可分为平稳的时间序列和非平稳的时间序列,大部分经济时间序列为平稳的时间序列。对于平稳的时间序列进     

时序数据预测的灰色神经网络技术

灰色系统理论中GM模型具有弱化序列随机性、挖掘系统演化规律的独特功效,且对一般模型具有很强的融合力和渗透力。将GM模型融入一般模型的建模过程中将会使得预测精度大大提高。灰色系统和神经网络都可看作是数值化的函数估计器,将灰色系统与神经网络融合,构造一种灰色神经网络     

基于经典R/S分析方法的H指数估计有效性评价

在设定不同H真实值的情况下,通过DHM算法模拟出一系列FGN序列,对经典R/S分析方法估计H指数的有效性进行研究,并对中国股市收益序列的H指数进行测定.研究结果表明:当H真实值介于0～0.6和0.8～1之间时,分别高估和低估H指数;仅当H真实值介于0.6～0.8之间时,经典R/S分析方法才能做出稍好的估计,其估计有效性尽管不受回归方式、局部趋势性剔除处理的影响,但是受到标度长度的选取、短期相关性处理、序列长度、序列包含的白噪声成分强弱等各种因素的显著影响,中国股市收益序列的H指数可能介于0.6～0.8之间,从而具有明显的长记忆性.     

马氏链点值预测方法和时序分析预测方法的统计试验研究

基于绝对分布的马尔可夫链预测(ADMCP)方法、叠加马尔可夫链预测(SPMCP)方法和加权马尔可夫链预测(WMCP)方法在各种水文序列预测理论中得到了广泛的应用。然而,实际生活中仅仅预测出状态区间是不够的,文章给出了一种基于马氏链状态预测方法的点值预测方法,并将其与普遍接受的时间序列分析预测方法进行了基于统计试验的比较分析,得出了该方法在水文序列预测中较优的结论。     

基于R／S分析的股指期货套利策略

文章应用K／S分析模型研究了高频基差数据（股指期货和标的指数之差）的记忆性特征,实证发现每个当月合约的基差序列的Hurst指数都大于0．9,具有明显的记忆性。然后根据统计量VN的变化,得出基差序列的记忆时间长度大约为2至3个交易日。最后,根据实证结果提出了相应的套利策略：设定合理目标利润,当套利持仓周期和基差记性周期长度基本吻合时,套利收益明显超过传统的建仓并持有策略。     

公司价值评估中自由现金流量的时序预测

自由现金流量法对自由现金流量的计算及预测一直是影响价值评估结果客观与否的一个重要因素.对于自由现金流各参数的计算来说,由于涉及企业的经营现金净流量、资本支出及营运资本支出等多个项目,而这些项目多数并不能由财务报表直接得出,即便有的项目似乎可以由财务报表计算出来,而事实上其内涵与自由现金流所要求的内涵并不相符,因而需要针对不同企业的自身特点进行调整分析,才能更好地加以量化.对自由现金流的预测来说,由于其具有时序特点,因此对其预测经常采用的方法是统计学上的时间序列分析.     

上海股票市场分形特征的动态研究——基于R／S分析

本文通过R/S分析方法计算出上海股票市场不同发展时期的Hurst指数,进而对市场的分形结构进行了实证研究。研究结果表明,上海股票市场在不同时期其分形结构存在一定程度的差异。     

股指时问序列的分形插值模型与R／S分析

运用分形插值模型和R／s分析法研究股指时间序列的变化规律和结构特征,通过建立分形插值模型刻画上证综合指数在一定时间内的变化规律,并预测其在短期内的指数走势。使用R／S分析法和Hurst指数,分析了上证综指的结构特征,指出市场具有状态持续性和分形分布等统计特征。     

上海市经济发展的典型时序模型分析

文章以1978～2007年上海市人均GDP的统计数据为样本,处理原始数据,对序列进行差分平稳化处理,消除虚假回归,进行单位根检验,并借助统计工具,利用序列自相关、偏自相关性质,确认序列适合的模型,从而建立了经典的ARJMA时间序列方程,最终对未来数据进行了经济预测,为管理决策给予一定数量参考价值.     

基于分形插值函数模型的非等距时序灰色预测方法

本文简单介绍了分形插值的数学模型及其插值方法,构造了一种分形插值算法。该算法利用区间内的迭代函数系和吸引子由特定的初始点出发进行直接搜索,并通过迭代特定次数和获得的点集与吸引子均方偏差不断减小的过程来逐步调整初始点的纵坐标值,而均方偏差达到最小化时的纵坐标值可作为预测值。该值可用于非等距时序GM(1,1)的灰色预测问题。