股票时间序列长期相关性的修正DFA识别

趋势消解波动分析(DFA)是检验非平稳时间序列长期相关性的有效方法,但选取多项式作为局部趋势的替代形式会带来偏差.文章采用移动平均算子修正了传统的DFA方法,得到了后退移动平均DFA(BMA-DFA)和中心移动平均DFA(CMA-DFA)两种方法.基于股市数据,比较了标准DFA、BMA-DFA和CMA-DFA的估计效果,发现CMA-DFA具有显著的优越性,是唯一能够精确计算全局和局部标度指数的方法.     

中国农产品期货市场的多重分形特征及其成因分析——基于MF--DFA分析法

运用多重分形消除趋势波动分析方法（MF—DFA）和多重分形谱分析法,对中国豆一、玉米、硬麦、强麦4种主要农产品期货价格波动的多重分形特征进行了实证分析和比较。研究发现：中国农产品期货市场存在显著的多重分形特征,硬麦、强麦、玉米和豆一期货的多重分形性依次减弱。通过对原始数据的重排和相位随机化处理,可以看出中国农产品期货市场的多重分形特征是由长程相关性和收益序列的厚尾概率分布两个因素共同导致,其中非正态分布起主导作用。     

基于改进均衡模型的我国对外贸易和环境污染的实证分析

文章建立一个对我国的环境质量产生影响的均衡模型,通过时间序列分析方法对于我国的生态环境和国际贸易之间的关系开展实证检验,并最终得出相应的实证结果.对外贸易与我国环境质量存在一定的长期相关性,该结论对我国的环境政策具有一定的指导意义.     

上证指数与深成指间协整关系的非参数检验

一、引言 在时间序列中常会发现两个变量存在一种长期稳定关系,C.J.Granger把这种长期稳定关系称为"协整关系".传统的协整分析方法是通过对序列差分将其转化为平稳序列,得出其中的线性均衡关系,这种协整关系可称为线性协整.线性协整的建模理论是从实际的数据生成过程出发,在非平稳序列中寻找可能存在的长期线性均衡关系,以建立序列的结构模型,从而反映序列的运行机制.     

基于多元经验模式分解的股票收益与宏观经济关系分析

提出一种基于多元经验模式分解的股票市场收益与宏观经济活动关系的分析方法。通过月度道琼斯指数和美国工业生产指数的联合多元经验模式分解,得到多元金融时间序列的多尺度分量。采用希尔伯特—黄变换和边际谱确定每个尺度的主周期,进而在不同尺度下对多元时间序列进行相关性分析及Granger因果检验。结果表明:股票指数在中、长周期的某些尺度上是工业生产指数的Granger原因,序列之间具有明显的相关性,股票指数领先工业生产指数16个月到32个月不等。     

运用GARCH模型对CRB能源价格指数序列的拟合与预测

基于SAS软件系统,运用GARCH模型分析方法模拟美国CRB能源价格指数对数序列波动情况。实证结果表明:CRB能源价格指数对数序列存在自相关性和异方差性;用GARCH(1,1)模型能较好的模拟CRB能源价格指数波动特征。     

基于小波方差分解的沪深综指序列的特性分析

近年来小波理论已越来越被广泛应用于时间序列分析.应用小波方差依尺度分解的方法,对沪、深股市综合指数序列的长记忆性与相关性进行了实证分析,结果表明:沪、深股市波动序列实存在长记忆性,沪市波动序列所受历史信息的影响较大,但深市对各种信息的反应比上海股市更迅速,更易受外部信息的影响.在大尺度下沪、深股市波动序列的相关性比小尺度两波动序列之间的相关性更强,以小尺度为基准选择分散投资策略为好.     

基于分层阿基米德Copula的金融时间序列的相关性分析

与阿基米德copula相比,分层阿基米德copula(HAC)的结构更具一般性,而相比于椭圆型copula它的待估参数个数更少。用两阶段极大似然法来估计HAC函数,主要的步骤是先估计出每个分量的边际分布,以此为基础再估计copula函数。实证分析中,采取Clayton和Gumbel型的HAC分析四只股票价格序列之间的相关性。在得出HAC的结构和估计其参数之前,运用ARMA-GARCH过程消除了序列的自相关性和条件异方差。通过比较赤迟信息准则,认为完全嵌套的Gumbel型HAC能更好地刻画这种相关性。     

短非平稳时间序列TVAR模型参数PLS估计方法

文章针对短非平稳时间序列TVAR模型的参数估计问题,探讨了一种TVAR模型参数偏最小二乘回归分析方法;通过某飞行器时变机电系统的电压输出序列对本文方法进行了建模实验。实验结果表明:与传统的TVAR模型参数估计方法相比,PLS方法克服了短时间序列所带来的参数估计精度降低的问题,参数辨识精度更高。     

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.     

时间序列的综合分析法在经济预测中的应用

在传统时间序列分解计算方法的基础上 ,采用灰色预测方法对趋势项进行预测 ,建立以传统分析方法和灰色系统理论相结合的经济变量长期预测数学模型 ,并对经济指标进行预测     

部分函数型线性变系数模型的序列相关检验

部分函数型线性变系数模型(PFLVCM)是近几年出现的一个比较灵活、应用广泛的新模型。在实际应用中,搜集到的经济和金融数据往往存在序列相关性。如果不考虑数据间的相关性直接对其进行建模,会影响模型中参数估计的精度和有效性。本文主要研究了PFLVCM中误差的序列相关性的检验问题,基于经验似然,把标量时间序列数据相关性检验的方法拓展到函数型数据中,提出了经验对数似然比检验统计量,并在零假设下得到了检验统计量的近似分布。通过蒙特卡洛数值模拟说明该统计量在有限样本下有良好的水平和功效。最后,把该方法用于检验美国商业用电消费数据是否有序列相关性,证明该统计量的有效性和实用性。     

中国股票市场波动特征的实证研究及其启示

本文通过运用自相关性分析、消除趋势的波动分析(DFA)和多标度分形分析(Multifractal Analysis)等新型的统计分析方法,从不同视角研究了中国股票市场的价格波动特征,并就实证结果对我国股票市场的监管工作,特别是风险管理工作的启示进行了初步探讨。     

基于EMD的时间序列不同频率波动及趋势研究

希尔伯特-黄转换(HHT)的经验模态分解(EMD)法为分析经济金融领域的非线性、非平稳时间序列不同频率的波动以及序列的变动趋势提供了一种新的简单有效的统计分析工具。文章利用这种新的分析方法对我国通货膨胀率以及股票实际收益率的不同频率的波动关系和长期变动趋势进行了实证分析。     

基于分形插值模型的股价时间序列分析及预测

文章运用分形插值的理论与方法建立了能够分析及预测股票价格波动的分形插值数学模型;以上市公司青岛海尔为例,使用该模型分析了股价的变化规律,预测了股价的未来走势,并使用时间序列曲线的分形维数与Hurst指数,描述了股价的波动性及长期相关性等特征.     

中国产业结构变动与经济增长

本文采用我国1978年至2003年的年度统计数据,应用处理平稳数据的方法--协整检验,检验了时间序列变量是否存在长期均衡关系,并采用格兰杰因果关系检验考察时间序列变量是否存在因果关系;证明了我国经济增长与产业结构存在着长期均衡的协同发展关系,认为在我国产业结构的次序逐步发展为二、三、一的结构将最有利于我国经济持续增长.     

干预分析的ARMAX模型及应用

一、引言 传统的应用范围较广的时间序列分析方法是由Box和Jenkins于1970年提出的ARIMA(自回归求和移动平均)方法.     

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     

亚洲创业板市场的相关性分析

本文将向量误差修正模型(VECM)与DCC-MVGARCH(1,1)相结合来分析韩国、日本、香港及美国创业板收益率序列间的相关性.结果表明亚洲三地区的创业板市场与已经发展成熟的美国NASDAQ市场的指数收益率间存在弱的长期均衡关系,且美国NASDAQ市场对亚洲创业板市场的指数走势存在一定的引导作用,但其影响力远没有人们想象中那么强烈.     

SV模型局部分析的稳健性研究

随机波动（SV）模型是一种重要的具有隐性波动的时间序列模型。本文在对SV模型进行Cook局部影响分析的基础上，探讨方法对参数估计精度的稳健性，从而评价局部影响分析方法应用在时间序列模型的优劣。