股票市场多重分形性的统计描述

以上海股票市场为例，运用多重分形谱方法对其多重分形性进行了实证研究。分析了多重分形谱的两个参数（分形谱的宽度及最大、最小概率子集分形维数的差）与指数变化趋势的关系。并进一步研究了多重分形谱参数与时间序列对数收益率的关系。结果表明多重分形谱参数与指数的变化趋势及对数收益率具有明显的关联性，这说明多重分形分析能够揭示更多关于市场变化的有用信息，有望以一定概率预测股价的涨落。     

不同股市收益率的多重分形特性比较

运用多重分形消除趋势波动分析方法,对国际上3个主要股票市场的多重分形特征进行了实证研究及比较.结果表明:股票市场均表现出多重分形特征,其中上海股票市场的多重分形特征最强,风险性也最大,其次为纳斯达克市场,香港股票市场的多重分形特征最弱,风险性相对较小.这说明仅仅运用单一的标度指数对其进行描述是不合适的.此外,在3个股票市场中,上海股票市场指数的最强涨落最大.这些实证结果为更好地研究股票市场的复杂结构提供了新的思路.     

基于MF-ADCCA方法的比特币量价关系多重分形特征研究

本文使用MF-ADCCA方法实证分析了比特币量价关系的非对称多重分形特征,结果表明：比特币流动性越大,波动越大,收益率和交易量交叉相关性的多重分形程度越强,且这种多重分形特征来源于反持续性和厚尾分布,厚尾分布对多重分形特征的贡献更大。量价关系在不同涨跌趋势时的非对称性程度具有阶段性特征,当比特币价格较低且相对平稳时,无论是收益率上涨还是交易量变化率上涨,量价交叉相关性在小幅波动时持续性更强,大幅波动的反持续性更强;而在价格暴涨暴跌剧烈波动并且交易量变化率下跌时,量价交叉相关性持续性更强。通过滑动窗技术研究比特币量价关系局部多重分形特征,发现量价交叉相关性的局部时变Hurst指数小于0.5;随着时间的推移,量价交叉相关性的局部时变多重分形程度加强。     

证券市场波动性评价方法研究

研究了将ARMA模型与ARCH族模型相结合,通过建立ARMA-EGARCH-M模型来拟合证券市场波动性,基于大样本数据通过样本期内外模型预测能力检验,得出结论认为ARMA-EGARCH-M模型对上海证券市场波动性拟合优于传统的ARCH族模型。     

多重分形分析在经济中的应用

多重分形(Multifractal)最早是用来研究湍流的,近年人们也用它研究时间序列、DNA序列和外汇模型等等.我们将用它来检验证券市场的股票指数模型,它是一个检验股票价格是否服从随机游走假设的比较简单的模型.利用它还能来发现证券市场的突变点临界点和建立新的资本资产组合理论.     

上证180指数成分股聚类研究——基于实时行情

中国股票交易市场从无到有快速发展,针对股票业绩参差不齐,股民需对其加以选择,对板块的合理分类对投资者的投资行为有关键的作用。传统的板块分类方法是根据企业所属行业、地域、题材概念等既有的事实为依据,本文提出一种新的板块分类方法。用实时的股票走势,通过聚类的方法把具有类似走势的股票归类,再从同类的股票中寻找规律,指导投资者的投资行为。     

基于密度的最佳聚类数确定方法

确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的情况下效果欠佳。本文提出一种新的最佳聚类数确定的指标,该指标着重于分析簇的几何结构,从数据对象分布密度的角度来度量类内紧密度与类间分离度。该指标对噪声不敏感并且可以识别数据集中的子簇群,在实际数据和合成数据上的实验结果表明,新指标的性能优于广泛使用的其他指标。     

上证指数高频数据的多重分形错觉

以上证指数5分钟取样的高频数据为例,采用配分函数法对每一交易日的数据进行多重分形分析,发现质量指数τ(q)为线性函数.用统计自举生成随机时间序列以深入剖析多重分形谱f(α),发现约有51%的交易日,其多重分形特性无法通过显著性检验.进一步分析发现,所有真实时间序列的奇异性强度与随机序列的奇异性强度相差无几,因而完全可以用后者加以解释.因此,上证指数本身并不具多重分形特性.     

基于小波的金融危机时点探测与多重分形分析

在金融危机时点前后,市场的动力学会呈现出异常剧烈的波动。准确定位金融危机时点是区分出金融危机前后股市多重分形特性的关键步骤。与其他方法相比,小波变换模极大值法（WTMM）的优势在于它可以侦测出突变点并对金融市场的多重分形特性进行分析。研究通过小波变换模极大值法（WTMM）所建立的模极大值线将道琼斯工业指数（DJI）与东京证交所股价指数（TPX）的金融危机时点定位出来,随后基于所侦测出来的道琼斯工业指数（DJI）突变点对该指数进行多重分形分析。分析发现：小波变换模极大值法（WTMM）不仅可以准确定位金融危机发生的时点,还可以刻画出多重分形特征在金融危机前后的演化。实证结果验证了分形市场假说（FMH）关于市场发生崩溃的起因,也为金融风险管理提供了一个新思路。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。     

基于深度学习和股票论坛数据的股市波动率预测精度研究

本文利用深度学习和股吧发帖数增长率数据对沪深300指数波动率进行样本外预测,将预测结果与19种波动率预测模型作对比,并用MCS方法检验各模型的预测精度。研究发现:深度学习预测效果明显好于选取的其他对比模型。另外,股票论坛数据对提升波动率预测精度有所贡献,但贡献有限。本文为波动率预测提供了一种更精确和更稳健的实现方法,探索了股票论坛数据在波动率预测上的应用,并拓展了深度学习在金融领域的运用。     

行业股票价格指数波动特征的实证研究

行业风险是投资者进行投资决策、选择行业时要考虑的主要因素之一。行业股票价格指数的波动性常用来衡量行业的风险。本文采用四种具有代表性的衡量波动性的指标来研究行业股票指数的波动特征,将总风险量化分解为与市场相关的风险和行业特有的风险两部分,对各行业的风险特征进行深入分析。实证研究采用深交所依据《上市公司行业分类指引》所编制的行业指数数据,分阶段估计股票行业指数的波动性,并进行Kendall协同系数检验。结果表明,不同阶段的行业总体波动性和行业特有的波动性排序间存在一致性,即行业间的波动性大小次序相对稳定,但在与市场相关的波动性排序上不具有稳定性。本文的结论刻画了中国股票市场行业股票指数间的波动性特征,与国际上的相关研究成果具有可比性,对资产在行业间的配置等投资策略问题的研究有参考价值。     

基于时间特性的中国股市交易集群性特征的研究

本文以自回归条件久期模型(ACD)为基础,选择标志我国股市交易集群性特征的代理变量,建立了刻画该特征的实证模型,检验了我国上海证券所个股的交易过程中集群性问题.实证结果表明,我国证券市场交易过程中的集群性是由于以私人信息为基础的信息交易所引起的,私人信息的进入导致了证券市场在时间方向表现出更大的波动性.     

基于马尔可夫状态转换模型的沪深股市波动率的估计

为了更准确地估计具有结构转换的沪深股市收益率波动特征,本文将沪深股市的波动变化分为上涨、下跌和盘整三个状态,选用2000年1月4日至2011年12月30日的上证综指和深证成指日收益率数据作为样本,2012年1月4日至2012年1月17日的日收益率作为样本外预测,分别应用GARCH和APGARCH模型,以及RS-GARCH和RS-APGARCH模型估计和预测两序列的波动率,最后采用MSE₁、MSE₂和QLIKE对估计和预测出的波动率进行评价。结果表明:单一状态和三种状态下APGARCH模型均比GARCH模型估计和预测的波动率更准确;更进一步带有马尔可夫状态转换的模型估计和预测出的波动率更准确,且误差分布服从正态分布的模型估计和预测的波动率拟合结果优于误差服从t分布的模型。     

基于混频数据模型的宏观经济对股票市场波动的长期动态影响研究

股票价格时间序列与宏观经济变量时间序列原始数据的不同频直接导致传统计量模型在处理宏观经济波动与股票市场波动的关系问题中产生模型误设和估计偏误。本文运用混频自回归条件异方差模型从水平值和波动率两个维度实证分析生产者价格指数、居民消费价格指数、宏观经济景气指数及同业拆借利率四个宏观经济变量对股票市场波动的长期动态影响。同时,运用主成分分析提取宏观经济第一主成分并构建一个宏观经济综合指数,进一步探究宏观经济总体状况对股票市场波动的长期影响。研究发现:股票市场已实现波动率显著地放大了股票市场的长期波动。生产者价格指数、居民消费价格指数、宏观经济景气指数的水平值和波动率均对股票市场长期波动产生显著影响;且其波动率维度呈现出较强的持续效应;同业拆借利率仅在水平值维度对股票市场波动长期成分产生微弱影响。宏观经济第一主成分和宏观综合指数的波动率对股票市场波动长期成分均具有显著的正向放大作用,但持续效应较弱;而其水平值对股票市场波动长期成分的影响虽然微弱,但持续时间较长。     

基于ICA模型的国际股指期货及股票市场对我国股市波动溢出研究

将独立成分分析(ICA)方法引入金融衍生品市场与基础市场之间的波动溢出研究,克服了传统方法解决高维金融时间序列波动问题时的障碍。通过与VECH、BEKK和DCC等传统多元GARCH模型的对比分析,本文所建立的ICA-EGARCH-M模型在解决高维问题时体现出一定的优势。在实证研究中,应用该模型考察了美国、英国、日本和中国香港的股指期货市场及其股票市场对我国股票市场的共同波动溢出。结果表明ICA-EGARCH-M模型不仅验证了波动溢出效应的存在,而且反映出了波动溢出的主要来源,能够较好地解决高维金融时间序列数据的波动溢出问题。     

中国股票市场的高阶矩波动特征研究

最近的研究表明,除资产收益二阶矩外,高阶矩(包括三阶矩和四阶矩)同样是反映金融资产波动行为的重要方面.以中国股票市场最具代表性的两种股价指数--上证综指和深证成指 10 年的股价数据样本为例,通过构建可以刻画时变高阶矩的自回归条件方差-偏度-峰度模型,实证研究中国股票市场的高阶矩波动特征.研究表明,中国股票市场收益的偏度、峰度具有显著的时变性和波动聚类性;中国股市不但存在二阶矩(方差)风险,还存在显著的三阶矩(偏度)风险和四阶矩(峰度)风险,并且三阶矩风险和四阶矩风险具有同步性;将偏度方程和峰度方程引入波动模型会抵消原有方差波动的杠杆效应.初步提出将高阶矩波动模型运用于金融风险管理的思想.     

基金交易行为与市场波动——基于小波与互谱分析的数据挖掘

本文选取2007～2009年基金十大重仓股数据进行小波分析,研究重仓股在不同阶段波动率的特征———微观层面基金行为对这种波动率的直接动量冲击的影响以及金融市场层面沪深300指数对此波动率的联动性的影响。实证结果发现,基金增仓和持股可以减小股票波动率,但减仓会加大股票波动率,呈现出非对称稳定市场的特性。在金融市场层面分析上,论文应用溢出效应检验互谱分析方法,发现这种波动率主要是由基金持股组合调整造成的,市场波动对个股波动率影响不大,即股票波动率主要是由基金交易行为造成所引致。     

基于VaR-EGARCH-GED横型的深圳股票市场波动性分析

本文应用模型EGARCH(1,1)-GED和GARCH(1,1)-N计算了深圳股票市场成份指数的日对数回报VaR值.通过后验测试和统计分析表明,对深圳成份指数的波动性分析,模型EGARCH(1,1)-GED优于GARCH(1,1)-N.在此分析结果基础上,文中进一步分析了深圳股票市场的系统性风险并提出了相关结论与政策建议.