空中交通流的多重分形特征实证分析

空中交通系统是复杂非线性系统,分形是非线性系统的典型特征之一.为了对空中交通流进行合理建模、精确预测和精准管控,首先在实测数据基础上构建了空中交通流时间序列,采用KS方法对其非线性进行识别;其次,利用MF-DFA方法,从多个不同角度对空中交通流的多重分形性质进行了实证分析.结果显示随着阶数的增加,广义Hurst指数从0.7167逐渐减少到0.3149,说明空中交通流具有多重分形特征,且从正相关性过渡到负相关性.标度尺度随着阶数变化而变化,呈现明显的非线性,说明空中交通流具有多重分形特征.多重分形谱函数曲线呈现钟形,峰值对应的奇异性指数有2个,分别为0.578和0.4943,谱宽度为0.52,谱高度为-0.3163,说明空中交通流具有较强的多重分形性质,并且文中的交通流时间序列向低流量方向发展的概率较大.多项式拟合的阶数会影响多重分形谱参数,但不会改变交通流变化趋势.打乱顺序后的时间序列,大部分广义Hurst指数减小,且更接近于0.5,说明交通流的多重分形性质是由长相关性和肥尾分布共同决定的,并且长相关性发挥主要作用,但与概率分布有一定的关系.统计尺度对多重分形性质有较大影响,分形方法适...     

侦测股市时间序列相关性的三种方法

运用方差方法.重标极差方法(R/S)和消除趋势波动分析方法(DFA)对美国股市标准普尔500指数的收盘价进行分析.结果表明:此股票市场指数具有状态持续性特征及自相似特征.同时兼具混沌等非线性特征.通过这三种方法对同一股市进行分析更能全方位的诠释相关性在股票市场理论应用的必要性及可行性,并且对股票市场理论建模.预测和管控策略的制定及实施具有重要意义.     

北京交通流序列的重分形扩散熵分析

运用重分形扩散熵分析方法来分析北京交通拥堵指数的长程相关性和重分形特征.方法综合使用了扩散技术和Renyi熵来研究北京交通拥堵指数的标度行为.由于交通拥堵指数序列具有明显的周期性,故先选用傅里叶滤波去除序列的周期性,再进行重分形扩散熵分析.实验结果表明北京交通拥堵指数序列的极端波动显示出反相关性,同时拥堵指数序列具有较弱的重分形特征.     

中、欧股市非线性分形特征的比较研究

本文利用R/S重标极差法对中国股市(上证综指和深证成指)日收益的非线性分形特征进行实证分析,并与欧洲股市的五个重要股指进行比较,结果表明:中国股市收益波动比欧洲五大市场存在着更强的长程相关性和非周期性循环,沪、深两市的Hurst指数都明显大于0.6,具有一定的非线性分形特征。     

基于R/S分析的专利申请量年增长率的相关性研究

Hurst指数是描述分数布朗运动的重要指标.利用R/S分析方法计算出我国专利申请量年增长率的Hurst指数稳定在0.62附近,分形维数稳定在1.38附近.表明我国专利申请量年增长率时间序列,服从分数布朗运动,专利申请量年增长率具有长期相关性.历史数据的影响力随时间间隔的长度增长而缩小,当间隔长度达到10年以上时,历史数据的影响力趋于稳定.     

中国股票市场的长记忆性与市场发展状态

对于中国股市的长记忆性问题,许多的学者得到了不同的结论,这主要是由于不同方法自身存在着缺陷,针对这一问题,分别运用经典R/S分析,修正R/S分析,DFA及广义Hurst指数等统计分析方法对其进行实证研究,以期使结果更加稳健.结果发现沪深两市均具有长记忆性特征.此外,研究了广义Hurst指数值与市场发展状态之间的依赖性,并根据该性质得到结论认为沪深两市属于新兴的、非有效的市场.     

基于替代数据法和MF-DFA的合意工业产能利用率区间估计方法及应用

为实现工业产能过剩的精准判别与调控，提出了一种基于替代数据法与多重分形去趋势波动分析的合意工业产能利用率区间估计方法。首先判断原始时序的长程相关性和多重分形特征；然后采用替代数据法与多重分形去趋势波动分析计算出所有重排序列的Hurst指数，据此确定指数序列收敛情况和合意产能利用率区间；最后以煤炭行业为例验证了模型的有效性。结果表明：该方法能够从数据自身演化规律中自适应确定阈值，有效克服了传统统计与经验方法的主观性和缺乏理论依据的局限性；我国煤炭行业的合意产能利用率区间为73.73%～86.23%。该研究为工业产能过剩风险监测与判别提供了量化分析工具，为深化煤炭产能过剩治理提供了决策依据。     

上证综指分形特征研究

本文阐述了分形市场理论的基本思想和主要特征,运用重标极差(R/S)方法论对上证综指时间序列进行分形诊断,得出如下结论:①我国证券市场存在非周期循环,上证综指四种非周期循环的平均长度分别为858天、353天、246天和65天。②上证综指长周期Hurst指数值为0.561,市场具有“记忆”功能,信息对市场的影响具有持续性。③和西方市场相比,上证综指Hurst指数值较低,从而说明我国证券市场效率相对较低。     

中国国债市场收益率的统计特征分析

首先通过采用基于各个国债之间相关性的距离测度方法,对修正后的国债日收益率时间序列进行了聚类分析,将上海证券交易所的20只国债分成了5类,分类结果显示我国国债市场中的各个国债日收益率之间的相关性程度是很明显地依赖于它们的到期时间的。同时,研究了每一个国债修正后日收益率时间序列的价格波动结构,结果表明中国的国债市场也表现出非常明显的多标度分形特征,还发现属于同一类国债的多标度特征具有很强的自相似性,而不同类型国债之间的多标度特征则具有一定程度上的差异性。     

生产安全事故宏观发展态势的计量经济学研究

为了研究工矿商贸就业人员10万人生产安全事故死亡率时间序列变化特征,基于我国行业生产安全事故死亡人数及第二、三产业就业人员数量等2方面年度统计数据,通过研究事故死亡率时间序列的自回归移动平均过程,论文构建了事故死亡率时间序列的分阶段自回归移动平均模型.研究表明:工矿商贸行业10万人事故死亡率变化趋势具有明显的分阶段波动特征,事故死亡率序列均为趋势平稳过程;序列当期观测值与滞后1期观测值具有显著的自相关性;各阶段事故率自回归移动平均模型结构不尽相同;特征描述模型为正确把握我国安全生产状况及趋势提供理论依据.     

基于标度理论的股指时间序列相似性分析

股指时间序列的相似性分析是当前金融学研究的热点之一。为了提高股指时间序列相似性分析的准确度,从标度不变性、多重分形及波动聚集性三个层面定义了标度理论的度量指标,并基于此对股指序列进行表示。将分割后的每一序列子区间看作时间点,则分割、表示后的不同股指序列构成一个多指标的面板数据。基于面板数据特征及指标相对重要性,提出了一种新型的多指标面板数据相似性度量函数——复合距离函数,用以度量股指时间序列的相似性。聚类结果表明,相较于其他两种方法,基于标度理论和复合距离函数的相似性度量方法能够显著提高相似性度量的准确度,同时具有较强的稳健性。     

基于分形分析的国际金价波动长记忆性识别与预测研究

本文对国际金价波动的长记忆性进行研究,通过R/S,MRS,V/S等方法计算Hurst指数,证实了金价波动存在着显著的长记忆性。以此为基础借助分数差分,构建ARFIMA、FIGARCH、ARFIMA-GARCH等基于分形分析的长记忆性预测模型,实证结果表明该类模型很好地刻画了国际金价的内在波动规律,具有较强的预测功能。     

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

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ARF IM A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.     

基于GARCH模型的波罗的海干散货运价指数预测北大核心

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

基于GARCH模型的波罗的海干散货运价指数预测

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

逐段非趋势波动分析方法及我国证券市场的实证研究

为了研究金融时间序列在不同时段波动的持久性特征,本文提出了一种逐段非趋势波动分析方法。该方法首先建立多阶段分割动态规划模型对时间序列进行分割,随后对各子序列逐段进行非趋势波动分析。对我国证券市场的七个主要指数的实证研究结果表明,本文提出的逐段非趋势波动分析方法能够有效揭示股票指数持久性特征随时间变化的现象,也有助于更深入的比较不同指数间持久性特征的相似程度。     

中国股票市场星期效应的实证分析--主成份分析

本文利用主成份分析的方法,构造代表中国股市日收益率波动的第一主成份序列,通过对这一序列的残差进行自相关性与异方差性检验,选用(A(2)-A(1))～GARCH模型,分析中国股票市场"星期效应"的存在性与特征.     

金融系统中的早期预警信号及其统计物理性质

金融系统与其他复杂系统一样具有临界阈值，系统状态在到达临界点之前会显示微小的变化.运用统计物理的方法研究期货价格的方差和自相关特性，引入布朗运动和Tsallis-q-Gauss分布，研究其分布函数，呈现“尖头胖尾”的特征；引入互关联函数，研究方差与自相关分别与价格时间序列的关联情况，并同时进行比较，发现其具有长程相关性.最终验证了方差和自相关作为金融系统中期货市场早期预警信号的可行性.     

非线性时间序列周期分析的R/S分析方法及其应用

许多时间序列 ,例如资本数据等经济类时间序列 ,是由众多错综复杂因素共同作用的结果 ,存在着种种线性和非线性作用机制 ,频谱分析及其种种变形不应该是这些时间序列周期分析的合适工具 ,R/S分析因为不象频谱分析那样有正弦或余弦的假设 ,因而具有明显的优势 .通过对上证指数的 R/S分析 ,发现上证指数具有长程正相关和大约 5个月一个周期的特点 .     

基于长记忆模型的期货与现货波动率关系分析

基于SEMIFAR模型分析了沪深300指数和沪深300股指期货对数日波动率序列的长记忆性,发现股指期货波动率序列的长记忆性弱于指数波动率序列.另外,通过对比分析两波动率序列的确定趋势可知:现货市场与期货市场的波动率的变化趋势基本一致,二者处于一种长期的均衡关系,但又存在一定的差异;期货市场对于稳定现货市场的波动具有一定的作用,尤其表现在股价大幅度下跌时.