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R/S分析的我国股票市场标度特性研究

应用重标度极差分析法(R/S),对我国股票市场不同时间间隔的收盘指数进行实证分析,研究我国股票市场的标度特性.结果表明我国股票市场具有长期记忆性和标度不变性,分别存在244天(上海)和190天(深圳)的非周期循环,并呈现多重分形特征.     

仪征化纤股票收益率的R/S分析

仪征化纤股票收益率日数据和周数据的分布特征等方面进行了分析,并对其进行长期记忆检验与周期确定.结果表明这只股票与有效市场假定不相符,它具有自相似性、状态持续性、长期记忆周期等明显的分形特征.     

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R/S分析的深圳股市非线性特征实证研究

应用HURST指数和R/S分析法对深圳股市进行了非线性特征实证研究,从低频数据到高频数据逐层分析,分别得到它们的H-指数、相关系数、分形维数和非周期循环.进一步,对不同频度数据分别进行对比分析,得到了深圳股市精确的非线性特征.实证结果表明,深圳股票市场存在状态持续性和波动性.     

股票市场的长记忆及其动态结构

本文提出了结合平均小波系数法和自回归原始自助法的稳健长记忆检验,蒙特卡罗模拟显示该方法对于短期记忆过程具有稳定性。基于该方法对2005年4月8日至2015年6月30日的中国、美国、香港和德国股市进行了实证分析。全局检验结果表明仅中国的股票市场存在显著的长记忆,并且风险因素无法对长记忆解释,而美国、德国和香港的股市不存在长记忆。基于递增窗口的动态Hurst指数分析显示,金融危机时期4个股市都存在显著的长记忆。2010年后,除中国股市外,其余三个股市几乎不存在长记忆现象。     

R/S统计量的单对数律

利用独立同分布随机变量阵列的强不变原理,获得了阵列情形时的R/S统计量的单对数律,特别获得了调整值部分和单对数律成立的充分必要性条件.     

R/S统计量重对数律的精确收敛速度

Let{Xn;n≥1}be a sequence of i.i.d, random variables with finite variance,Q（n）be the related R/S statistics. It is proved that lim ε↓0 ε^2 ∑n=1 ^8 n log n/1 P{Q（n）≥ε√2n log log n}=2/1 EY^2,where Y=sup0≤t≤1B（t）-inf0≤t≤sB（t）,and B（t） is a Brownian bridge.     

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.     

上证指数收益率的长期记忆性

本文介绍了利用谱回归对分数积分移动平均自回归 (ARFIMA)模型的分数差分参数进行估计的方法,并据此方法对上证指数收益率的长期记忆性进行了检验,根据分段检验的结果,得出一些有关我国证券市场有效性的结论。     

用修正重标极差法对上证指数长期记忆性的研究

本文以上证指数周收益率为研究对象,分别采用重标极差分析法和修正重标极差分析法,通过计算V统计量的值对其进行长期记忆性的检验。由于不能排除V统计量的值存在超出上侧分位点的可能性,本文进行了双侧检验,并分析了R/S分析法产生偏差的原因。得出上证指数周收益率时间序列并未表现出显著的长期记忆性的结论。     

基于LMSV模型的半参数方法对股市波动长记忆特征的识别

在金融时间序列波动具有显著的长记忆性这一背景之下,研究了LMSV模型长记忆参数的估计问题。首先,分析了LMSV模型的相关性质;接着,根据LMSV模型和ARFIMA模型的良好对应关系,提出了估计LMSV模型长记忆参数的半参数方法;最后,基于股市数据,验证了波动半参数方法的有效性。     

上证综指和深圳成指的可预测性分析

本文讨论了赫斯特指数的计算方法和R／S分析法在股市时间序列中的应用,表明了上证综指和深圳成指的可预测性。     

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。