【摘要】： 證券市場的長記憶性一般是指股票的價格或收益率序列存在長期相關(guān)性,而現(xiàn)有的金融理論假設(shè)收益率是獨立同分布的,并沒有考慮長記憶性,所以長記憶性的存在會對許多已有的理論產(chǎn)生影響。 場景記憶是個人親身經(jīng)歷過的,在一定時間和地點發(fā)生的事件或情景的記憶。場景記憶的研究人員發(fā)現(xiàn)人們使用深刻影響的事件來指導(dǎo)他們的回憶。 本文圍繞交易數(shù)據(jù)的長記憶性和隱藏在交易數(shù)據(jù)中的場景記憶,主要做了以下研究工作: (1)研究了長記憶性的檢驗方法。通過仿真計算發(fā)現(xiàn)短記憶性的存在會使R/S分析方法的估計值和樣本序列的真實值存在較大的偏差。提出了使長記憶時間序列的自相關(guān)函數(shù)和偏相關(guān)函數(shù)的理論值與樣本估計值之間誤差最小原則的長記憶參數(shù)估計方法。用不同的檢驗方法對我國證券市場的綜合指數(shù)及一些個股的收益率和絕對收益率進(jìn)行了檢驗,得出日收益率幾乎不存在長記憶性,而日絕對收益率有較明顯的長記憶性。 (2)總結(jié)了用ARFIMA模型對長記憶時間序列建模分析的一般步驟,推導(dǎo)了用ARFIMA模型做預(yù)測時,預(yù)測系數(shù)的迭代公式以及預(yù)測系數(shù)的極限性質(zhì)。 (3)建立了一個基于交易數(shù)據(jù)的場景記憶系統(tǒng),通過事件模式對交易數(shù)據(jù)的學(xué)習(xí)給出了事件場景記憶模型的計算實例。實際數(shù)據(jù)分析表明,場景記憶模型允許系統(tǒng)根據(jù)當(dāng)前的情況搜尋它的歷史記憶場景,從而對當(dāng)前的形勢做出一定的判斷。
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：F224;F830.91
【圖文】：

國防科學(xué)技術(shù)大學(xué)研究生院碩士學(xué)位論文圖2.2不同數(shù)據(jù)長度下側(cè)S分析方法估計結(jié)果圖圖2.2左邊的圖橫軸表示FDN樣本序列的真實Hurst值，縱軸表示利用側(cè)S分析方法得到的估計值，虛線表示估計值等于理論值的情況。圖2.2的右邊圖表示估計值和真實值的絕對誤差。從圖2.2可以看出:(l)當(dāng)Hurst值較小時，小于0.5時側(cè)S分析方法得到的Hurst估計值偏離其真實值較大，隨著Hurst值的增加，這種偏離逐漸減小，在Hurst值為0.7時，這種偏離達(dá)到最小，此時側(cè)S分析方法的估計效果最好。當(dāng)Hurst值大于0.7以后

(3)可以認(rèn)為由于數(shù)據(jù)長度的原因，側(cè)S分析法的估計值存在著系統(tǒng)偏差。圖2.3不同數(shù)據(jù)長度下側(cè)S估計結(jié)果的方差圖2.3表示不同情況下估計誤差的方差曲線圖。從圖2.3可以看出，隨著數(shù)據(jù)長度的增加，估計值的方差大致有減小的趨勢，當(dāng)數(shù)據(jù)長度為128時，此時估計值的方差最大，估計值最不穩(wěn)定，估計結(jié)果的可信度較差。當(dāng)樣本長度達(dá)到1024第11頁

蘸圖2.4兩市收盤價數(shù)據(jù)圖從圖2.4可以看出，不管是上證指數(shù)，還是深圳成指，他們的收盤價是不平穩(wěn)的，深圳成指的收盤價數(shù)據(jù)波動更加劇烈。在特定的時間段里，都存在顯著的上升和下降的趨勢，數(shù)據(jù)明顯是不平穩(wěn)的。圖2.5兩市收盤價滯后300階自相關(guān)函數(shù)圖從圖2.5可以看出兩市的收盤價的自相關(guān)函數(shù)衰減很緩慢，且數(shù)值較大。在滯后階為300時，上證指數(shù)收盤價的自相關(guān)函數(shù)為0.5379;深圳成指的收盤價自相關(guān)函數(shù)為0.3328。這表明，兩市的收盤價數(shù)據(jù)均存在著很強的自相關(guān)性。進(jìn)一步的觀察可發(fā)現(xiàn)滬深兩市綜合指數(shù)之間存在著很強的相關(guān)性，選取兩市相同交易日的收盤價數(shù)據(jù)

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 陳煒,吳世農(nóng);中國股票市場長期記憶特性研究[J];當(dāng)代財經(jīng);2003年06期

2 李林峰;裘正定;;自相似網(wǎng)絡(luò)流量Hurst指數(shù)的迭代估計算法[J];電子與信息學(xué)報;2006年12期

3 張維,黃興;滬深股市的R/S實證分析[J];系統(tǒng)工程;2001年01期

4 于寧莉;易東云;劉海波;周潤;;基于股票市場交易數(shù)據(jù)流的場景記憶模型[J];系統(tǒng)工程;2006年10期

5 陳夢根;中國股市長期記憶效應(yīng)的實證研究[J];經(jīng)濟(jì)研究;2003年03期

6 陳建;譚獻(xiàn)海;賈真;;7種Hurst系數(shù)估計算法的性能分析[J];計算機(jī)應(yīng)用;2006年04期

7 徐龍炳,陸蓉;R/S分析探索中國股票市場的非線性[J];預(yù)測;1999年02期

本文編號：2771211