【摘要】： 證券市場(chǎng)的長(zhǎng)記憶性一般是指股票的價(jià)格或收益率序列存在長(zhǎng)期相關(guān)性,而現(xiàn)有的金融理論假設(shè)收益率是獨(dú)立同分布的,并沒(méi)有考慮長(zhǎng)記憶性,所以長(zhǎng)記憶性的存在會(huì)對(duì)許多已有的理論產(chǎn)生影響。 場(chǎng)景記憶是個(gè)人親身經(jīng)歷過(guò)的,在一定時(shí)間和地點(diǎn)發(fā)生的事件或情景的記憶。場(chǎng)景記憶的研究人員發(fā)現(xiàn)人們使用深刻影響的事件來(lái)指導(dǎo)他們的回憶。 本文圍繞交易數(shù)據(jù)的長(zhǎng)記憶性和隱藏在交易數(shù)據(jù)中的場(chǎng)景記憶,主要做了以下研究工作: (1)研究了長(zhǎng)記憶性的檢驗(yàn)方法。通過(guò)仿真計(jì)算發(fā)現(xiàn)短記憶性的存在會(huì)使R/S分析方法的估計(jì)值和樣本序列的真實(shí)值存在較大的偏差。提出了使長(zhǎng)記憶時(shí)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(jì)值之間誤差最小原則的長(zhǎng)記憶參數(shù)估計(jì)方法。用不同的檢驗(yàn)方法對(duì)我國(guó)證券市場(chǎng)的綜合指數(shù)及一些個(gè)股的收益率和絕對(duì)收益率進(jìn)行了檢驗(yàn),得出日收益率幾乎不存在長(zhǎng)記憶性,而日絕對(duì)收益率有較明顯的長(zhǎng)記憶性。 (2)總結(jié)了用ARFIMA模型對(duì)長(zhǎng)記憶時(shí)間序列建模分析的一般步驟,推導(dǎo)了用ARFIMA模型做預(yù)測(cè)時(shí),預(yù)測(cè)系數(shù)的迭代公式以及預(yù)測(cè)系數(shù)的極限性質(zhì)。 (3)建立了一個(gè)基于交易數(shù)據(jù)的場(chǎng)景記憶系統(tǒng),通過(guò)事件模式對(duì)交易數(shù)據(jù)的學(xué)習(xí)給出了事件場(chǎng)景記憶模型的計(jì)算實(shí)例。實(shí)際數(shù)據(jù)分析表明,場(chǎng)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(chǎng)景,從而對(duì)當(dāng)前的形勢(shì)做出一定的判斷。
【學(xué)位授予單位】：國(guó)防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2007
【分類號(hào)】：F224;F830.91
【圖文】：

國(guó)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(zhǎng)度下側(cè)S分析方法估計(jì)結(jié)果圖圖2.2左邊的圖橫軸表示FDN樣本序列的真實(shí)Hurst值，縱軸表示利用側(cè)S分析方法得到的估計(jì)值，虛線表示估計(jì)值等于理論值的情況。圖2.2的右邊圖表示估計(jì)值和真實(shí)值的絕對(duì)誤差。從圖2.2可以看出:(l)當(dāng)Hurst值較小時(shí)，小于0.5時(shí)側(cè)S分析方法得到的Hurst估計(jì)值偏離其真實(shí)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(shí)，這種偏離達(dá)到最小，此時(shí)側(cè)S分析方法的估計(jì)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(zhǎng)度的原因，側(cè)S分析法的估計(jì)值存在著系統(tǒng)偏差。圖2.3不同數(shù)據(jù)長(zhǎng)度下側(cè)S估計(jì)結(jié)果的方差圖2.3表示不同情況下估計(jì)誤差的方差曲線圖。從圖2.3可以看出，隨著數(shù)據(jù)長(zhǎng)度的增加，估計(jì)值的方差大致有減小的趨勢(shì)，當(dāng)數(shù)據(jù)長(zhǎng)度為128時(shí)，此時(shí)估計(jì)值的方差最大，估計(jì)值最不穩(wěn)定，估計(jì)結(jié)果的可信度較差。當(dāng)樣本長(zhǎng)度達(dá)到1024第11頁(yè)

蘸圖2.4兩市收盤價(jià)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(jià)是不平穩(wěn)的，深圳成指的收盤價(jià)數(shù)據(jù)波動(dòng)更加劇烈。在特定的時(shí)間段里，都存在顯著的上升和下降的趨勢(shì)，數(shù)據(jù)明顯是不平穩(wěn)的。圖2.5兩市收盤價(jià)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(jià)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(shí)，上證指數(shù)收盤價(jià)的自相關(guān)函數(shù)為0.5379;深圳成指的收盤價(jià)自相關(guān)函數(shù)為0.3328。這表明，兩市的收盤價(jià)數(shù)據(jù)均存在著很強(qiáng)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(qiáng)的相關(guān)性，選取兩市相同交易日的收盤價(jià)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(guó)股票市場(chǎng)長(zhǎng)期記憶特性研究[J];當(dāng)代財(cái)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(jì)算法[J];電子與信息學(xué)報(bào);2006年12期

3 張維,黃興;滬深股市的R/S實(shí)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(rùn);;基于股票市場(chǎng)交易數(shù)據(jù)流的場(chǎng)景記憶模型[J];系統(tǒng)工程;2006年10期

5 陳夢(mèng)根;中國(guó)股市長(zhǎng)期記憶效應(yīng)的實(shí)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(jì)算法的性能分析[J];計(jì)算機(jī)應(yīng)用;2006年04期

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

本文編號(hào)：2771211