东北大学工商管理学院苑莹yyuan@.ppt_第1页
东北大学工商管理学院苑莹yyuan@.ppt_第2页
东北大学工商管理学院苑莹yyuan@.ppt_第3页
东北大学工商管理学院苑莹yyuan@.ppt_第4页
东北大学工商管理学院苑莹yyuan@.ppt_第5页
已阅读5页,还剩32页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1,东北大学 工商管理学院 苑 莹 ,青年基金项目研究工作交流,2,理 论 依 据,异 象 性 特 征,多重分形特性研究,在金融风险管理中的应用,非线性检验,长记忆性,多标度特性,可预测性,基于符号序列方法的股价预测,基于神经网络模型的股价预测,多重分形结构及成因分析,股市收益率的标度突变现象,长记忆性与市场发展状态的关系,多重分形谱参数与股价波动关系,基本思路,3,1)研究背景,国际,全球经济一体化大环境下,金融风险的防范已经成为金融市场发展的首要问题,一、,国内,沿用EMH理论来认识和定位中国股市价格变化,具有其局限性,现实背景,对EMH的质疑,EMH关于金融市场本质特征的认识存在较大缺陷: 对种种异常现象解释不足 基于EMH发展起来的风险管理方法对重大金融风险或金融 危机也没有起到预警作用,新金融学时代的来临,“行为金融学”流派以心理学上的发现为基础 “经济物理学”流派科学、高度的可操作性,理论背景,4,有效市场 理论,分形市场 理论,多重分形 理论,更符合实际市场的统计特性,多重分形模型被认为是迄今为止最为全面的描述价格波动特征的模型,一个分形维是否能很好地描述市场的分形结构?,价格增量不同部分的相关性及其在时间轴上的分布是否一致?,对种种异常现象解释不足,2)问题的提出,5,3)研究方法,基础 理论,金融学、分形几何学、时间序列分析、经济物理学、 计量经济学,一、,实证 方法,J-B检验、K-S检验、ADF检验、Q统计量检验、BDS检验、R/S分析、盒维数分析、DFA分析、多仿射分析、多重分形谱分析、MF-DFA分析、符号序列方法、神经网络方法,实证 工具,Matlab自行编程,Eviews4.0作以辅助工具,研究 对象,以上证指数为研究主线,以深成指数为辅助研究对象,并根据需要对指数收盘价,指数日收益率及每5分钟高频指数三组序列进行研究。,6,中国股票市场的异象性特征,二、,7,异象性特征非线性检验,一、,二、,表3.1股价指数日收益率基本统计量,基本统计量检验,ADF检验,表3.2 股指收益序列的ADF检验,Q统计量检验,表3.3 股指收益序列的Ljing-box检验:修正Q统计量,注:* 表示在0.01水平下显著,8,异象性特征非线性检验,一、,三、,表3.4 BDS统计量,BDS检验,结论,9,一、,异象性特征长记忆性特征,优势:能够检验时间序列中的长记忆性 劣势:它却无法区分序列存在的短程依赖关系和长程依赖关系,优势:当一个时间序列表现出短记忆性时,能得到正确的结果 劣势:当一个时间序列实际上具有长程相关性,却趋向于接受短 期记忆的零假设,从而得出错误的结论。,优势:消除了局部趋势,并且局部趋势相关性容易被发现。,表3.7 不同方法下标度指数值,经典R/S分析,修正R/S分析,DFA分析,10,异象性特征多标度特性,图3.14 f(),图3.13 (q)q,图3.12 LnMq(T)LnT,值是一个标度范围(0.83-1.49),刻画了不同幅度波动下的多标度特征 在整个标度范围上都大于0.5,印证了具有长记忆性的分形特征; f() 0,说明指数处于高价位的机会比处于低价位的机会要大。,11,异象性特征可预测性,基本方法:基于指数涨落的符号序列方法,图3.17当基期天数为M 时的条件概率和比率,(a) M=1,(b) M=2,(c) M=3,(d) M=4,条件概率p与比率r对于均值都有一定的偏离。这说明指数的涨落 不是完全随机的,并且可以以一定的条件概率来预测指数的涨落。,12,异象性特征,总结,尖峰厚尾,长期记忆,多标度特性,可预测性,有效市场理论及简单分形理论不能适应对市场更深层次刻画及理解的需要,13,中国股票市场的多重分形特性研究,股市收益率的多重分形结构及成因分析,股市收益率的标度突变现象,长记忆性与市场发展状态的依赖性,多重分形谱参数与股价波动趋势之间的关系,14,多重分形特性研究MF-DFA分析,股市收益率多重分形结构及成因分析 长范围相关性造成的;(重排处理) 波动的胖尾概率分布引起的;(相位随机化处理),表4.1 股指收益率的广义赫斯特指数,h(q)随q的增加呈递减变化,说 明收益率具有多重分形结构。 原始序列、重排序列及替代序 列的多重分形强度依次递减, 说明对于价格波动的多标度变 化,持久相关性起到了重要的 作用, 是形成多重分形特征的 主要原因。,15,中国股票市场的多重分形特性研究,图4.5 上证指数原始收益序列的Ln(Fq(s)-Lns函数关系图,图4.6 重排后的收益序列的Ln(Fq(s)-Lns函数关系图,图4.7 相位随机化后的收益序列的Ln(Fq(s)-Lns函数关系图,股市收益率的标度突变现象,图4.5中,当q取得负值时,波动函数在3Ln(s*)3.5,即s*约为28处存在标度突变点。 图4.6和4.7中突变点位置左移,分别在s*9(重排)和s*6(替代)处,16,股市收益率的标度突变现象(续),图4.9 广义Hurst指数,图4.10 (q) q,图4.11 f() 图形,上述实证研究表明: 在s s* 的情况下,多重分形强度较弱,Hurst指数为0.438,这意味着收益序列表现为反持久性特征。,多重分形特性研究MF-DFA分析,17,股市收益率的长记忆性与市场发展状态间的关联性,表4.6.不同国家股价指数的H(1)及H(2)值,从表可以看出,广义Hurst指数H(1)及H(2)的值对市场的成熟程度非常敏感:,新兴市场具有较高的H(1)值,而且H(1)及H(2)值均大于0.5。 发达市场具有较低的H(1)值,而且H(1)及H(2)值均小于0.5。,多重分形特性研究多仿射分析,18,多重分形特性研究价格波动的多重分形特性,多重分形谱参数与股价波动之间的关系,(a)1月11日 (b)1月12日,图4.13 一天中每5分钟高频指数变化的趋势,(a)1月11日 (b)1月12日,图4.14 图4.13所对应的多重分形谱,左图:I(a) I(b) 右图:(a)(b) I(a) 主要在中线以上; I(b) 主要在中线以下 f(a)0, f(b)0,多重分形谱参数和f可以在一定程度上反映指 数本身的变化范围和高低价位出现频率的变化。,19,多重分形特性研究,股价发生大幅波动条件下多重分形谱参数的异常变化,多重分形谱的二次函数拟合,各参数与拟合系数的含义,20,多重分形特性研究,图4.17 0 变化趋势图,图4.19 min及max 变化趋势图,图4.20 C 变化趋势图,图4.16 股价指数波动趋势图,图4.18 W 变化趋势图,图4.21 B 变化趋势图,21,多重分形特性研究,图4.17: 当股价指数发生大幅波动时,对应位置的0的值突然增加,并且达到 局部峰值。而且股价指 数的波动趋势与0变化趋势具有统计上的相 似性。 图4.18: 当指数发生大幅波动时,W的值也相应增加,并同样达到局部峰值, 这说明指数变化的范围增加。 图4.19: 在股价指数发生大幅波动的相应位置,max及min均有显著的变化, 其中max随股价指数的波动成正相关的变化,而min随股价指数的波 动成负相关变化,并且max和min的趋势相对于=1成近似对称的图 形。max表示指数的最低值,min表示指数的最高值。因此可以发现 当股价指数发生大幅波动时,max突然增加,说明指数最低值降低, 而min突然减小,说明指数的最高值增加,二者共同作用说明指数的 变化范围增加。 图4.20: 变化趋势与股价指数的波动趋势也具有统计上的相似性。 图4.21: 偏斜系数B值在正负之间变化具有随机性,说明较高指数占据主导地 位与较低指数占主导地位是随时变化的,这意味着股价指数时常会 出现波动。, 股价持续大幅波动条件下多重分形谱参数的异常变化,22,多重分形特性研究,多重分形谱参数与收益率的关联性,(a)R的点分布图 (b)av随R变化的直方图,图4.23 多重分形谱参数随对数收益率R变化,左图:大部分点集中在R=0和=0的位置附近(主要在-2S%2附近),但还是有很多点偏离了R=0,并且从点分布图上基本可以说R偏离0越大, 越大。 右图:直方图证实了这个结论,即指数变化越大(或升或降),越大实际上,股票市场的收益率R与当日指数的振荡有关联,收盘指数的绝对值越大,振荡就越剧烈,这就导致 了与R之间的关联性。,23,多重分形特性研究,多重分形谱参数与收益率的关联性,(a)f R 的点分布图 (b)fav随R变化的直方图,图4.24多重分形谱参数f随对数收益率R变化,左图:似乎第一象限点的数目多于第二象限,第四象限点的数目略多于第三象限,并且这种趋势在f和R的绝 对值较大时更为明显。 右图:大多数的点集中在-2R%2且 -0.1f0.1的区间内,而且除个别区间外(3个区间),大多数的f随R绝对值的增加而减少。,通过对股价指数进行多重分形谱分析可以在多重分形谱参数和股价指数的变化间建立关联性,从而可以以一定概率预测股市的涨落。,24,多重分形理论在金融风险管理中的应用,基于符号序列方法的股价方向预测,基于神经网络模型的非线性预测,25,基于多重分形谱参数f的符号序列方法,基于符号序列方法的股票价格方向预测,两种符号序列方法的比较,(a)I符号序列,(b)f符号序列,(a)I符号序列,(b)f符号序列,图5.1当基期天数M为3时, 两种符号序列的条件概率和比率,图5.2当基期天数M为4时, 两种符号序列的条件概率和比率,多重分形理论在金融风险管理中的应用,26, 两种符号序列方法的比较(续),f与一天中许多指数相关,能够获得更多关于市场有用的信息 (查尔斯道):收盘价是股票价格中最重要价格,所揭示的信息是不容忽视的, 股票价格方向预测的结果 大涨落下的条件概率,图5.4 当基期天数为2时, 两种符号序列预测的条件概率分布图,多重分形理论在金融风险管理中的应用,27,(a) I符号序列 (b) f符号序列,符号序列方法对股票价格方向预测的结果 大涨落下的条件概率,图5.5当基期天数为3时, 两种符号序列预测的条件概率,图5.6当基期天数为4时, 两种符号序列预测的条件概率,(a) I符号序列 (b) f符号序列,通常随着阈值的增大,pmax和pmin对50%的偏离也增大。两种方法都能给出较大的概率,这说明指数在大的涨落下,条件与指数变化的关联性比小的涨落要强得多。,多重分形理论在金融风险管理中的应用,28,条件概率p (+j)只考虑了指数在下一天上涨时概率为多少,为了定量说明预测结果,引入条件平均增益g(j): 其中Nj为具有第j个条件的预测天数,In为在Nj个预测天中第n天的收盘指数变化值。,符号序列方法对股票价格方向预测的结果 条件平均增益,图5.7 当基期天数为2时, 两种符号序列预测的条件平均增益,多重分形理论在金融风险管理中的应用,29,(a) I符号序列 (b) f符号序列,图5.8当基期天数为3时的条件平均增益,符号序列方法对股票价格方向预测的结果 条件平均增益(续),(a) I符号序列 (b) f符号序列,图5.9当基期天数为4时的条件平均增益,通常情况下,随着阈值的增大,条件平均增益gmax和gmin分别迅速增大和减小; 在不同的阈值下,gmax和gmin所对应的条件都是不变的,即在gmax对应的条件下股 价指数发生大涨的机会多,而在gmin对应的条件下,股价指数发生大跌的机会多; gmax和gmin所对应的条件与发生大涨大落时pmax和pmin所对应的条件完全相同;,多重分形理论在金融风险管理中的应用,30,符号序列方法对股票价格方向预测的结果 条件平均增益(续),结论:gmax和gmin所对应的条件或在较大的阈值下pmax和pmin所对应的条件才是指数发生大涨落的条件。 指数的大涨落与条件之间的关联性是很强的,可以用较大的条件概率来防止大的风险,预测较大的涨落。,多重分形理论在金融风险管理中的应用,31,基于多重分形谱的神经网络建模及股价预测,神经网络模型:良好的非线性品质、极高的拟合精度、灵活而有效的学习方式 实证研究结果已经表明,多重分形谱参数与股价波动之间具有一定的关联性,而且该种关联性又具有时间上的延续性,基于多重分形谱的神经网络模型的提出,基于多重分形谱的神经网络模型结构设计,多重分形理论在金融风险管理中的应用,32,图5.12 神经网络训练效果,图5.13 神经网络预测效果,表5.2 BP神经网络预测效果测试,预测过程及结果,结论:整体趋势与实际值大体相同,而且在某些峰值处也达到了较好的拟合效果。,多重分形理论在金融风险管理中的应用,33,发表论文情况,一、,1 Yuan Ying, Zhuang Xin-tian, Jin Xiu. Measuring multifractality of stock price fluctuation using multifractal detrended fluctuation analysisJ. Physica A:Statistical Mechanics and its Applications, 2009,388(11):2189-2197 (SCI/EI检索:UT ISI:000265350900011,Accession Number:20091311982748) 2Yuan Ying, Zhuang Xin-tian. Multifractal descripition of stock price index fluctuation using a quadratic function fittingJ. Physica A:Statistical Mechanics and its Applications, 2008, 387(2-3): 511-518(SCI/EI检索, UT ISI:000251896800017, Accession Number:074810955722). 3 苑莹,庄新田,金秀.基于MF-DFA的中国股票市场多标度特性及成因分析J.管理工程学报,2009,23(4):96-99. 4 苑莹,庄新田. 股票市场多重分形性的统计描述J. 管理评论,2007,19(12):3-8. 5 苑莹,庄新田. 国际汇率的多重分形消除趋势波动分析J. 管理科学,2007,10(4):80-85. 6 庄新田,苑莹. 中国股票市场的标度突变现象及其特征研究J. 系统工程学报,2009,24(1):79-83,34,发表论文情况,一、,7 苑莹,庄新田. 金融时间序列的标度特性实证研究J. 管理工程学报,2008,22(2):85-89. 8 苑莹,庄新田. 股指大幅波动前后的多重分形特征统计 J. 系统管理学报,2008,17(3):278-282. 9 庄新田,苑莹. 基于多重分形谱的神经网络建模及股价预测J. 系统管理学报,2007, 16(4):351-355. 10 苑莹,庄新田. 基于符号序列方法的股价指数预测研究J. 数理统计与管理,2007,26(4):602-609. 11苑莹,庄新田. 股票市场的多重分形Hurst分析J. 管理学报,2007,4(3):383-387. 12 苑莹,庄新田,金秀. 不同股市收益率的多重分形特性比较J. 管理学报,2009,6(4):502-505. 13 苑莹,庄新田.中国股票市场的长记忆性与市场发展状态J. 数理统计与管理,2008,27(1):156-163.,35,发表论文情况,一、,14 苑莹,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论