RS系列分析的非线性估计及应用.pdfVIP

2005 年 3 月 系统工程理论与实践 第 3 期 文章编号：1000-6788(2005)03-0080-06 R/S系列分析的非线性估计及应用 郝清民 （天津大学管理学院，天津,300072） 摘要： 针对 R/S 系列分析方法在估计 H 参数时存在一定偏差，从而导致分析结论产生分歧的问题，提出 用非线性估计方法提高R/S系列分析估计H参数的精确度，同时结合ARFIMA模型对估计精度进行了验证. 最后应用非线性R/S方法揭示中国股市主要指数和个股收益序列中的长期记忆效应. 关键词： 长期记忆；非线性估计；ARFIMA模型；R/S系列分析 中图分类号：O212 文献标识码：A Non-linear Estimate and Its Application on R/S Series Analysis HAO Qing-min (School of Management, Tianjin University,Tianjin, 300072, China) Abstract: R/S series analysis is widely used as measures of long memory in time series. As H parameter estimated bias existed and the precision may be improved through using non-linear estimate as we proposed and verified with ARFIMA model. Finally long memory characters of Chinese stock index and stock samples are revealed by non-linear R/S analysis. Key words: long memory; non-linear estimate; ARFIMA; R/S series analysis 1 引言 传统资本市场理论主要是基于“线性范式”的“有效市场假说”，并假定股票市场收益率服从正态 分布或对数正态分布.但多数经验研究表明，收益时间序列尽管是协方差平稳的，但多数表现出尖峰、胖 尾、有偏和时变波动等非线性特性，预示着时间序列数据并非只是服从独立同分布或“鞅过程”.一旦时 间收益序列中存在长期记忆性，基于线性范式思考方式和基于正态分布假设的分析方法将受到一定限制. R/S分析是揭示金融时间序列长期记忆性主要方法之一，是由Hurst[1]提出分析水库长期存储能力的 一种稳健非参数方法，可用以揭示自然界中随机和非随机、趋势变化和循环持续等现象；Mandelbrot[2] 将R/S分析应用到分形几何学中，并命名主要参数为Hurst指数，以此揭示股市的局部随机性和整体确 定性；Peters[3]提出分形市场假说代替有效市场假说，采用 R/S 分析作为主要工具，用实证方法系统分 析了美国股市道琼斯工业平均指数（DJIA）和标准普尔指数（SP500），认为DJIA和SP500收益序列中 存在长期记忆性，约有近4年的非周期循环. Lo[4]认为如果时间收益序列中存在短期记忆时，用 R/S 估计方法会导致参数估计有偏.因此，Lo 对 R/S分析方法做了部分修正（简称MR/S），主要是引进滞后因子对方差项的修正，并通过分析DJIA序列 认为不存在长期记忆效应.而 Moody[5]认为 Lo 的统计方法本身就是有偏的，而且在试图修正时因为高频 数据而产生了新的问题；其修正值对短期记忆又太过敏感，从