上证规模指数交叉相关性分析.docVIP

上证规模指数交叉相关性分析 　　摘要：以上证超大盘、中盘、小盘指数为研究样本，通过滑动窗口改进的MF-X-DFA分析不同规模指数间的交叉相关性。结果表明：滑窗改进方法可以有效减少传统方法局部趋势函数不连续造成的伪波动误差，避免关系的误判；各规模指数之间相关性存在多重分形特征且有长期记忆效应，大盘与它盘指数分形相关性复杂，中小盘间关系较规律。实证结果对投资者和机构构建投资组合选择具有现实意义 关键词：规模指数；多重分形；MF-X-DFA；滑动窗口；交叉相关性 一、引言 传统投资组合理论指导，为分散非系统性风险一般选择相关性小的资产构造风险资产组合，且基于有效市场假说（EMH）采用简单线性范式。但越来越多的研究表明，市场的波动具有复杂性，非简单线性及正态分布所能解释。分形市场假说对EMH提出质疑，多重分形能够通过具有时变性的参数来刻画金融时间序列的局部特征，更真实描述系统复杂统计特点，弥补传统方法不足 二、相关文献综述 国内外学者对于相关性的研究，传统运用格兰杰检验，动态条件模型，Copula模型等。Shun-Jen等通过面板数据对OECD国家进行了格兰杰因果分析发现金融发展与经济增长的因果关系方向对金融发展变量十分敏感。周璞等对中国大陆股票市场与世界主要股票市场采用线性和非线性格兰杰因果检验，发现大陆市场和其他主要股票市场之间存在非线性信息溢出效应 以上分析基于简单线性范式，并没有考虑在复杂金融市场中非平稳时间序列广泛存在的幂律关系。随着分形理论的发展，周炜星结合MF-DFA方法和DCCA分析方法，发展出了MF-X-DFA方法，用于分析两个非平稳时间序列间的交叉相关性及多重分形特征 综合已有文献，大部分研究集中在股票、期货商品、外汇市场等价格、指数的相关性分析，并没有对某一具体市场规模风格的相关分析还是空白。多重分形分析的方法中，对于局部趋势函数拟合阶数的选择确定没有提供充分理由及没有考虑拟合函数的不连续性所带来的影响。由此，本文运用MF-X-DFA方法，并基于滑动窗口思想优化方法精度，分析我国上证市场，超大盘、中盘、小盘指数间的交叉相关性，多重分形特征，以期对投资者和机构构建投资组合选择提出现实指导意义 三、基于滑动窗口的多重分形降趋势交叉相关性分析法 传统的多重分形降趋势交叉相关性分析法可参考相关论文，根据许林等关于MF-DFA方法的研究发现，在这样的分割区间上局部趋势函数拟合多项式不连续，可能引入新的伪波动误差，使波动函数产生偏差，且为了不丢失尾部数据，从尾部又开始了分割过程，把原始序列的顺序倒置，若序列表现出相关多重分形，则会影响分析结果，而通过引入滑动窗口技术可减少MF-DFA产生上述的误差。基于上述思想，本文将滑动窗口引入到MF-X-DFA中。通过取滑动步长k为1，每次将固定长度s的窗口移动1个步长，从而产生连续重叠的子序列，这样使得子序列的个数急剧增加。本文中，拟合多项式子序列长度s∈[2j+2，■]，其中j为拟合多项式阶数 四、实证研究与结果分析 1、数据来源与统计描述 本文采用上海证券交易所上证超大盘指数，上证中盘指数，上证小盘指数作为不同规模指数的量化指标。各指数数据来源于同花顺数据库，选取数据的时间跨度为2011.9.1至2015.12.31。选用上述三个指标的理由：一是指标名称意义明确，从编制方法上可知分别代表上证市场中不同市值规模公司的整体状况。二是沪市股票更具代表性，深市以中小板创业板具多 绝大部分文献的研究都是基于收益率。由各规模指数收益率序列描述性统计，三个规模指数收益率方差大小相近并没有显著的差异，小盘股收益率方差略大于中盘股与大盘股，相应收益率均值也略高于大中盘股。三个收益率序列偏度均不为0，峰度均不为3且较明显偏离3，说明两个序列都明显的尖峰厚尾分布的特征，JB统计量在1%的显著性水平下拒绝服从正态分布的原假设，说明收益率序列不能用简单正态分布描述。通过绘制出各指数价格序列分别在日、周、月时间标度下的走势图，可知各指数在不同时间标度下收盘价序列具有相似走势，即规模指数收盘价序列具有一定的分形特征。由分形理论、收盘价波动与时间标度无关，具有一定分形性，则证券市场并不是完全有效地。所以本文运用非线性系统分形理论对股市规模指数进行分形特征分析及交叉相关性分析是合适的 2、基于滑动窗口的多重特征分析 基于以上提到的方法，当{x（k）}={y（k）}，k=1，2，3…N时，MF-X-DFA方法就退化为MF-DFA方法，这样就相当于对序列进行了自相关性多重分形特征分析，本小节同样运用基于滑动窗口思想的MF-DFA，对各规模指数序列进行多重分形考察。其中趋势函数的多项式拟合阶数j定为2阶，相应子序列长度s∈[2j+2，■]，波动函数