基于MF—DFA股票时间序列聚类研究和其应用.docVIP

基于MF—DFA股票时间序列聚类研究和其应用 　　摘要： 多重分形消除趋势波动分析法（MF-DFA） 不仅能够去除股票时间序列的长期趋势波动，还能够精确反应股票时间序列的多重分形特性。首先利用MF-DFA方法对股票时间序列进行多重分形分析，结果表明，相比标准多重分析，MF-DFA方法更能反映时间序列的多重分形特性。其次，定义一种以多重分形谱参数作为相似性度量函数的聚类方法对股票时间序列进行聚类。最后，在Markowitz提出的“期望均值收益—收益方差”（M-V）模型的基础上，把聚类结果运用股票投资组合当中。采用上海证券市场28支股票进行实验验证表明，在给定的收益率下，采用基于多重分形谱参数的聚类方法的股票组合可以得到比随机组合更小的风险水平。 Abstract： The method of multi-fractal detrended fluctuation analysis（MF-DFA） can not only be able to remove the fluctuations of the long-term trend in the stock market time series， but also be able to describe the multi-fractal characteristics. First of all， this paper uses the MF-DFA to analyze the multi-fractal characteristics of the stock market time series and the result shows that the method of MF-DFA is more efficient. Secondly， it defines a similarity measure function of clustering which use the parameters of multi-fractal spectrum as their parameters on the stock time series clustering. Finally， based on the Markowitz proposed the rule of expected mean and the variance of return （M-V rule）， it applies the clustering results into the stock portfolio. According to the experiment result， a portfolio with more return and lower risk is reached. 关键词： 时间序列；多重分形消除趋势波动分析；聚类；投资组合 Key words： time series；MF-DFA；clustering；Portfolio 中图分类号：F830.9 文献标识码：A 文章编号：1006-4311（2013）26-0137-04 0 引言 对于许多的时间序列，例如股指时间序列，股票价格序列等，由于其形成过程中受到众多复杂的非线性因素的影响，因此在不同局部区域和不同层次往往呈现出不同的特征和复杂性。作为一种重要的非线性方法，多重分形分析方法将复杂对象分成多个奇异程度不同的子区域，并借助统计物理的方法描述对象在不同子区域的分形特征以及各子区域对整体对象的影响。由于多重分形分析方法能够描述资产价格在不同时间标度，不同波动幅度方面的精细的信息，从而全面真实的反应资产价格波动的复杂统计[1]，因此近年来国内外许多学者对金融证券市场的多重分形特征及其应用进行了研究。对众多国家和地区的实证研究表明，多重分形特性在全球证券市场中广泛存在[2-4]。 多重分形消除趋势波动分析（MF-DFA）是Kantelhardt（2002）在DFA方法的基础上首次提出的[5]，用来刻画时间序列在不同时间标度下的多重分形特征。胡雪明、宋学锋[6]在国内最早把MF-DFA方法引入沪深股市的实证对比研究当中发现两市均具有多重分形特征，深圳成指比上证综指的广义Hurst指数要大，表明其具有更强的持久相关性。宛莹、庄新田[7]利用多重分形消除趋势波动分析法，对国际上3种主要的国际汇率收益序列进行实证分析，发现国际汇率存在多重分形特性，且有两个因素共同作用。刘维奇、牛奉高[8]运用MF-DFA方法对上证指综指和深圳成指的多重分形特征进行比较，结果表明前者多重分形特征比后者更加明显。万涛[9]等运用该方法对对上证指综指和深圳成指的日对数收益序列进行比较分析，也得到相同