基于多重分形方法我国期货市场特征研究.docVIP

基于多重分形方法的我国期货市场特征研究 　　【摘要】本文运用多重分形消除趋势波动分析方法，对之前较少被研究的中国铜和小麦两个期货品种的价格收益序列进行实证研究。结果表明，两种期货价格收益序列不服从正态分布且具有尖峰态特征，因此二者均存在明显的多重分形特征，单一的标度指数无法对其充分的描述。对其多重分形成因进行分析后发现，收益序列的波动相关性导致其多重分形特征，并引起价格的有偏随机游走，市场未达到弱式有效。 　　【关键词】多重分形趋势波动分析期货价格时间序列弱式有效 　　分形理论在复杂经济系统中的应用方面取得了较有价值的理论成果。文献[1-2]分别运用重标级差分析及盒维数分析等方法对实际市场的分形结构进行了确认。然而，许多学者发现仅用一个分形维数来刻画金融时间序列是不够的，而必须运用一个分形维度来描述金融时间序列中不同层次的奇异测度[3-5]。然而，在对资本市场进行多重分形分析时，绝大多数学者更多地关注于股票及外汇市场，而对同样重要的我国期货市场研究得较少。基于此，本文运用多重分形消除趋势波动分析(MF-DFA)方法对我国铜和小麦期货价格收益序列进行研究，探讨了期货市场中多重分形特征与非线性时间序列的长程相关性及胖尾概率分布之间的联系，对期货价格收益序列的多重分形成因进行了研究与探讨。 　　一、研究方法 　　MF-DFA方法是验证一个非平稳时间序列是否具有多重分形性的有效方法，对长度为N的序列{xi}，i=1，2，…，N，MF-DFA方法： 　　①通过求和把原序列归并成一个新序列： 　　(1) 　　 　　②把序列y(i)分割成长度为s的Ns=int(N/s)个互不相交的等长区间，由于长度N经常不是s的整数倍，为了不丢弃尾部剩余部分，从序列尾部重复这一分割过程，因此得2Ns区间。 　　③通过最小二乘法拟合每一子区间v(v=1，2，…，2Ns)上的局部趋势pv(j)函数消除子区间v中的局部趋势序列： 　　Zν（j）=yν(j)-pν(j)(j=1,2,3……，s)(2) 　　④分别计算2Ns个消除趋势子区间序列的平方均值： 　　(3) 　　这里v=1，2，…，Ns，进而求出序列的q阶波动函数： 　　(4) 　　⑤确定波动函数的标度指数，先固定q，通过在双对数图中分析Fq(s)与s的关系： 　　Fq(s)=∝Sh(q)(5) 　　对每一个分割长度s，可求出相应的一个Fq(s)，作出ln(Fq(s))与lns函数关系图，其斜率为q阶广义Hurst指数h(q)。这里，当h(q)独立于q为一常数时，序列为单一分形，当h(q)为q的函数时，序列为多重分形。⑥通过MF-DFA得到的h(q)与Renyi指数τ(q)的关系式： 　　τ(q)=qh(q)-1(6) 　　⑦用来描述多重分形时间序列的多重分形谱f(α)为： 　　f(α)=q［α-h(q)］+1(7) 　　式中：α=h(q)+qh`(q) (8) 　　一般地，时间序列中的多重分形行为存在两种原因：一是由于小幅波动及大幅波动中不同的长范围相关性造成的；另一种是由于波动的胖尾概率分布引起的对数据进行重排处理及相位随机化处理能够发现上述两种原因对多重分形起因贡献的大小，并能够说明多重分形的强度。Koscielny-Bunde通过广义多重分形模型发现，整个q阶h(q)可以拟合为 　　(9) 　　式中τ(q)=-lnaq+bq/ln2。式(9)说明h(q)在无穷大时可以用两个独立参数来描述，这两个参数可以描述一个时间序列的多重分形强度。在广义多重分形模型中，时间序列的强度可以通过Δα=αmax-αmir来描述，Δα越大则多重分形强度越大，即： 　　Δα=αmax-αmir=h(-∞)-h(∞)=(lnb-lnа) (10) 　　二、数据描述 　　数据选自我国铜期货指数(2004年7月9日至2010年5月4日收盘指数，共1417个观察数据)及小麦期货指数(2000年5月8日至2010年4月30日收盘指数，共2430个观察数据)。数据来源于wind数据库。进行实证研究的数据是对数收益率序列，两个期货指数收益序列的基本统计量如表1所示。 　　表1 收益序列的基本统计量 　　从表1可以看出，两种期货指数收益序列的偏度均不等于0，且峰度远大于3，说明两指数收益序列均不服从正态分布，而具有尖峰态的特征。这说明不适宜用传统的有效市场理论来刻画期货价格收益序列。 　　三、实证研究结果 　　分别对铜期货指数和小麦期货指数收益原始序列及变换后的收益序列进行一阶MF-DFA分析，根据式(1)～式(8)，s的取值范围为3～N/5d(N为时间序列的总长度)，当q从-10～10变化时，得到随q变化的h(q)如图1所示。 　　 （a）铜期货 （b）小麦期货