国内上市公司“周内效应”小波多分辨研究.docVIP

国内上市公司“周内效应”小波多分辨研究 　　【摘要】本文将在小波分析的基础上,以上证综合指数每天的日收益率为研究对象,利用小波变换的多分辨分析特点――短期周期性和长期趋势性的分离,对收益率数据本身及其自相关序列进行小波变换,研究我国金融数据的“周内效应”。结果表明:小尺度下的周期特性和大尺度下的趋势性特征存在一定差异。投资者应根据这一特征,预测在滞后多长时间内收益率的相关性最大与相关性最小,从而制定科学的投资策略。 　　【关键词】周内效应;小波理论;多分辨分析 　　 　　引言 　　 　　金融市场的时变性和随机性,传统的线性时间序列模型己经不足以对现实的情况作出合理的解释,学者们研究发现,应用小波分析构建非线性时间序列模型能对复杂的金融财务现象做出更为合理的描述。 　　宋宜美等(2002)则提出了一种研究股票市场分布特性的小波方法,发现股价指数序列存在分形现象,即分形噪声,而股指对数收益率是一种具有分形分布的持久性序列,基本上为负相关。Enrico(2004)用小波方法对数据进行预处理,有效挖掘出数据中隐藏的周期因子,通过小波包的过滤,并进行拟合、逼近,解决了高频率下协方差非平稳的负效应问题。徐梅等(2005)探讨了基于小波方差的金融波动的长记忆(LRD)分析方法,对沪、深两市综合指数收益波动长记忆性分别进行分析,定义了小波协相关系数,对不同尺度下两市收益波动的相关性进行分析,其说明了该方法比传统分析方法的优点在于将整体的长记忆性和相关性分解到不同尺度上,从而表明以不同的尺度为基准金融波动的长记忆性和不同市场金融波动的相关性。侯守国等(2005)利用小波分析中的多分辨分析方法对短期周期性和长期趋势性进行分离,对多分辨分析后的效果进行检验,发现对日内周期性滤波的拟合度比FFF方法高.多分辨分析方法能更好地识别高频部分的细节。 　　综上所述,利用小波分析研究我国金融数据特点的文章并不多见。我国证券市场是否呈现“周内效应”?呈现出何种特点? 本文以上证综合指数的每天的日收益率为研究对象,利用小波分析中的多分辨分析(MRA)对其滞后140期(即5天)的自相关序列进行小波分析。 　　 　　一、理论基础:小波与多分辨分析 　　 　　小波变换较好地解决了时间分辨率和频率分辨率的矛盾,继续和发展了Gabor加窗傅立叶变换的局部化思想。小波变换的窗是可调的时频窗,在高频时使用短窗口,在低频时使用长窗口,即以不同的尺度观察数据,以不同的分辨率分析数据,这充分体现了自适应分辨分析的思想。小波变换与时变、非平稳时间序列的特性一致。特别是小波变换经过适当离散化后,能够构成规范化的正交系,这使小波变化在时间序列分析中具有极其重要的意义。 　　定理1设中的线性无关的函数,,,,为的n维线性子空间,则对任一,存在唯一的,,使,且有,,,则有。 　　一般来说,投影与有关,不同的基,,,组成不同的子空间,然后在上找出投影来,这一系列过程构成了不同的数值分析方法。 　　定义2 设是的一串闭子空间序列,若为的一个多分辨分析(MAR)应满足以下五个条件: 　　(1)单调性: 　　(2)平移不变性: 　　(3)二进制伸缩相关性: 　　(4)逼近性: 　　 　　(5)Riesz基的存在性:存在,使是的Riesz基。 　　在实际应用中一般采用Mallat算法进行小波分解。在多分辨率分析中,一个重要参数就是尺度函数,利用尺度函数,可以构造正交小波函数,的局部性和光滑性在很大程度上决定于尺度函数的局部???和光滑性。由Mallat算法知,小波分解具有图所示的分解特性,其中Ai为低频部分,Di为对应的高频部分。 　　利用Mallat算法对序列进行分解时,关键的一个问题还有就是选择合适的小波基函数。从表1中可知,各个性能条件都达到理想的小波基函数是不存在的。实际应用中,时序信号不可能完全正则的,通常存在少数几个奇异点。然而为了使高幅值的小波系数的数目尽可能小,就必须减小小波函数的支撑宽度。一般来讲,一个函数的支撑宽度与其消失矩阶数是独立的,但是对于正交小波而言,具有K阶消失矩意味着其支撑宽度至少是2K-1。所以在选择正交小波时,必须在支撑宽度和消失矩阶数之间进行权衡。如果信号有很少的孤立奇异点,而且在奇异点之间很光滑,应选择具有高阶消失矩的小波以使大量的小波系数幅值很小。而当奇异点靠得很近时,最好选择支撑宽度较小的小波,以便于区分这些奇异点,同时也可以减少大幅值的小波系数。 　　此外,如果为了得到小波基的对称性,就要放弃小波基的一些其他特性,或要保持小波基的紧支性、正交性就只能得到近似对称性。因此,在具体的应用中,只能选择一种能恰当合理的折中方案。 　　 　　二、实证分析:小波多分辨的“周内效应” 　　 　　本文利用上证综合指