基于RS分析股票网络分形特征研究.docVIP

基于RS分析股票网络分形特征研究 　　摘要：该文基于R/S分析从两个不同的角度来分析股市的分形特征： 一是从不同跨度的时间序列角度， 通过选取不同的时间序列，构造以月、周、日不同时间跨度的股票网络， 分析其标度不变性；二是从不同数量股票节点的角度，选取不同数量的股票来构建网络，主要分析的是自相似特性。选取上海A股的历史数据，对市场的分形结构进行了实证研究。 　　关键词：股票网络；分形特征；标度不变性；自相似性 　　一、引言 　　金融市场中越来越多的实证研究结果都表明股票收益率分布具有尖峰胖尾以及存在长期记忆效应等特征，简单的随机游走过程不能描述经济和金融系统机制，人们对传统的有效市场理论产生了质疑[1-2]。随着非线性科学和复杂性科学的蓬勃发展，越来越多的学者运用分形理论对金融证券市场价格波动中的非线性现象进行研究。Peters[3]（1989，1991，1994）运用R/S分析法证实了股票价格收益序列服从有偏的随机游走，并对美国、德国、英国及日本的金融市场进行比较，均发现了明显的分形结构。国内学者兰若蒙等（2008）[4]应用R/S分析法分别对上证综合指数（1990.12.19-2007.12.28）和深证成分指数（1991.4.3-2007.12.28）进行分段研究，得出结果：上证综合指数，10≤n≤263的Hurst指数为0.6403，264≤n≤2079的Hurst指数为0.5349；深证成分指数，10≤n≤251的Hurst指数为0.6336，252≤n≤2058的Hurst指数为0.5001。王小霞、李星野[5]（2011）以股票为节点，取适当阈值量化股票收益率序列间相关关系从而构建复杂金融网络，从沪深A股（2007.9.28-2010.2.26）中选用200、250、300、350、400、450、500只股票分别构造金融网络，用比较分析法分析金融网络的自相似性。 　　分形时间序列一般具有两个分形特征：一是标度不变性，即月、周、日等不同时间标度下的时间序列之间具有相似或者统计上自相似；二是自相似性，即任意局部与整体之间具有某种相似性。国内外学者对股市的分形结构研究只就分形的单一方面，要么是标度不变性，要么是自相似性，没有结合两方面的分形特征一起研究的。本文基于分形理论，从标度不变性和自相似性两个方面来分析上海A股的分形特征，更全面透彻地分析中国股票市场的分形特征。 　　二、研究方法 　　1 基于R/S分析的股票市场的分形分析 　　R/S分析法，也称重标极差分析法，是英国学者Hurst（1951）研究水库控制时在大量实证研究的基础上提出的，用以区分完全随机时间序列和分形时间序列的一种方法，因此在金融时间序列分形特征研究中得到了广泛应用。其基本思路与计算步骤[3]如下： 　　1）将长度为N+1的证券价格时间序列pt 转化为长度为N的收益率序列rt ，其中pt，rt分别上证综指的收盘价与收益率时间序列。 　　2）将收益率序列rt 分成A个长度为n的子序列，第i个子序列的第j个样 　　本数据记为rij（i=1，2，…，A；j=1，2，…，n），则第i个子序列的标准差为：sij=■，其中E（rij）=■■nj=1rij为第i个子序列的均值。 　　3）计算第i个子序列相对于均值的累计离差：Dij=■nj=1[rij-E（rij）]，则该子序列的极差为Rij=maxDi1，Di2，…，Din-minDi1，Di2，…，Din。 　　4）对于每个子序列，用极差除以相应的标准差进行重新标度，对于时间标度长度为n的重标极差为：（R/S）n=■■Ai=1■。 　　5）不断改变标度长度n并重复1）- 4），计算相应的重标极差（R/S）n统计量，得到重标极差与标度长度的序列。若（R/S）n与标度长度n之间满足标度不变性的分形特征，则它们应满足标度不变性的分形特征，则它们应满足如下幂律关系：（R/S）n∝nH，其中H就是Hurst指数。可以先作log（R/S）n-log（n）双对数图，然后采用OLS即可求出线性回归的斜率H值。 　　2基于R/S分析的股票网络的自相似性分析 　　构建一个无向无权网络，从上证A股中选取600只股票为节点集，对任意节点i和j，如果股票i和j的价格波动相关系数Cij（Cij∈[-1，1]）大于或者等于所指定的阈值θ（θ∈[-1，1]），就认为节点i和节点j之间有边相连。并假设连接节点的边没有方向，且权系数等于1，即该边是无向无权的边。 　　用Pi（t）表示股票i在时期t的收盘价，Ri（t）=ln（Pi（t）/Pi（t-1））定义为股票i从第（t-1）期到第t期的对数收益率。因此，股票i和j的相关系数Cij可以通过下式来计算： 　　其中，E（Ri）为股票i在n期内的平均收益率，