RS方法改进RS方法及其对比研究.docVIP

RS方法改进RS方法及其对比研究 　　内容摘要：在分形市场研究的框架下，R/S分析方法是进行价格行为特性分析的重要工具，对R/S方法的运用与改进研究是金融市场研究的一个重要方向。本文对经典R/S方法和改进的R/S方法进行了讨论，并进行了实证对比分析。 　　关键词：分形 分数布朗运动 R/S分析 赫斯特指数 　　 　　有效市场理论是当今关于金融资本市场的主流经济学理论，其随机游动版本更成为了现代资产组合理论的理论基石。主流资本市场计量理论总的说来是依赖于随机游走模型和收益率的正态分布的。 　　以上假定无疑对构建现代投资理论起了决定性的作用，它极大地简化了数学模型的推导。然而，多年来有关收益率分布及现代投资理论适用性问题的大量实证研究却不断对此提出质疑。 　　价格行为的分形特征 　　国外学者很早已经发现，收益率的分布明显异于正态分布，具有“尖峰”和“胖尾”（概率密度曲线在均值附近有更高的峰度值和尾部过多的观测值）。Mandelbrot将之称为“稳定帕累托”（Stable Paretain）分布，即分形分布，其统计特性最初由Levy提出。其特征函数为： 　　其中，γ是尺度调整参数；α是特征指数，0α≤2，它与密度函数的峰度和尾部胖度有关，这里，α=1/H，H就是赫斯特指数；β是偏斜度的度量，-1≤β≤+1，β=0时，分布是对称的；δ是位置参数，表示均值的位置。 　　当α=2，β=0，δ=1，γ=1时，密度函数变成正态分布，可见正态分布是分形分布的一个特例。只有当α=2时，方差有限且稳定，因此，只有价格是随机游走时，方差才是重要的描述风险的信息。除此之外，方差是无定义的或可能是无穷的，这时，作为风险度量的样本方差是无意义的。 　　价格运动也不是遵循随机游走，而是服从Mandelbrot称之为“分数布朗运动”（FBM）的有偏随机游动，我们现在称之为分形时间序列。 　　分数布朗运动与普通布朗运动最重要的区别，是分数布朗运动不再是独立的增量过程。给定一个从-T到0的过去增量，则未来从0到T的增量，与过去增量的相关性可表示为： 　　其中：C指相关性度量；H指赫斯特指数。 　　赫斯特指数有三种不同的类型：H= 　　0.5、0≤H0.5、0.5H1.0。 　　H=0.5时，C（T）=0，表明时间序列是随机和不相关的；0≤H0.5时，表明这一类型的系统是反持久行的或称为“均值回复”。含意为如果价格在前一段时间里增加，则将来多半降低；反之，它在过去是向下的，则下一期多半向上走；0.5H1.0时，就得到一个持久性或称趋势增强的序列。其含义是，如果序列在前一个期间是向上（下）走的，那么，它在下一个期间将继续向上（下）走。这时序列有明显的趋势，具有长期记忆特征。这时的时间序列就是分形。 　　赫斯特指数对于研究时间序列是一个重要的统计量，它可以将随机序列与非随机序列区分开来，并对时间序列分类。重标极差分析（rescaled range analysis），即R/S分析，是计算赫斯特指数H值，判断时间序列的长期记忆特征的有效工具。目前，在金融市场分形实证研究中广泛使用的R/S分析方法主要有两种，即经典的R/S分析方法和Lo的改进的R/S分析方法。 　　经典R/S方法及评价 　　经典的R/S方法是与Lo的改进的R/S分析方法相对而言的。经典的R/S方法，是在赫斯特提出的实证规则的基础上，后经Mandelbrot 和Wallis重新定义的一种时间序列统计方法。赫斯特建立了如下的关系： 　　R/S=C*NH 　　其中：R/S指重标极差；R指时间序列样本累积离差的极差；S指时间序列样本的标准差；N指观测次数；C指常数；H指赫斯特指数。 　　将上式取对数，就得到： 　　log(R/S)=Hlog(N)+log(C) 　　取不同的样本数N，可得到一系列的R/S值，做回归分析后，该直线方程的斜率就是赫斯特指数H。 　　早期的R/S分析的缺点是缺少显著性检验，Peters在Hurst和Anis和Lloyd工作的基础上，提出了用如下方程来计算期望值E（R/S）n： 　　H与E（H）的显著性由下式决定： 　　其中，E（H）的方差为： 　　Var(H)n=(1/T)0.5 　　这里T为样本总容量。 　　如果系统是独立同分布的（IID），那么计算H值与期望H值不应有显著差异。反之，则拒绝零假设，说明系统异于独立同分布。 　　如果实证结果表明，收益率序列具有持久性特征，那么下一步是估计长期记忆期的长度。记忆期的长度可以用V统计量来估计： 　　当该过程是独立的随机过程时，该比值是一个常数；如V随着时间的推移而增加，则说明系统具有持久性特征，当V开始显著下降时，表明长期记忆期结束。 　　国外学者运用经典的R/S方法，已经在不