第16章 分形技术———移动平均Hurst指数.pptx

第16章　分型技术 ——移动平均Hurst指数Hurst指数是分形技术在金融量化分析中的典型应用。分形是以非整数维形式充填空间的形态特征。分形可以说是来自于一种思维上的理论存在。1973年，曼德勃罗（B.B.Mandelbrot）在法兰西学院讲课时，首次提出了分维和分形几何的设想。分形（Fractal）一词，是曼德勃罗创造出来的，其原意具有不规则、支离破碎等意义，分形几何学是一门以非规则几何形态为研究对象的几何学。由于不规则现象在自然界是普遍存在的，因此分形几何又称为描述大自然的几何学。分形几何建立以后，很快就引起了许多学科的关注，这是由于它不仅在理论上，而且在实用上都具有重要价值。16.1　Hurst指数基于重标极差(R/S)分析方法基础上的Hurst（赫斯特）指数(H)研究是由英国水文专家H．E．Hurst(1900—1978)在研究尼罗河水库水流量和贮存能力的关系时，发现用有偏的随机游走(分形布朗运动)能够更好地描述水库的长期贮存能力，并在此基础上提出了用重标极差(R/S)分析方法来建立Hurst指数，作为判断时间序列数据遵从随机游走还是有偏的随机游走过程的指标。 Hurst指数有三种形式： ① 如果H=0.5，表明时间序列可以用随机游走来描述； ② 如果0.5H≤1，表明黑噪声(持续性),即暗示长期记忆的时间序列； ③ 如果0≤H0.5，表明粉红噪声(反持续性),即均值回复过程。 也就是说，只要H≠0.5，就可以用有偏的布朗运动(分形布朗运动)来描述该时间序列数据。赫斯特指数预测股票市值走势的三种形式： ① 如果H=0.5，表明时间序列可以用随机游走来描述。股市未来方向（上涨或者下跌）无法确定，市场处于震荡行情中。② 如果0.5H≤1，表明黑噪声(持续性)，即暗示长期记忆的时间序列。股市将保持原有方向，若时间周期序列长度为120，当最近半年市场上涨（横盘、下跌）， 则市场很可能将继续上涨（横盘、下跌），H值越大市场保持原有趋势的惯性越大。③ 如果0≤H0.5，表明粉红噪声(反持续性)，即均值回复过程。股市将改变原有方向，若时间周期序列长度为120，当最近半年市场上涨（横盘、下跌）， 则市场很可能将继续下跌或者横盘（上涨或下跌、横盘或上涨），H值越小市场改变原有趋势的可能性越大。16.2　R/S方法计算Hurst指数R/S分析方法的基本内容是：对于一个时间序列(例如指数的价格序列){xt}，把它分为A个长度为n的等长子区间，对于每一个子区间，比如第a个子区间（a=1,2,…,A），若时间序列长度为240，A=［4,6,…］，n=［60,40,…］等。假设式中：Ma为第a个区间内xu,a的平均值。Xt,a为第a个区间内第t个元素的累计离差，令极差若以Sa表示第a个区间的样本标准差，则可定义重标极差Ra /Sa，把所有A个这样的重标极差平均计算得到均值而子区间长度n是可变的，不同的分段情况对应着不同的(R/S)n，Hurst通过对尼罗河水文数据长时间的实践总结，建立了如下关系：式中K为常数，H即为相应的Hurst指数。将上式两边取对数得到因此对log n和log(R/S)n进行最小二乘法回归分析便可以计算出H的近似值。注：在MATLAB中，log与ln等价。16.3　移动平均Hurst指数计算程序16.3.1 　时间序列分段子区间长度n是可变的，如果回归分析需要将时间序列进行分段，例如若时间序列长度为240，则其可以分解成4段长度为60的等长子区间，或者6段长度为40的等长子区间……时间序列分段函数（除因子2外，例如240分为2与120或者120与2，因数据段数太少或者子区间长度太短将影响回归效果）语法如下：［FactorMatrix,FactorNum］=HurstFactorization(x)输入参数： x：时间序列长度。输出参数： FactorMatrix：时间序列分段方案； FactorNum：时间序列分段方案数量。16.3.2 　Hurst指数计算时间序列Hurst指数计算函数语法如下：HurstExponent=HurstCompute(Xtimes)输入参数： Xtimes：时间序列数据。输出参数： HurstExponent：为二元向量，第一元素为时间序列的Hurst指数, 第二元素为回归分析常数项。注：回归模型log((R/S)n)=log(K)+Hlog(n)。16.3.3 　移动平均Hurst计算使用上证指数199199至2008108上证综指时间序列数据，计算其给定移动平均长度的Hurst指数。编写MoveHurst.m函数，其中cyclength为计算周期，用户可根据需求进行修改。例如计算120个交易日的Husrt指数，使用的数据为［t-119,t］的价格数据，移动平均的意思为根据t的向前移动，计