一、股价指数时间序列的分形性质分析（论文文献综述）
梁鹏[1]（2020）在《基于深度卷积模糊系统模型的股价预测研究》文中指出经济预测问题是经济学家探究的永恒课题,但是经济预测问题是一项极具挑战性的任务。其中,股票市场作为反映一个国家宏观经济的“晴雨表”,在国民经济中起着至关重要的支撑作用。关于股票价格的预测问题一直是许多学者、投资者重点关注的研究方向。因此,研究股票价格的可预测性具有重要意义。本文通过对国内外文献梳理,对比分析了股票价格的可预测性与不可预测性两个不同的观点,并以股票价格的可预测性观点为出发点研究投资者行为对股价的影响并预测股价的变化。本文基于行为金融学相关的经典理论并结合技术分析理论、混沌分形理论,分析了股价的表现特征,结合技术分析方法剖析了与股价变化相关的价量技术分析指标,并逐一分析了每个价量技术分析指标与投资者行为的关系;其次,本文基于价量技术分析指标,利用拉普拉斯评分算法构建投资者行为指标;最后,以量化分析为理念,通过深度卷积模糊系统模型（deep convolutional fuzzy system model简称DCFS）,利用构建的投资者行为指标对股价预测,并根据预测结果检验投资者行为指标的预测性能。本文选取了沪深300指数的日开盘价、收盘价、最高价、最低价、成交量等价量技术分析指标作为样本数据进行实证研究。最终得出下列结论:（1）价量技术分析指标的有效性较强,可以较好地反映股价的变化情况。（2）可以利用投资者行为指标较好地预测股价变化趋势。（3）有效市场假说并不完全成立,在股价中蕴藏着可以作为预测股价的指标变量。股价由于受到客观因素的影响导致模型参数不稳定性与异质性,本文为股价数据添加适当的噪音用于替代客观因素,进而再现真实市场中不可被观测到的因素对股价变化的影响,并以数据驱动的分析模式替代技术分析方法中的图形分析模式对股价预测分析,以严谨的量化分析理念探究股价变化规律。
张家樾[2]（2019）在《时间序列长记忆性理论及实证研究 ——以中国沪深股市为例》文中研究说明自上世纪50年代Hurst指数提出后,时间序列长记忆性越来越受到重视,在包括水文、气候、金融等各领域都有广泛的应用,尤其在Granger等学者从计量经济学角度给出了时间序列长记忆性定义之后,长记忆理论得到快速发展,但至今仍然有诸多理论和实证问题有待解释、完善。本文首先从理论上推导了 A-PARCH模型的理论自相关函数,并借此研究了模型的长记忆性,其次,比较分析了各种伪长记忆检验的有限样本性质和统计功效。最后,在结构突变点存在情况下,对长记忆波动率模型进行了改进,并在此基础上,估计并检验了我国沪、深股市波动的长记忆性,并由此讨论了我国股市的弱式有效性。本文主要研究内容及结论概括如下:第一,本文推导并研究了高阶A-PARCH（p,q≥2）模型理论自相关函数的统计属性,并在此基础上,对A-PARCH模型的长记忆性进行了研究。分别讨论了 A-PARCH模型的主要参数,包括非对称参数和幂参数,对理论自相关函数的影响,并进一步在假设模型持续性参数既定的情况下,通过自相关函数图,分析了幂参数对A-PARCH模型长记忆性的影响。从数值实验结果可知,非对称参数非零时,模型的长记忆性显着高于非对称参数为零的情况。其次,即使模型的持续性相同,但模型的长记忆性也不一定相同。第二,本文从频域和时域两个维度梳理了已有的伪长记忆检验方法,并基于Hou和Perron（2014）的修正局部Whittle估计量,提出了基于LWLFC估计量的修正伪长记忆检验,修正Kuswanto检验和修正Shao检验,并就其有限样本性质与统计功效与其他检验方法,包括Qu（2011）的LW检验、Kruse（2015）的修正LW检验、Kuswanto（2011）检验以及Shao（2011）检验,进行了比较分析。通过蒙特卡洛数值模拟结果可知,首先,对于存在单个均值突变的伪长记忆序列的检验中,发现Shao检验和修正Shao检验的有限样本性质及统计功效最好;其次,在比较各伪长记忆检验的统计功效时,我们发现基于LWLFC估计量的修正Kuswanto检验的统计功效显着高于Kuswanto（2011）检验,但修正Shao检验统计功效的改进不显着;最后,对于包含真实长记忆的伪长记忆序列,LWLFC检验的统计功效显着高于其他检验方法。第三,本文将非参数结构突变点检验方法与长记忆波动率模型相结合,构建了引入结构突变项的长记忆波动率模型,RS-FIGARCH模型和RS-HYGARCH模型,并利用该模型对我国股票市场长记忆性进行分析。此外,还利用对数周期图估计法、局部Whittle估计法以及剔除低频干扰的修正局部Whittle估计法对沪、深股市波动的长记忆性进行分析。在了解沪、深股市波动长记忆性的基础上,对我国股票市场的弱式有效性进行了实证研究,指出我国股市虽总体尚未达到弱式有效,但沪、深两市已出现分化,总体看,上海股票市场有效性要好于深市。
肖游[3]（2015）在《我国金融行业系统性风险溢出效应研究》文中认为金融系统性风险的研究一直是国际学术界和实务界探讨的热点。特别在美国次贷危机及欧洲债务危机等全球金融危机爆发以后,众多学者从不同角度对金融系统性风险的识别、测度、监管等进行了广泛研究。但目前已有文献主要侧重于对单一金融机构或单一金融行业特别是银行业系统性风险测度的静态研究,而对金融系统内风险传导机制的研究却鲜有涉及。尤其是国内,对金融业内系统性风险的传导以及非银行金融行业系统性风险的研究十分匮乏。银行业、证券业、保险业、信托业是我国金融业内的四个主要金融行业,混业经营程度较高。某一金融行业出现危机,会通过关联业务等渠道将风险溢出给其他金融行业甚至整个金融业,进而阻碍甚至破坏实体经济发展。因此,深入探析我国各金融行业在金融业内的风险溢出效应,有助于了解金融业内的风险传导机制,有助于监管和防范金融系统性风险,具有重要的理论意义和现实意义。基于此,本文在系统分析我国金融业系统性风险现状的基础上,做出如下创新性贡献：首先,本文从实证角度出发,构建四个金融行业及金融业整体股价指数收益率序列,并结合ADF检验、Q-Q图检验、BDS检验、Jjung-Box检验、R/S分形理论等对其统计特征进行分析。其次,本文采用CoVaR理论构建系统性风险溢出效应测度模型,创新性从静态和动态两个方面,考查不同分位数水平下我国各金融行业对金融业整体系统性风险溢出程度的差异性以及各金融行业间系统性风险溢出程度的非对称性,并探明各金融行业系统性风险溢出效应随经济形势变化的规律,本文在实证方法和研究结论上均有一定创新,主要结论如下：一是我国金融业各股价指数收益率序列均呈平稳非正态分布,存在尖峰厚尾、非线性等金融时间序列特征,分形特征明显,具有长期记忆性。二是我国各金融行业对金融业整体风险溢出效应存在差异性,其中,银行业对金融业整体的风险溢出效应最大,保险业其次,再次是证券业,信托业最小。三是我国各金融行业间风险溢出效应存在,行业之间风险互溢,彼此相连,形成风险传导循环系统。四是金融危机时期,我国各金融行业对金融业整体的风险溢出效应较大,各金融行间风险溢出效应也较大,经济稳定繁荣时,各金融行业的风险溢出效应较小。五是无论是金融危机时期还是经济稳定繁荣时期,若某一金融行业遭受极端风险损失,都将会给其他金融行业甚至整个金融体系带来巨大的损失。
张范[4]（2015）在《国际股价波动对我国开放式基金投资风格漂移冲击效应研究》文中研究指明随着全球一体化进程的逐步推进,国际理财市场上的角逐日趋激烈,开放式基金在满足我国居民的理财需求方面发挥了其独特的专业化优势,已经成为我国居民投资理财的主要选择之一。但是,受到证券市场行情波动、基金管理人经常变更等因素的影响,基金管理人为获取短期超额收益,在基金的实际运作中经常会违背其所标榜的投资风格,造成基金的投资风格发生漂移。国内外学者对开放式基金的投资风格漂移成因和投资风格漂移与绩效的关系两个方面有了一定的研究,但未曾有人研究国际股价的波动对我国开放式基金投资风格漂移的冲击效应。鉴于此,本文希望解决三个问题：一是对中国的开放式基金市场进行特征分析,以检验其是否存在分形特征；二是中国开放式基金投资风格漂移的程度大小如何测算；三是国际股票价格波动对我国的开放式基金投资风格漂移是否具有冲击效应,具有什么样的冲击效应。基于上述研究背景,本文在系统梳理国内外开放式基金市场发展现状的基础上,做出如下创新性贡献：首先,运用重标极差分析法（R/S分析）对我国六种中信标普风格资产指数的分形特征进行分析；其次,利用分形理论测算我国开放式基金投资风格的盒子分形维数,构建了投资风格漂移指数（DIIS）,从静态和动态两个角度对我国开放式基金在研究时期内的投资风格漂移状况进行分析,得到投资风格漂移时间序列；最后,通过构建投资风格漂移指数（DIIS）和国际股票价格指数收盘指数收益率（SPI）两变量的VAR模型,对国内外十四只股指对我国开放式基金投资风格漂移的冲击作用进行分析,这是对国际股价波动对我国开放式基金投资风格漂移冲击效应的一次系统性探究。根据实证结果,得到以下三个结论：一是六种中信标普纯风格资产指数收益率序列存在长期记忆性特征,即分形特征；二是266只开放式基金在研究期间内普遍发生了投资风格漂移现象,但是研究结论随研究时期n的划分而略有不同；三是中国的开放式基金投资风格漂移受到国内外股票市场行情波动的正向影响,收敛期约为5期,国内股指对DIIS的冲击作用波动幅度大,而国际股指对DIIS的冲击作用持续时期长。香港恒生指数和国内三大指数（上证指数、深成指、沪深300）对DIIS的冲击贡献度累计约占全部变量的一半,是影响中国开放式基金投资风格漂移的主要影响因子,中国开放式基金市场对国内主板市场和香港股票市场的波动性敏感性较高。
周斌[5]（2012）在《基于小波分析的中国股市的多重分形辨识与应用研究》文中提出本文探讨和研究了分形及多重分形的有关理论及其在中国股票市场的价格序列辨识与预测方面的应用,并取得如下主要研究成果：1、研究分形与多重分形的一些基本理论。介绍了分形的理论基础,简述了分形的基本概念及特征,介绍了分形时间序列的几个特征量,最后详细阐述了多重分形的理论概念,给出了时间序列的多重分形过程。定义了时间序列的局部Holder指数、多重分形谱。并提出了计算中国股票市场价格时间序列的多重分形谱的方法。2、研究消除中国股票价格时间序列的噪声干扰的方法。介绍了小波理论的一些基本概念并利用小波理论的多分辨分析方法对中国股票市场的上证指数、深圳成指、恒生指数的日收盘价格指数进行了消噪处理。并将小波理论与分形理论结合,提出了辨识中国股票市场的多重分形特征的方法。3、给出了计算价格时间序列的多重分形谱的方法——小波变换模极大值（WTMM）方法。并用此方法对Devi曲线进行了多重分形谱的计算,得到的计算值与理论值吻合的很好,且不受参数设置的影响。对去除噪声干扰的上证指数、深成指数、恒生指数日收盘价格时间序列的多重分形特征进行了辨识实证研究。研究结果表明中国股票市场在去除噪声干扰后存在更加明显的多重分形特征。4、对存在多重分形特征的中国股票市场进行预测,如果用传统方法进行建模预测显然达不到好的效果。本文尝试应用小波神经网络来建模预测,实证结果表明预测的效果还是很理想的尤其上证指数的预测达到了一个很好的效果,不仅预测的大盘走势和实际走势惊人一致,而且预测的价格指数也和实际值误差不大。深圳成指和恒生指数的预测还是存在一定的误差,但是预测的走势基本和实际一致,所以对我们判断股票市场的价格走势还是有一定的指导作用的。最后简单总结全文的研究工作和取得的主要结论,指出需要进一步完善和深入研究的一些问题。
任力,齐丽[6]（2010）在《金融市场风险测度的实证研究》文中指出金融风险测度的理论和方法因对市场的本质认识不同而不同,也就是因市场假说的不同而不同。市场假说大致可分为两类:有效市场和分形市场。利用风险价值法和重标极差法对中国股票市场风险进行的实证研究表明,目前对我国股票市场进行风险测度时,有效市场假说与分形市场假说缺一不可。
但知君[7]（2007）在《中国股市的分形结构的检验和长记忆建模》文中研究说明如果一个股票市场是属于Fama有效市场假设EMH [40]（Efficient Market Hypo thesis）所说的弱式有效状态,那么任何根据股票价格序列数据去试图预测的努力都是多余的。因为,今天的价格已经反映了昨天的价格。价格的变化,亦即收益只反映了未曾预期到的信息,而信息是完全随机的,因此,收益序列也是完全随机的,不可预测。问题在于关于中国股票市场收益序列的研究分析表明,收益序列绝非是完全互相独立的。它不但存在短期相关性,而且还存在中长期相关性。因此,从预测的理论来讲,事件之间的相关性存在使得预测可行。本文以分形市场理论（Fractal Market Hypothesis, FMH）和长期记忆模型ARFIMA（Autoregressive Fractional Integrated Moving Average ）为理论基础,阐述了短期记忆模型、分形市场理论和长期记忆模型的理论背景、主要观点、假设前提等。然后结合我国股票市场的现实情况进行实证分析,先对我国沪、深两市日股价指数收益率进行正态性检验,发现我国股票市场收益率不符合正态分布,与有效市场假说所假定的前提条件矛盾。在此基础上,进一步用分形统计学的相关方法（R/S）为手段,对我国沪、深两市的长记忆性进行实证检验和长记忆建模.并用所建的模型进行预测,得出了很精确的结果。结果表明:上海股票市场和深圳股票市场均具有长记忆性,不过长期记忆性在减弱。最后分析了我国股票市场具有长记忆性的原因并且提出提高股票市场有效性的途径,希望能为我国股票市场宏观管理者提供管理和决策依据,为广大投资者制定合理的投资策略提供参考。
苑莹[8]（2007）在《多重分形理论及其在中国股票市场中的应用研究》文中指出股票市场的价格波动问题是当前金融研究中的一项基本且重要的课题,能否对股票市场的演化规律和股票价格的运行机理进行较为准确的刻画直接关系到资产定价、风险控制、市场监管和价格预测等一系列金融市场的重大问题。在对多重分形理论进行系统分析及对多重分形方法进行改进和完善的基础上,对中国沪深股票市场进行了实证研究,其主要内容如下：1.中国股票市场的异象性特征研究对中国股市收益率的基本统计量、长记忆性、聚类特征、多标度特征及股票价格的可预测性等异象性特征进行分析研究,结果发现：（1）中国股票市场的收益率序列不服从正态分布且具有明显的尖峰厚尾现象,并且与深成指数收益序列相比,上证指数收益序列具有更尖的峰和更厚的尾。（2）中国股票市场是一个非有效的市场,其收益率序列具有较为明显的“长记忆”效应,它们遵循有偏的随机游走,市场未达到弱式有效。（3）中国股票市场的股票价格具有聚类特征和多标度特性,用单一的标度指数不能对其进行全面细致的刻画,因此应该选择多标度分析模型对其进行描述。（4）中国股票市场股价的涨落不是完全随机的,有一定的规律可循,股票价格是可以预测的,至少是短期可以预测的。2.中国股票市场的多重分形特性研究运用MF-DFA方法、多仿射方法及q阶矩结构分割函数等方法,并在此基础上用二次函数拟合多重分形谱来对中国股票市场股指收益序列及股指序列进行了多重分形分析,发现了中国股票市场的多重分形特性及规律。（1）运用MF-DFA方法,对中国沪深两市股市收益序列的研究发现,股票市场存在明显的多重分形特征。进一步地,发现股票市场的多重分形特征是由两个因素共同作用的,其中收益序列的波动相关性起主导作用,是形成多重分形特征的主要原因,收益序列的胖尾概率分布对多重分形特征的形成也起到了一定的作用；而多重分形过程的本质原因是股票市场信息倍增级联过程的结果。（2）沪深股市收益序列存在较为明显的标度突变点s*,该突变点将整个时间标度分为两个部分,每个部分具有不同的多重分形特征及标度指数。在s<s*的情况下,股指收益序列的多重分形强度较强,多重分形特征较明显；s>s*的情况下股指收益序列的多重分形强度较弱,多重分形特征不明显。（3）运用多仿射方法对沪深两市收益序列的研究发现,股票市场存在多仿射现象；另外,研究结果发现广义Hurst指数H（1）与H（2）的值与市场的发展状态之间具有一定的敏感性,发达国家股票市场的H（1）值均较小,而且H（1）及H（2）值均小于0.5,而新兴股票市场的H（1）值均较大,而且H（1）及H（2）值均大于0.5。上海股票市场及深圳股票市场均属于新兴金融市场一类。（4）运用q阶矩结构分割函数法对股价波动的多重分形特性进行实证研究,结果发现多重分形谱参数与指数的变化趋势及对数收益率具有明显的关联性,并且在股价发生大幅波动的情况下,多重分形谱参数α0,αmax,αmin,W和C均具有较明显的变化特征,这为研究股票市场的运行规律提供了有力的依据。3.中国股票市场的价格预测研究基于多重分形理论,对上证指数股指价格进行方向预测及非线性预测,得到了较好的预测效果：（1）基于日收盘指数价差（ΔI）的符号序列方法与基于日多重分形谱参数（Δf）的符号序列方法都能以一定的概率预测指数的涨落,而且将两种符号序列方法结合可以更好地预测指数的大涨落；在引入股价指数大涨落的阈值和条件平均增益后,发现大幅涨落时,条件与指数变化的关联性比小的涨落要强得多。（2）提出基于多重分形谱的神经网络模型,并将其应用于股票价格的短期预测,发现该模型对于模拟股市的短期走势具有较好的预测效果,对防范和控制风险具有现实意义。
王莹莹[9]（2006）在《中国股票市场Hurst指数与多重分形分析》文中进行了进一步梳理有效市场假说是建立在理性投资者、有效市场及随机游走过程这三个核心前提假定基础上的。有效市场假说成立依赖于市场呈独立正态分布、方差存在的假设,但是现实市场是一个复杂的相互依存的系统。许多情况是有效市场假说无法解释得,例如规模效应、季节效应等。因此,众多的研究人员开始关注一些非线性理论在金融市场的运用,典型的有突变理论、协同市场假定、行为金融理论、分形市场假说等。分形理论是非线性分析方法中的一种,由于它能有效的解释自然和经济现象中许多及其复杂多变的问题,因此它已经成为非线性资本市场理论的有力分析工具。本文共分为五个部分,第一部分:简要介绍了有效市场假说理论（EMH）及分形市场假说理论（FMH）的发展及主要思想;并列举了国内外的研究现状。第二部分:详细介绍了分形理论的主要参数Hurst指数及多重分形谱的计算方法。第三部分:利用上证指数1991年1月2日至2005年8月31日及深圳成指1991年4月1日至2006年1月8日的日收盘价为样本数据进行分析,并由此得出中国股票市场的分形特性。第四部分:任选上证指数、深圳成指的一段数据进行多重分形分析,并利用盒维数法对上证指数进行多重谱函数分析,得出沪深股市皆具有多重分形特征。第五部分:结论及展望。通过对上证指数日收盘价的研究发现,沪市存在明显的多重分形特征,但仅用传统的打乱顺序计算Hurst指数无法证明其分形性,必须与V统计量结合使用;通过实证研究得到了上证指数存在一个300天的非循环周期,H值为0.626358,深圳成指存在一个为期1200天的非循环周期,H值为0.590986;利用盒维数法计算多重分形谱函数证明了股票市场的多重分形性。
郁俊莉[10]（2005）在《我国资本市场分形特性研究》文中提出任何科学发展,包括社会科学在内,其前沿问题都是非线性问题。但是,由于现行线性模型的简单易行,实际中仍被广泛运用。随着经济行为越来越复杂,只有用动态的非线性模型刻画某些经济现象,才能较好地反映客观现实。近二十年来,作为研究非线性问题科学分支之一的分形理论,也就成了经济学科研究与应用的前沿领域。本文探讨了分形时间序列的基本特点及Hurst指数计算方法,描述了计算时间序列Hurst指数的一般方法,运用R/S分析法分析了我国资本市场的分形特性,通过实例分析,总结了资本市场分形理论的基本内容。
二、股价指数时间序列的分形性质分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、股价指数时间序列的分形性质分析（论文提纲范文）
（1）基于深度卷积模糊系统模型的股价预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.理论意义 |
| 2.实践意义 |
| 1.2 文献综述 |
| 1.2.1 关于股价预测性研究 |
| 1.关于股价可预测性的国外研究 |
| 2.关于股价可预测性的国内研究 |
| 1.2.2 关于股价预测方法的研究 |
| 1.关于股价预测方法的国外研究 |
| 2.关于股价预测方法的国内研究 |
| 1.2.3 文献评述 |
| 1.3 研究内容 |
| 1.4 研究思路和方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.5 论文难点及可能的创新 |
| 1.5.1 论文的难点 |
| 1.5.2 论文可能的创新 |
| 1.5.3 论文研究的不足 |
| 1.6 技术路线图 |
| 2 股价预测的相关理论 |
| 2.1 行为金融理论 |
| 2.2 技术分析理论 |
| 2.3 混沌分形理论 |
| 3 股票价格的特征与影响因素 |
| 3.1 股票价格的特征 |
| 3.1.1 混沌性 |
| 3.1.2 累积效应 |
| 3.1.3 自组织协调性 |
| 3.2 影响股票价格的因素 |
| 3.2.1 内在价值 |
| 3.2.2 投资者心理 |
| 3.2.3 投资者行为 |
| 4 股价预测模型的建立 |
| 4.1 股价预测的整体思路 |
| 4.2 股价预测模型的选择 |
| 4.3 投资者行为指标的建立意义及依据 |
| 5 股价预测的实证研究 |
| 5.1 样本数据的处理 |
| 5.2 投资者行为指标构建 |
| 5.2.1 投资者行为指标的建立方法简介 |
| 5.2.2 投资者行为指标的构建结果 |
| 5.3 基于DCFS的股价预测结果 |
| 6 结论与改进方向 |
| 6.1 结论 |
| 6.2 改进方向 |
| 参考文献 |
| 致谢 |
| 附录 |
| 个人简历、攻读硕士学位期间发表的科研成果 |
（2）时间序列长记忆性理论及实证研究 ——以中国沪深股市为例（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究思路、方法和结构 |
| 1.3 本文创新之处 |
| 第2章 文献综述及理论基础 |
| 2.1 长记忆性的定义 |
| 2.2 长记忆参数的估计和检验 |
| 2.2.1 非参数估计方法 |
| 2.2.2 参数估计方法 |
| 2.2.3 半参数估计方法 |
| 2.3 结构突变与时间序列长记忆性 |
| 2.3.1 结构突变与伪长记忆序列 |
| 2.3.2 方差结构突变的检验方法 |
| 2.3.3 考虑结构突变的长记忆模型 |
| 2.4 本章小结 |
| 第3章 A-PARCH模型长记忆性研究 |
| 3.1 A-PARCH模型的理论自相关函数 |
| 3.1.1 A-PARCH模型定义 |
| 3.1.2 A-PARCH(2,2)模型理论自相关函数 |
| 3.1.3 A-PARCH(p,q)模型理论自相关函数 |
| 3.1.4 理论自相关函数的统计倾 |
| 3.2 数值分析 |
| 3.2.1 理论自相关函数图类型 |
| 3.2.2 非对称参数的影响 |
| 3.2.3 幂参数的影响 |
| 3.3 实证分析 |
| 3.4 本章小结 |
| 第4章 伪长记忆性检验方法比较研究 |
| 4.1 伪长记忆检验相关方法 |
| 4.1.1 频域类检验方法 |
| 4.1.2 时域类检验方法 |
| 4.2 伪长记忆检验的有限样本性质研究 |
| 4.3 伪长记忆检验的统计功效研究 |
| 4.3.1 单个未知均值突变情况 |
| 4.3.2 多个未知均值突变情况 |
| 4.4 本章小结 |
| 第5章 我国股市波动长记忆性的实证研究 |
| 5.1 结构突变下我国股市波动的长记忆性分析 |
| 5.1.1 非参数结构突变点检验 |
| 5.1.2 基于结构突变的长记忆波动率模型 |
| 5.1.3 实证研究 |
| 5.1.4 结论 |
| 5.2 从长记忆性角度对我国股票市场有效性的检验 |
| 5.2.1 对市场有效性的检验 |
| 5.2.2 实证分析 |
| 5.2.3 结论 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 未来研究展望 |
| 附录 |
| 附表1 图3.2中A-PARCH(2,1)模型参数 |
| 附表2 表3.3中A-PARCH(2,1)模型参数 |
| 附表3 上证指数ω-FIGARCH和ω-HYGARCH模型估计结果 |
| 附表4 深证成指ω-FIGARCH和ω-HYGARCH模型估计结果 |
| 附表5 上证指数ω α β -FIGARCH和ω α β-HYGARCH模型估计结果 |
| 附表6 深证成ω α β-FIGARCH和ω α β-HYGARCH模型估计结果 |
| 参考文献 |
| 后记 |
（3）我国金融行业系统性风险溢出效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 0 引言 |
| 0.1 研究背景和意义 |
| 0.1.1 研究背景 |
| 0.1.2 研究目的 |
| 0.1.3 研究意义 |
| 0.2 国内外研究现状 |
| 0.2.1 国外研究现状 |
| 0.2.2 国内研究现状 |
| 0.2.3 国内外研究综述 |
| 0.3 论文的研究思路、方法和技术路线图 |
| 0.3.1 论文的研究思路 |
| 0.3.2 论文的研究方法 |
| 0.3.3 论文的技术路线图 |
| 0.4 论文的主要创新点 |
| 1 相关概念界定及理论方法概述 |
| 1.1 相关概念梳理 |
| 1.1.1 金融行业 |
| 1.1.2 系统性风险 |
| 1.1.3 系统性风险溢出效应 |
| 1.2 基本理论概述 |
| 1.2.1 金融脆弱性理论 |
| 1.2.2 信息不对称理论 |
| 1.2.3 资产价格波动理论 |
| 1.2.4 风险溢出效应理论 |
| 1.2.5 风险国际传播理论 |
| 1.3 研究方法概述 |
| 1.3.1 数理模型分析法 |
| 1.3.2 GARCH模型分析法 |
| 1.3.3 Copula相依函数分析法 |
| 1.3.4 CoVaR条件在险价值分析法 |
| 1.4 本章小结 |
| 2 我国金融业系统性风险现状分析 |
| 2.1 我国金融业发展现状 |
| 2.1.1 我国金融业发展背景 |
| 2.1.2 我国金融业发展现状 |
| 2.2 我国金融业系统性风险现状 |
| 2.2.1 我国金融业整体系统性风险现状 |
| 2.2.2 我国各金融行业系统性风险现状 |
| 2.3 金融业系统性风险特征国际比较 |
| 2.3.1 银行主导型金融体系系统性风险特征 |
| 2.3.2 市场主导型金融体系系统性风险特征 |
| 2.3.3 不同金融体系模式下的风险特征比较 |
| 2.4 本章小结 |
| 3 实验数据的统计特征分析与检验 |
| 3.1 数据来源及预处理 |
| 3.1.1 数据来源 |
| 3.1.2 数据预处理 |
| 3.2 实验数据的计量经济学检验 |
| 3.2.1 平稳性检验 |
| 3.2.2 正态性检验 |
| 3.2.3 非线性检验 |
| 3.3 金融业各股指收益率序列分形特征分析 |
| 3.3.1 分形理论方法介绍 |
| 3.3.2 Hurst指数的估算 |
| 3.3.3 股指收益率序列分形特征分析 |
| 3.4 本章小结 |
| 4 我国金融行业系统性风险溢出效应静态分析 |
| 4.1 系统性风险溢出效应静态分析模型构建 |
| 4.1.1 在险价值模型 |
| 4.1.2 条件在险价值模型 |
| 4.1.3 基于分位数回归的CoVaR模型 |
| 4.2 系统性风险溢出效应静态测度 |
| 4.2.1 一般风险下各行业对金融业整体风险溢出效应 |
| 4.2.2 极端风险下各行业对金融业整体风险溢出效应 |
| 4.2.3 一般风险下金融行业间系统性风险溢出效应 |
| 4.2.4 极端风险下金融行业间系统性风险溢出效应 |
| 4.3 系统性风险溢出效应静态分析 |
| 4.3.1 各行业对金融业整体风险溢出效应差异性分析 |
| 4.3.2 各金融行业间系统性风险溢出效应差异性分析 |
| 4.3.3 金融行业系统性风险溢出效应综合分析 |
| 4.4 本章小结 |
| 5 我国金融行业系统性风险溢出效应动态分析 |
| 5.1 系统性风险溢出效应动态分析模型构建 |
| 5.2 系统性风险溢出效应动态测度 |
| 5.2.1 一般风险下各行业对金融业整体风险溢出效应 |
| 5.2.2 极端风险下各行业对金融业整体风险溢出效应 |
| 5.2.3 一般风险下金融行业间系统性风险溢出效应 |
| 5.2.4 极端风险下金融行业间系统性风险溢出效应 |
| 5.3 系统性风险溢出效应动态分析 |
| 5.3.1 各行业对金融业整体风险溢出效应变动趋势分析 |
| 5.3.2 各金融行业间系统性风险溢出效应变动趋势分析 |
| 5.3.3 金融行业系统性风险溢出效应变动趋势综合分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 在校期间发表的学术论文 |
（4）国际股价波动对我国开放式基金投资风格漂移冲击效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 0 引言 |
| 0.1 选题背景及意义 |
| 0.1.1 选题背景 |
| 0.1.2 选题意义 |
| 0.2 国内外研究现状 |
| 0.2.1 国外研究现状 |
| 0.2.2 国内研究现状 |
| 0.2.3 国内外综合评述 |
| 0.3 论文的研究思路、方法和技术路线 |
| 0.3.1 论文的研究思路 |
| 0.3.2 论文的研究方法 |
| 0.3.3 论文的技术路线图 |
| 0.4 论文的创新性贡献 |
| 1 相关概念梳理与主要理论概述 |
| 1.1 相关概念梳理 |
| 1.1.1 股票价格 |
| 1.1.2 开放式基金 |
| 1.1.3 基金投资风格 |
| 1.1.4 投资风格漂移 |
| 1.2 基本理论概述 |
| 1.2.1 有效市场假说 |
| 1.2.2 分形市场假说 |
| 1.2.3 信息不对称理论 |
| 1.3 股价波动对开放式基金投资风格漂移冲击的机理分析 |
| 1.3.1 股价波动对开放式基金投资组合的影响 |
| 1.3.2 股价波动对开放式基金投资行为的影响 |
| 1.3.3 股价波动对开放式基金委托代理关系的影响 |
| 2 开放式基金市场发展现状分析 |
| 2.1 基金市场的发展历程 |
| 2.1.1 基金市场的历史沿革 |
| 2.1.2 我国基金市场的历史演进 |
| 2.1.3 开放式基金市场的诞生与发展 |
| 2.2 国际主要开放式基金市场发展状况分析 |
| 2.2.1 开放式基金在欧洲 |
| 2.2.2 开放式基金在美国 |
| 2.2.3 开放式基金在日本 |
| 2.3 中国开放式基金市场发展状况分析 |
| 2.3.1 中国开放式基金数量现状 |
| 2.3.2 中国开放式基金规模现状 |
| 2.3.3 中国开放式基金上市成交现状 |
| 2.4 本章小结 |
| 3 数据的统计特征分析与计量经济学检验 |
| 3.1 样本选择与数据收集 |
| 3.1.1 研究样本 |
| 3.1.2 基金数据的收集与处理 |
| 3.1.3 风格资产指数的选取与数据处理 |
| 3.2 数据的描述性统计分析 |
| 3.2.1 平稳性检验 |
| 3.2.2 正态性检验 |
| 3.3 风格资产收益分形特征分析 |
| 3.3.1 R/S分析法概述 |
| 3.3.2 Hurst指数的估算 |
| 3.3.3 风格资产收益分形特征分析 |
| 3.4 本章小结 |
| 4 我国开放式基金投资风格漂移指数测算分析 |
| 4.1 开放式基金投资风格漂移维数的确定 |
| 4.1.1 分形特征的刻画 |
| 4.1.2 弹性分形维数的测算方法 |
| 4.1.3 盒子分形维数的测算方法 |
| 4.2 开放式基金投资风格漂移指数的模型构建 |
| 4.3 我国开放式基金投资风格漂移指数测算 |
| 4.3.1 我国开放式基金投资风格漂移的样本选取与数据处理 |
| 4.3.2 我国开放式基金投资风格漂移的静态指数测算与分析 |
| 4.3.3 我国开放式基金投资风格漂移的动态指数测算与分析 |
| 4.4 本章小结 |
| 5 国际股价波动对我国开放式基金投资风格漂移冲击效应分析 |
| 5.1 国际主要股票价格波动性分析 |
| 5.1.1 国际主要股指介绍 |
| 5.1.2 变量选取与数据检验 |
| 5.1.3 国际主要股价波动性分析 |
| 5.2 国际股价波动对DIIS冲击效应模型构建 |
| 5.3 国际股价波动对DIIS冲击效应的测度分析 |
| 5.3.1 国际股指对DIIS脉冲响应分析 |
| 5.3.2 国内股指对DIIS脉冲响应分析 |
| 5.3.3 国内外股指对DIIS脉冲响应对比分析 |
| 5.3.4 国际股价波动对我国开放式基金DIIS的方差分解 |
| 5.4 本章小结 |
| 6 全文总结和研究展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 发表的学术论文与研究成果 |
| 附录 |
| 附录1-1：本文266只开放式基金样本资料 |
| 附录1-2：计算盒子分形维的MATLAB编程 |
| 附录1-3：我国开放式基金收益序列盒子分形维数计算结果 |
（5）基于小波分析的中国股市的多重分形辨识与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 研究现状及存在的问题 |
| 1.2.1 研究现状 |
| 1.2.2 存在的问题 |
| 1.3 主要研究内容 |
| 2 分形与多重分形理论 |
| 2.1 分形 |
| 2.1.1 分形定义 |
| 2.1.2 分形的例子 |
| 2.2 分形时间序列 |
| 2.3 分形时间序列的特征量 |
| 2.3.1 分形维 |
| 2.3.2 Hurst指数 |
| 2.4 多重分形 |
| 2.4.1 多重分形的定义 |
| 2.4.2 时间序列的多重分形过程 |
| 2.4.3 局部Holder指数 |
| 2.4.4 多重分形谱 |
| 3 基于小波分析的证券市场数据消噪处理 |
| 3.1 小波理论基础知识 |
| 3.1.1 小波函数 |
| 3.1.2 连续小波变换 |
| 3.1.3 离散小波变换 |
| 3.1.4 多分辨率分析 |
| 3.2 基于小波多分辨分析的去噪原理 |
| 3.2.1 阈值函数和阈值的选取 |
| 3.2.2 小波函数的选择 |
| 3.2.3 小波去噪效果评价准则 |
| 3.3 本文研究的数据来源及数据的消噪处理 |
| 3.4 本章小结 |
| 4 基于WTMM的证券市场多重分形辨识 |
| 4.1 基于WTMM的多重分形谱的计算方法 |
| 4.1.1 小波变换的模极大 |
| 4.1.2 利用WTMM计算多重分形谱 |
| 4.2 WTMM方法的有效性检验 |
| 4.3 股市波动的多重分形辨识实证研究 |
| 4.4 本章小结 |
| 5 基于小波神经网络的股市时间序列预测 |
| 5.1 小波神经网络 |
| 5.2 股票市场时间序列的相关性检验与预测的实证研究 |
| 5.2.1 相关性检验 |
| 5.2.2 股价指数时间序列的预测 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
（7）中国股市的分形结构的检验和长记忆建模（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 研究动态综述 |
| 1.3 研究思路 |
| 1.4 研究方法 |
| 1.5 本研究的创新之处 |
| 1.6 本论文的内容安排 |
| 第二章 短期记忆模型和长记忆模型 |
| 2.1 短期记忆模型的种类和简单介绍 |
| 2.1.1 AR(p)模型（AutoRegression） |
| 2.1.2 MA(q)模型（Moving Average） |
| 2.1.3 ARMA(p,q)模型 |
| 2.1.4 差分运算 |
| 2.1.5 ARIMA（p,d,q）模型 |
| 2.2 分形市场假说(FRACTAL MARKET HYPOTHESIS, FMH) |
| 2.2.1 分形 |
| 2.2.2 分形市场假说内容 |
| 2.2.3 分形理论在资本市场研究中的意义 |
| 2.3 长记忆模型ARFIMA(P,D,Q) |
| 2.3.1 长记忆时间序列的概念 |
| 2.3.2 长期记忆特征的研究方法 |
| 2.4 长记忆模型和短记忆模型的对比 |
| 第三章 沪、深两市股价指数的正态性检验 |
| 3.1 样本选取 |
| 3.2 数据处理 |
| 3.3 检验结果 |
| 第四章 沪、深两市的建模和预测 |
| 4.1 R／S 分析法 |
| 4.2 对沪、深两市分形结构的检验和ARFIMA 建模 |
| 4.2.1 样本选取 |
| 4.2.2 数据处理 |
| 4.2.3 检验结果 |
| 4.3 对沪、深两市的ARFIMA 建模及预测 |
| 4.3.1 ARFIMA(p,d,q)模型的建模步骤 |
| 4.3.2 实证结果 |
| 第五章 原因分析及建议 |
| 5.1 原因分析 |
| 5.2 政策建议 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录：建模OX源程序 |
| 详细摘要 |
（8）多重分形理论及其在中国股票市场中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.1.1 现实背景 |
| 1.1.2 理论背景 |
| 1.2 问题的提出 |
| 1.3 选题意义 |
| 1.4 文献综述 |
| 1.4.1 国外文献综述 |
| 1.4.2 国内文献综述 |
| 1.4.3 存在的问题 |
| 1.5 研究思路与方法 |
| 1.5.1 研究思路 |
| 1.5.2 研究方法 |
| 1.6 主要研究内容与创新点 |
| 1.6.1 研究内容 |
| 1.6.2 创新点 |
| 第二章 分形与多重分形理论 |
| 2.1 分形的提出及定义 |
| 2.1.1 分形的提出 |
| 2.1.2 分形的定义 |
| 2.1.3 分形维数 |
| 2.2 分形市场理论 |
| 2.2.1 分形市场的涵义 |
| 2.2.2 分形市场的特征 |
| 2.2.3 分形市场理论与有效市场理论的比较 |
| 2.3 多重分形理论 |
| 2.3.1 多重分形理论的产生 |
| 2.3.2 多重分形概念 |
| 2.3.3 多重分形测度及多重分形过程 |
| 2.3.4 多重分形的时变性参数 |
| 2.3.5 多重分形谱 |
| 2.3.6 资产收益率多重分形模型 |
| 2.4 本章小结 |
| 第三章 中国股票市场的异象性特征 |
| 3.1 数据说明 |
| 3.2 中国股票市场的非线性检验 |
| 3.2.1 正态性检验 |
| 3.2.2 相关性检验 |
| 3.3 中国股票市场的长记忆性特征 |
| 3.3.1 经典R/S分析 |
| 3.3.2 修正R/S分析 |
| 3.3.3 消除趋势波动分析 |
| 3.4 中国股票市场的多标度特性 |
| 3.4.1 函数盒维数分析 |
| 3.4.2 多标度分析 |
| 3.5 中国股票市场的可预测性 |
| 3.5.1 基于指数涨落的符号序列方法 |
| 3.5.2 可预测性实证研究结果 |
| 3.6 本章小结 |
| 第四章 中国股票市场的多重分形特性研究 |
| 4.1 中国股市收益率的多重分形消除趋势波动分析 |
| 4.1.1 MF-DFA方法 |
| 4.1.2 股市收益率多重分形结构及成因分析 |
| 4.1.3 基于MF-DFA的中国股市收益率标度突变现象 |
| 4.2 中国股市收益率的多仿射分析 |
| 4.2.1 多仿射方法 |
| 4.2.2 股市收益率的长记忆性与市场发展状态间的关联性 |
| 4.3 中国股票市场价格波动的多重分形特性 |
| 4.3.1 多重分形谱参数与股价波动趋势之间的关系 |
| 4.3.2 股价发生大幅波动条件下多重分形谱参数的异常变化 |
| 4.3.3 多重分形谱参数与收益率的关联性 |
| 4.4 本章小结 |
| 第五章 基于多重分形理论的股票价格预测研究 |
| 5.1 股票价格预测的基本方法 |
| 5.2 基于符号序列方法的股票价格的方向预测 |
| 5.2.1 基于多重分形谱参数Δf的符号序列方法 |
| 5.2.2 两种符号序列方法的比较 |
| 5.2.3 符号序列方法对股票价格方向预测的结果 |
| 5.3 基于多重分形谱的神经网络建模及股票价格预测 |
| 5.3.1 基于多重分形谱的神经网络模型的提出 |
| 5.3.2 基于多重分形谱的神经网络模型结构设计 |
| 5.3.3 预测过程及结果 |
| 5.4 本章小结 |
| 第六章 结论、启示与展望 |
| 6.1 结论 |
| 6.2 启示 |
| 6.3 本文的不足之处及研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录1 深成指数序列的函数盒维数分析 |
| 附录2 深成指数收益序列的标度突变现象 |
| 附录3 部分Matlab程序 |
| 作者攻读学位期间发表论文情况 |
| 攻读学位期间完成科研项目及获奖情况 |
| 作者简介 |
（9）中国股票市场Hurst指数与多重分形分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪言 |
| 1.1 问题的提出 |
| 1.2 本文的研究工具及方法 |
| 1.3 论文结构 |
| 1.4 本文的创新点 |
| 2 股票市场研究理论概述 |
| 2.1 有效市场假说理论概述 |
| 2.1.1 有效市场理论的产生 |
| 2.1.2 有效市场假说的发展 |
| 2.1.3 有效市场假说的缺陷 |
| 2.2 分形市场假说理论概述 |
| 2.2.1 分形几何学概述 |
| 2.2.2 分形市场假说理论的主要观点 |
| 2.2.3 多重分形理论的产生 |
| 2.2.4 国内外的研究现状 |
| 3 股票市场有效性及分形统计分析 |
| 3.1 有效性分析 |
| 3.1.1 Hurst 指数 |
| 3.1.2 R/S 分析方法 |
| 3.1.3 V 统计量 |
| 3.1.4 Hurst 指数与相关性检验 |
| 3.1.5 Hurst 指数的有效性检验 |
| 3.2 分形理论 |
| 3.2.1 标度不变性 |
| 3.2.2 奇异指数α |
| 3.2.3 质量函数τ( q) |
| 3.2.4 多重分形谱函数f(α) |
| 3.2.5 多重分形谱的解释 |
| 4 HURST 指数分析 |
| 4.1 样本数据的选择与处理 |
| 4.2 数据的传统性检验 |
| 4.2.1 正态性检验 |
| 4.2.2 相关性检验 |
| 4.3 HURST 指数检验 |
| 4.3.1 上证指数的Hurst 值分析 |
| 4.3.2 深圳成指的Hurst 值分析 |
| 4.3.3 打乱顺序后的Hurst 值分析 |
| 4.3.4 随机数列的Hurst 值分析 |
| 4.3.5 对比分析 |
| 4.4 本章小结 |
| 5 多重分形检验 |
| 5.1 标度不变性分析 |
| 5.1.1 上证指数标度不变性分析 |
| 5.1.2 深成指标度不变性分析 |
| 5.1.3 结论 |
| 5.2 谱函数分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表文章 |
| 附录2 计算中的部分数据 |
| 附录3 HURST 指数计算的主程序 |
（10）我国资本市场分形特性研究（论文提纲范文）
| 一、分形时间序列特性 |
| 二、Hurst指数的估算方法 |
| 三、资本市场时间序列R/S实证研究 |
| 1.数据处理。 |
| 2.数据序列分解。 |
| 3.经济时间序列R/S实例运算[3][4]。 |
| 四、结果分析 |
| 五、结论 |
| 1.发展了传统的有效市场理论。 |
| 2.分形理论是对资本市场进行定量分析的新工具。 |
| 3.分形理论为资本市场的监管与调控提供了依据。 |
四、股价指数时间序列的分形性质分析（论文参考文献）
- [1]基于深度卷积模糊系统模型的股价预测研究[D]. 梁鹏. 西北师范大学, 2020(01)
- [2]时间序列长记忆性理论及实证研究 ——以中国沪深股市为例[D]. 张家樾. 天津财经大学, 2019(07)
- [3]我国金融行业系统性风险溢出效应研究[D]. 肖游. 中国海洋大学, 2015(07)
- [4]国际股价波动对我国开放式基金投资风格漂移冲击效应研究[D]. 张范. 中国海洋大学, 2015(07)
- [5]基于小波分析的中国股市的多重分形辨识与应用研究[D]. 周斌. 江西财经大学, 2012(11)
- [6]金融市场风险测度的实证研究[J]. 任力,齐丽. 河南工程学院学报(社会科学版), 2010(02)
- [7]中国股市的分形结构的检验和长记忆建模[D]. 但知君. 武汉科技大学, 2007(04)
- [8]多重分形理论及其在中国股票市场中的应用研究[D]. 苑莹. 东北大学, 2007(05)
- [9]中国股票市场Hurst指数与多重分形分析[D]. 王莹莹. 华中科技大学, 2006(04)
- [10]我国资本市场分形特性研究[J]. 郁俊莉. 中南财经政法大学学报, 2005(03)