基于小波方法的中國股票市場波動多尺度研究.pdf

1、隨著中國股票市場發(fā)展速度的加快，股票市場波動對宏觀經(jīng)濟甚至于整個國民經(jīng)濟的影響必將日益增大。以往分析中國股票市場波動的文獻(xiàn)很多，但是它們都是在單一時間尺度上進(jìn)行的。但是，利用單一時間尺度分析金融市場波動得到的結(jié)果往往是片面的。所以，為了得到全面而正確的分析結(jié)果，我們應(yīng)該在多個時間尺度上分析我國的股票市場波動。小波方法為我們研究股票市場波動的多尺度性質(zhì)提供了一個自然的工具。概括地說，小波方法是我們所熟知的譜分析方法的補充和擴展。它是一種信

2、號的時間—尺度(時間—頻率)分析方法，在時頻兩域都有表征信號局部特征的能力，特別適合分析非平穩(wěn)的時間序列。此外，小波變換也可以降低長記憶過程的相關(guān)性，所以小波方法也適合于分析長記憶的時間序列，并可估計長記憶參數(shù)。在分析金融市場波動時，小波方法使得研究者以不同的時間尺度為基準(zhǔn)描述金融市場波動的長記憶性和不同金融市場的波動相關(guān)性。
　　 本文首先利用小波多尺度分析方法對中國股市波動的長記憶性和時變長記憶性進(jìn)行了分析。本文發(fā)現(xiàn)中國股市

3、波動長記憶存在顯著的多尺度現(xiàn)象，利用虛擬變量技術(shù)發(fā)現(xiàn)日內(nèi)波動的長記憶性和日間波動的長記憶性存在顯著的不同，并且中國股市五分鐘波動的長記憶參數(shù)是時變的。這說明我們在對股價波動進(jìn)行建模時，應(yīng)該選擇時變長記憶參數(shù)的模型如時變LMSV模型。其次，本文利用小波互相關(guān)系數(shù)和小波交叉互相關(guān)系數(shù)對深滬股市波動傳導(dǎo)的多尺度性進(jìn)行了分析，發(fā)現(xiàn)深滬股市同期波動傳導(dǎo)和領(lǐng)先－滯后傳導(dǎo)關(guān)系都隨著時間尺度的增大而增強，所以以小尺度為基準(zhǔn)，采用組合投資分散風(fēng)險的效果更