基于多重分形的金融市场复杂特性分析及应用 以中国股票市场为研究对象PDF电子书下载

第1章 绪论 1

1.1 非线性框架下研究中国股票市场价格行为的现实背景 1

1.2 非线性框架下研究中国股票市场价格行为的理论背景 2

1.3 分形市场理论的提出 6

1.4 将多重分形理论应用于中国股票市场的重要意义 8

第2章 金融市场 11

2.1 金融市场概述 11

2.2 金融市场基本理论 13

2.2.1 投资组合理论 13

2.2.2 资本资产定价模型 21

2.2.3 资本市场微观结构理论 38

2.2.4 资本市场风险管理技术 41

2.2.5 金融市场波动的传统理论与方法 47

2.3 本章小结 49

第3章 复杂性理论及方法 50

3.1 分形理论 50

3.1.1 分形的提出 50

3.1.2 分形的定义 51

3.1.3 分形例子 52

3.1.4 分形特征 54

3.1.5 分形维数 56

3.1.6 分形类型 58

3.2 分形市场理论 59

3.2.1 分形市场的含义 60

3.2.2 分形市场的特征 60

3.2.3 分形市场理论与有效市场理论的比较 61

3.2.4 分形市场理论的意义 62

3.2.5 对股市分形结构的诠释 64

3.3 多重分形理论 66

3.3.1 多重分形理论的产生 66

3.3.2 多重分形概念 66

3.3.3 多重分形测度及多重分形过程 67

3.3.4 多重分形的时变性参数 71

3.3.5 多重分形谱 73

3.3.6 资产收益率多重分形模型 76

3.4 混沌理论 80

3.4.1 混沌的定义 80

3.4.2 混沌的基本特征 81

3.4.3 混沌理论的产生 81

3.4.4 混沌实例 82

3.4.5 混沌经济系统的度量 89

3.5 复杂性方法 94

3.5.1 自相似性和标度不变性 94

3.5.2 稳定分布与负幂律分布 96

3.5.3 多标度与多重分形 98

3.5.4 自相关函数与自相关指数 99

3.5.5 Hurst指数 101

3.5.6 消除趋势波动分析 105

3.5.7 盒计数法 107

3.6 本章小结 109

第4章 金融市场的异象性特征 110

4.1 有效市场理论概述 110

4.2 金融市场异象概述 117

4.3 中国股票市场的非线性检验 123

4.3.1 数据说明 123

4.3.2 正态性检验 125

4.3.3 相关性检验 128

4.4 中国股票市场的长记忆性特征 131

4.4.1 经典R/S分析 132

4.4.2 修正R/S分析 134

4.4.3 消除趋势波动分析 136

4.4.4 基于高频数据的股市交易量与价格波动长记忆研究 139

4.5 中国股票市场的多标度特性 145

4.5.1 函数盒维数分析 145

4.5.2 多标度分析 148

4.6 中国股票市场的可预测性 154

4.6.1 基于指数涨落的符号序列方法 154

4.6.2 可预测性实证研究结果 155

4.7 本章小结 158

第5章 中国股票市场的多重分形特性研究 160

5.1 相关文献综述 160

5.1.1 国外文献综述 161

5.1.2 国内文献综述 167

5.1.3 存在的问题 169

5.2 中国股市收益率的多重分形消除趋势波动分析 170

5.2.1 MF-DFA方法 170

5.2.2 股市收益率多重分形结构及成因分析 171

5.2.3 基于MF-DFA的中国股市收益率标度突变现象 177

5.3 中国股市收益率的多仿射分析 184

5.3.1 多仿射方法 184

5.3.2 股市收益率的长记忆性与市场发展状态间的关联性 185

5.4 中国股票市场价格波动的多重分形特性 187

5.4.1 多重分形谱参数与股价波动趋势之间的关系 187

5.4.2 股价发生大幅波动条件下多重分形谱参数的异常变化 190

5.4.3 多重分形谱参数与收益率的关联性 195

5.5 中国股市各行业板块奇异性特征比较 197

5.6 世界主要股票市场的多重分形特性比较 203

5.7 中国商品期货市场的多重分形特性分析 209

5.8 国际汇率的多重分形特性分析 213

5.9 本章小结 216

第6章 多重分形特性在金融风险管理中的应用 218

6.1 股票价格预测的基本方法 218

6.2 基于符号序列方法的股票价格的方向预测 220

6.2.1 基于多重分形谱参数△f的符号序列方法 220

6.2.2 两种符号序列方法的比较 221

6.2.3 符号序列方法对股票价格方向预测的结果 224

6.3 基于多重分形谱的神经网络建模及股票价格预测 230

6.3.1 基于多重分形谱的神经网络模型的提出 230

6.3.2 基于多重分形谱的神经网络模型结构设计 231

6.3.3 预测过程及结果 233

6.4 基于多标度的风险度量指标及其在风险管理中的应用 235

6.4.1 多重分形特性的确认 235

6.4.2 股价随时间变化的MF-DFA分析 238

6.4.3 基于MF-DFA的风险度量指标在金融风险管理中的应用 240

6.5 本章小结 243

第7章 结论、启示与展望 245

7.1 结论 245

7.2 启示 246

7.3 未来研究方向 248

参考文献 250

附录 262