沪深两市股票指数的长记忆性.pdfVIP

( ) ISSN 清华大学学报 自然科学版 2004 年 第44 卷 第 12 期 3031 CN 112223N 　 ( ) , 2004, . 44, . 12 J T singhua U niv Sci T ech V o l N o 　 沪深两市股票指数的长记忆性 姜仁娜, 　叶　俊 (清华大学 数学科学系, 北京 100084) 摘　要: 针对中国股票市场的长记忆性问题, 讨论了分整 自 一种。 回归移动平均(A uto regressive fractional integrated moving 对A R F IM A 模型的参数估计, 目前广泛使用的 average, A R F IM A (p , d , q) ) 模型中的参数估计 问题, 重点 两种方法是文[2 ] 中提出的GPH 特殊回归估计和文 集中在对分整参数 的估计。使用 指数方法估计 , 并 d H urst d [3 ] 中提出的EM L E (exact tim e dom ain m ax im um 分别用经典 方法、有偏修正 方法和无偏修正 R S R S R S likelihood estim ato r) 。GPH 估计法的优点是计算 方法进行估计, 并结合上证指数和深证成指的收益率数据, 简单, 缺点是它只能估计分整参数, 相对来讲效率较 给出了3 种方法的估计结果。实证结果表明, 中国股票市场 已初步显示出了长记忆性。给出A R F IM A 模型的最优阶数 低且易受谱函数低频率的影响; EM L E 方法是渐近 和全部参数估计值。得出了上证指数和深证成指收益率所适 有效的, 但是计算量太大, 尤其对于阶数较高的 合的最优的A R F IM A 模型。 A RM A 模型, 计算量和速度均难以承受。与以上两 种估计方法相比, 文[4 ] 中使用的基于 统计量的 关键词: 股票; 概率论; A R F IM A (p , d , q) 模型; 长记忆性; R S 统计方法 非参数估计方法, 对于具有无限方差和条件异方差 R S 中图分类号: