论文部分内容阅读
长记忆性是对序列高阶相关结构的一种描述,又称长期相关性。具有长记忆性的序列在相距甚远两个观察值之间有某种稳定的依存关系,衰减缓慢的自相关函数。金融时间序列的分形结构、肥尾分布、长期记忆等非线性特征,都是当今最受关注的研究课题之一。为深入了解并研究经济时间序列所呈现出长记忆性特征,本文重点研究了能刻画长记忆性的分整移动自回归模型(ARFIMA)模型,介绍了有关长记忆时间序列的概念、检验及建模等内容。本文应用ADF、PP和KPSS三种方法来检验上证指数和深证成指两条序列的平稳性,并用经典的R/S分析法和修正的R/S分析法以及V/S分析法来分析两条序列的长记忆性。结论显示一致支持上证和深证的日收益序列都有长记忆性,而且上证序列的长记忆性比深证的强。基于长记忆性的检验结果,本文对两条序列采用B-J方法进行ARFIMA建模。通过信息准则比较确定为,ARFIMA(6, d,2)是描述上证日收益序列长记忆性最合适的模型,ARFIMA(5, d,2)是描述深证成指日收益序列长记忆性最合适的模型。通过实证研究得出,中国股市中确实存在长记忆性,但中国股市缺乏有效性。