自 Hurst 从潮汐数据中发现水文时间序列的长期记忆性(longmemory),Mandelbrot 建立了长期记忆分析的严格数学基础后,长期记忆研究在自然科学领域引起了广泛关注。最近二十年,经济、金融时间序列的长期记忆性成为经济学、金融学领域的研究热点。分析资本市场的长记忆性,对于分析与了解市场结构、判断市场的走势以及长记忆性对市场风险与未来变化的影响等方面具有重要的作用,而且长记忆性的存在不仅是对市场有效性的违背,将为投机利润的出现提供可能性,甚至对传统的实证研究方法也是一个冲击。 近年来,国内学者开始关注我国股票市场的长记忆性。由于起步较晚,目前的研究还处于消化吸收阶段。已有文献基本上是针对收益率的长记忆性来进行研究的,针对国内股票市场收益率波动长记忆性的研究还比较少。而且现有的研究主要是利用 ARFIMA 和 GARCH类模型来对收益率的波动进行研究,但大量的文献表明,运用ARFIMA 模型和 GARCH 类模型研究股票市场波动的长记忆性还存在一定的缺陷,加上我国股票市场特殊的背景和市场特征,使得上述模型不能很好刻画股票市场收益率波动的长记忆性特征。因此,如何立足于中国的具体市场特征,对模型进行修正或者选用合适的模型来研究国内资本市场的长记忆性就显得十分必要了。 基于此,本文首先对已有的检验方法和建模思路进行评述,指出这些方法和思路的优缺点,为笔者的研究奠定基础。其次,笔者采用一种新的检验和建模思路,对我国股票市场收益率波动序列进行实证研究,即首先进行序列分解,然后对分解以后的序列进行检验和建模,从而得到关于检验和建模等方面更为有效和准确的结论。最后,结合美国和香港股票市场的数据,将国内股票市场同美国、香港等发达股票市场进行对比研究,意在寻找我国同其他发达国家股票市场的差别和不足之处,为市场完善和发展提供一些建议。 本文共分为四章,各章的结构和基本内容如下: 第一章——导论2 本章首先探讨论文研究背景和选题意义,以及主要的研究内容和研究方法。然后笔者综述了目前主要的长记忆性检验方法和建模方法,并做出了相关的评述,指出目前研究的不足和缺陷,明确本文研究的基本思路和主要内容。接着,笔者对长记忆性的定义以及产生的原因做了详细的阐述和分析。最后,笔者对本文中的一个关键概念——结构转换(regime-switching)做了解释,并且明确了本文所使用的结构转换(regime-switching)概念同传统的 Markov 结构转换的区别,为后面的实证研究奠定了理论基础。第二章——我国股票市场收益率波动长记忆性的实证检验在这一章里,笔者首先运用 ICSS 算法寻找上海和深圳股票市场收益率波动序列的突变点;然后根据突变点将序列分段,分成不同的结构,并以此为依据,将序列分解为只包含长记忆的序列和不包含长记忆性的序列;接着对分解以后得到的两个序列进行修正的 R/S 检验。检验的结果表明笔者的序列分解过程是成功的,即通过分解得到了一个只包含长记忆性的序列和一个不包含长记忆性的序列。最后对突变点做出一定的解释,并得到一些结论。第三章——我国股票市场收益率波动长记忆性的建模研究这个部分的主要内容是对分解以后的长短记忆序列进行建模。在建模之前,笔者首先对分解后的序列进行了 ARCH 效应检验,检验的结果说明分解得到的序列具有明显的 ARCH 效应,这为后面建立ARCH 类模型提供了依据。然后,对短记忆序列进行了建模,笔者选择了常用的短记忆模型 GARCH、EGARCH 和 TGARCH 进行比较研究,研究表明 TGARCH(1,1)模型是上海股票市场和深圳市场收益率波动短记忆序列的最优模型。最后,笔者对分解得到的长记忆序列进行了建模研究,这里选择的长记忆性模型是 FIGARCH(1,1)和FIEGARCH(1,1),实证研究表明,FIEGARCH(1,1)能更好的拟合长期记忆序列。第四章——股票市场收益率波动长记忆性的国际比较本章把国内股票市场同国际发达的股票市场进行比较,目的是发现国内股票市场同国际股票市场的一些区别,找出与发达国家股票市3 场的差距,为国内股票市场的完善提供一些参考意见。通过研究发现,国外发达股票市场在突变点的数量以及引起突变点发生的原因方面都与国内股票市场不同,国外发达股票市场发生突变的原因更多的是受到市场或宏观经济等方面的影响,与国内基本上是由政策原因引起的大不相同,说明国内股票市场同国外发达股票市场相比存在着很大的不足。 接着笔者按照第二、三章的思路和方法,对分解以后的序列进行了检验和建模研究,并得到了一些的结论和启示。总体来讲,本文的研究特色在于:1、 具有较新颖的研究视角:从结构(regime)出发,而不再是从离散数据角度出发来进行研究;分析论证了股票市场收益率波动的长记忆性可以由结构(regime)的持续性来解释。2、 在实证研究方法上,将序列分解技术和思想运用于对股票市场波动的研究中,并且成功的对国内和香港、美国股票市场的收益率波动序列进行了长短记忆的分解。通过序列分解技术和思想,将序列成功的分解为只具有长记忆性的序列和不包含长记忆的序列,通过这种方法可以完全消除短期记忆对长记忆性检验方法