上海证券市场混沌特征分析

文章利用Dayid Ruelle提出的相空间重构技术和Wolf算法计算出了上证综合指数日收益率的Lyapunov指数,利用P-Grassberger和I·Procaccla提出的时间序列关联维数的G-P算法计算出上证综指日收益率序列的关联维数。得出上海证券市场具有明显的非线性混沌特征的结论。     

深成指数的混沌吸引子分形维研究及预测

近几年来，用混沌理论来分析金融市场的变化规律，已经逐渐成为金融市场非线性研究的热点。本文以1991年4月3日至2000年12月29日的深成指数的日收盘价（共计2392个数据）为样本，利用Wolf算法计算出深成指数对数收益率序列的最大Lyapunov指数，用G-P算法求出深成指数对数收益率序列的关联维数，从而证实我国证券市场的运行具有混沌特征。     

股票价格波动的混沌行为分析

正确分析各种证券价格的动力学行为和统计性质是研究股票市场复杂系统自适应行为的基础。混沌动力学理论提供了证券市场中股价波动的一种分析方法。为了考察中国证券市场的价格是否存在混沌行为，本文以2002年上海证券市场10秒间隔的上证指数高频数据，分析了价格波动的非线性特征，通过重构相空间方法重构了2002年上证指数时间序列的奇怪吸引子，计算其关联维数，并求出其Lyapunov指数为正，从而确认了上证指数时间序列的混沌行为。     

证券市场的混沌现象分析

通过对沪深两市股指收益率序列中Lyapunov指数和吸引子的分数维的计算分析,证实了我国证券市场中股价指数波动具有明显的混沌特性。由于混沌本身具有对初值的极其敏感性,以及其局部的随机性与全局的决定性的特征,股价变化的背后存在着某种决定性的支配规则。对此,传统的非线性理论无法准确进行描述,需要运用混沌理论来描述证券市场价格波动,探索影响证券市场的内在机理,并预测证券市场价格波动的未来走向。     

股市混沌现象中分形维及最大Lyapunov指数计算方法研究

本文采用分形维和Lyapunov指数这两个指数来研究沪市混沌特征。指出当前国内研究在利用重构空间技术和G－P算法来计算分形维，以及用Wolf算法计算最大Lyapunov指数时存在的问题，并提出了一些解决方法，有利于更好地进行股市混沌研究。     

基于混沌保持神经元的混沌神经网络中的超混沌

神经网络是高度复杂的非线性动力系统,存在着混沌现象。本文通过消除暂态混沌神经元的模拟退火策略,产生了一种可以永久保持混沌搜索的混沌神经元。基于由四个该混沌神经元连接的混沌神经网络的拓扑结构,分析了混沌神经网络的Lyapunov指数谱,发现混沌神经网络中存在超混沌现象;同时,研究了参数变化对混沌神经网络Lyapunov指数谱的影响。     

河北钢铁股票收益率的实证研究—R/S分析

<正>一绪论随着理论的不断改进和发展,分形市场假说在资本市场的混沌和分形研究中发展起来。过去国外学者已经证明了资本市场的有效市场假说偏离实际,基于前人的研究结果,近几年来,国内许多学者对我国股票市场的分形特征进行了研究,比如有的学者证明了我国上海股市和深圳股市的收益率序列是分形时间序列,具有可持续性和长期记忆性,但是其长期记忆的差异很大。研究中国股市、沪深综合指数、上证指数、中证指数的分形结构的文章有很多,但是研究局部地区股票市场的分形特     

证券市场的混沌研究及相空间预测

相空间预测途径与传统的时间序列预测途径有较大的不同，它较传统确定性和随机性预测方法更多地利用了时间序列中包含的丰富信息，因此能够得到更精确的结果。本文以相空间重构理论为基础，对上证指数进行了混沌特性分析。首先由分形维和测度熵两个指标证实了上证指数的混沌特性，然后对不同的预测期，应用相空间的多点相似预测方法对上证指数进行预测分析，并对不同的预测期的预测结果进行比较，得出较优的相空间预测方法。     

运用生存模型对中美两国市场进行分析

本文首次运用生存分析方法对道琼斯工业价格指数进行研究,我们发现道琼斯工业指数的连涨连跌收益率服从Gamma分布,并且在牛市和熊市中,Gamma函数的两个参数是不同的。最好,我们对上证指数和道琼斯工业指数的连涨连跌收益率进行对比分析,发现道琼斯工业指数比上证指数运行更加平稳。     

上证综指基于ARCH模型的VaR风险价值测度分析

现代金融理论中,波动性是金融时间序列最重要的特征之一,因此模拟和预测股票市场的波动性已经成为众多理论和实证研究的重要领域。文章通过选取上证综合指数2008年至2012年的日对数收益率,运用ARCH簇分别在正态分布、t分布和GED分布条件下测度上证综合指数的风险价值VaR,发现上证指数在t分布和GED分布条件下拟合程度较好,存在收益率的厚尾性和波动集聚性特征。