中国股市复杂性测度及其变化特征分析
发布时间：2021-10-13 19:22
文章基于近似熵与样本熵理论及其之间比较时存在唯一交点的特性,科学地确定了测度股市复杂性的共同最优参数,并解析了股市复杂性的变化特征。结果表明:随着维数和阈值的不同变化,近似熵具有规律性变化,样本熵具有无序、复杂性变化;股市近似熵与样本熵的共同最优参数m=2、r=0.22SD;近似熵和样本熵对序列变化特征的描述展现了各自的优势,拓展了仅强调样本熵更优的理论观点;复杂度与收益率存在显著性正向变化关系;市场信息的有效传递是影响股市复杂性的重要因素。
【文章来源】：统计与决策. 2020,36(05)北大核心CSSCI
【文章页数】：4 页
【部分图文】：
SSE与其复杂度之间的关系
根据Pincus对参数选取的建议，选择维数m=2～6、阈值r=0.01～2.5SD（倍序列的标准差），按照近似熵和样本熵理论，可绘制出不同维数和阈值下股市近似熵和样本熵的变化图。从SSE序列近似熵变化趋势（见图1(a））可知，两序列近似熵的规律变化明显，当维数m给定，阈值r由小增大时，近似熵最初呈现出快速增大的变化，并在短时间内达到最大值，随后突然减小，最后慢慢收敛至一致、稳定的变化；当阈值r给定，维数m由小增大时，近似熵呈现出逐渐减小的规律性变化。但观察图1(b）中SSE序列样本熵的变化规律没有近似熵的变化规律明显，变化总趋势呈现出逐渐减小的特征，在同一维数m下，样本熵随着阈值r的递增呈现递减变化；在某一特定阈值r下，不同维数m的两序列样本熵的变化呈现出复杂、混乱、无序的不同变化。进一步分析样本熵的局部分段图可知：随着阈值r的增大，SSE序列的样本熵先呈现无规律变化，然后呈现规律性变化，最后趋于一致、稳定的变化，因此，从样本熵的变化来看，在不同阈值r的取值范围，SSE序列的样本熵表现出不同的变化特征。不同参数m、r对SZSE近似熵和样本熵的影响与对SSE的影响基本一致。从两种熵的变化来看，合理选择维数和阈值对股市复杂性的准确测度和分析有着重要影响，股市复杂度的变化特征保证了两种熵值的变化曲线存在唯一交点，从而为确定共同最优参数提供了保障，验证了两种复杂度对比时所满足的一致性要求。
利用滑动移除算法，选择滑动窗口长度为81、步长为41的日历数据，对股市日收益率序列进行逐步滑动窗口移除，形成一系列的子序列数据，并计算每一子序列的近似熵与样本熵，据此可获得股市SSE、SZSE序列复杂度（近似熵、样本熵）的动态变化值。从图2可知，SSE序列近似熵、样本熵的变化趋势基本相同，均在0.05水平下呈现出显著性缓慢递增趋势，但近似熵小于样本熵。SSE序列的近似熵在前半段的变化幅度大于后半段，前半段呈现出交替振荡变化，后半段呈现出局部的连续性变化，而且近似熵检测出的序列峰谷转折波动点数（12个）比样本熵检测出的多1个，说明近似熵在检测序列峰谷转折波动变化方面表现出更灵敏的特性。样本熵在整个时间变化过程中都较为一致，基本呈振荡式变化，表现出更大的随机波动性，且样本熵的显著性和递增趋势度都大于近似熵，说明样本熵在描述SSE序列总的变化趋势和变化幅度方面强于近似熵。SZSE序列的复杂度变化趋势与SSE序列基本相同。总之，两种复杂度在描述序列的变化特征时，表现出了各自的优势，样本熵能更准确地描述序列的总趋势、峰谷变化幅度及复杂性，而近似熵能更灵敏地检测出序列的峰谷转折波动变化，该结论与上文中样本熵优于近似熵的结论不完全一致，从而拓展了仅强调样本熵更优的理论观点，明晰了近似熵与样本熵各自应用的优势领域。
【参考文献】：
期刊论文
[1]系统复杂性测度参数确定的新方法及其应用[J]. 李勋贵,魏宁,魏霞. 系统工程理论与实践. 2018(01)
[2]汇率波动性的近似熵与样本熵分析[J]. 刘庆丹,李久华,杨会杰. 技术与创新管理. 2016(04)
[3]股价异常波动及波动集聚性——基于近似熵-小波变换的实证研究[J]. 郭建华. 金融理论探索. 2016(03)
[4]基于样本熵的降雨和径流时间序列突变检验[J]. 薛联青,刘远洪,张梦泽,王思琪,李军. 地球科学与环境学报. 2015(03)
[5]基于样本熵的时间序列非线性检测方法研究[J]. 李聪改,曹锐,武政,相洁. 计算机工程与设计. 2014(11)
[6]复杂性分析在金融领域的应用[J]. 夏丹. 经济研究导刊. 2014(18)
[7]金融系统复杂性度量[J]. 邱奕奎. 技术经济与管理研究. 2014(04)
[8]脑电数据近似熵与样本熵特征对比研究[J]. 李立,曹锐,相洁. 计算机工程与设计. 2014(03)
[9]随机性、市场干预与外汇市场有效性——对人民币汇率的动态分析[J]. 盛斌,吴建涛. 世界经济研究. 2010(03)
[10]近似熵:一种适用于短数据的复杂性度量[J]. 杨福生,廖旺才. 中国医疗器械杂志. 1997(05)
本文编号：3435268
【文章来源】：统计与决策. 2020,36(05)北大核心CSSCI
【文章页数】：4 页
【部分图文】：
SSE与其复杂度之间的关系
根据Pincus对参数选取的建议，选择维数m=2～6、阈值r=0.01～2.5SD（倍序列的标准差），按照近似熵和样本熵理论，可绘制出不同维数和阈值下股市近似熵和样本熵的变化图。从SSE序列近似熵变化趋势（见图1(a））可知，两序列近似熵的规律变化明显，当维数m给定，阈值r由小增大时，近似熵最初呈现出快速增大的变化，并在短时间内达到最大值，随后突然减小，最后慢慢收敛至一致、稳定的变化；当阈值r给定，维数m由小增大时，近似熵呈现出逐渐减小的规律性变化。但观察图1(b）中SSE序列样本熵的变化规律没有近似熵的变化规律明显，变化总趋势呈现出逐渐减小的特征，在同一维数m下，样本熵随着阈值r的递增呈现递减变化；在某一特定阈值r下，不同维数m的两序列样本熵的变化呈现出复杂、混乱、无序的不同变化。进一步分析样本熵的局部分段图可知：随着阈值r的增大，SSE序列的样本熵先呈现无规律变化，然后呈现规律性变化，最后趋于一致、稳定的变化，因此，从样本熵的变化来看，在不同阈值r的取值范围，SSE序列的样本熵表现出不同的变化特征。不同参数m、r对SZSE近似熵和样本熵的影响与对SSE的影响基本一致。从两种熵的变化来看，合理选择维数和阈值对股市复杂性的准确测度和分析有着重要影响，股市复杂度的变化特征保证了两种熵值的变化曲线存在唯一交点，从而为确定共同最优参数提供了保障，验证了两种复杂度对比时所满足的一致性要求。
利用滑动移除算法，选择滑动窗口长度为81、步长为41的日历数据，对股市日收益率序列进行逐步滑动窗口移除，形成一系列的子序列数据，并计算每一子序列的近似熵与样本熵，据此可获得股市SSE、SZSE序列复杂度（近似熵、样本熵）的动态变化值。从图2可知，SSE序列近似熵、样本熵的变化趋势基本相同，均在0.05水平下呈现出显著性缓慢递增趋势，但近似熵小于样本熵。SSE序列的近似熵在前半段的变化幅度大于后半段，前半段呈现出交替振荡变化，后半段呈现出局部的连续性变化，而且近似熵检测出的序列峰谷转折波动点数（12个）比样本熵检测出的多1个，说明近似熵在检测序列峰谷转折波动变化方面表现出更灵敏的特性。样本熵在整个时间变化过程中都较为一致，基本呈振荡式变化，表现出更大的随机波动性，且样本熵的显著性和递增趋势度都大于近似熵，说明样本熵在描述SSE序列总的变化趋势和变化幅度方面强于近似熵。SZSE序列的复杂度变化趋势与SSE序列基本相同。总之，两种复杂度在描述序列的变化特征时，表现出了各自的优势，样本熵能更准确地描述序列的总趋势、峰谷变化幅度及复杂性，而近似熵能更灵敏地检测出序列的峰谷转折波动变化，该结论与上文中样本熵优于近似熵的结论不完全一致，从而拓展了仅强调样本熵更优的理论观点，明晰了近似熵与样本熵各自应用的优势领域。
【参考文献】：
期刊论文
[1]系统复杂性测度参数确定的新方法及其应用[J]. 李勋贵,魏宁,魏霞. 系统工程理论与实践. 2018(01)
[2]汇率波动性的近似熵与样本熵分析[J]. 刘庆丹,李久华,杨会杰. 技术与创新管理. 2016(04)
[3]股价异常波动及波动集聚性——基于近似熵-小波变换的实证研究[J]. 郭建华. 金融理论探索. 2016(03)
[4]基于样本熵的降雨和径流时间序列突变检验[J]. 薛联青,刘远洪,张梦泽,王思琪,李军. 地球科学与环境学报. 2015(03)
[5]基于样本熵的时间序列非线性检测方法研究[J]. 李聪改,曹锐,武政,相洁. 计算机工程与设计. 2014(11)
[6]复杂性分析在金融领域的应用[J]. 夏丹. 经济研究导刊. 2014(18)
[7]金融系统复杂性度量[J]. 邱奕奎. 技术经济与管理研究. 2014(04)
[8]脑电数据近似熵与样本熵特征对比研究[J]. 李立,曹锐,相洁. 计算机工程与设计. 2014(03)
[9]随机性、市场干预与外汇市场有效性——对人民币汇率的动态分析[J]. 盛斌,吴建涛. 世界经济研究. 2010(03)
[10]近似熵:一种适用于短数据的复杂性度量[J]. 杨福生,廖旺才. 中国医疗器械杂志. 1997(05)
本文编号：3435268
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3435268.html
教材专著
