人民币汇率市场分形特征分析的论文

《人民币汇率市场分形特征分析的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人民币汇率市场分形特征分析的论文年7月21日至2010年10月29日的人民币兑美元汇率，人民币兑欧元汇率和人民币兑日元汇率三种汇率的每日中间报价为研究对象，利用r/s分析方法对其日收益率序列进行研究，结果表明，三个汇率市场不符合有效市场假设，具有明显的分形特征，并具有不同的循环区间长度。　　〔关键词〕分形理论;r/s分析;赫斯特指数;人民币汇率　　〔中图分类号〕f830〔文献标识码〕a〔文章编号〕1008-2689（2011）02-0066-05　　　　0.引言　　有效市场假说一度是研究资本市场的基石，资本资产定价模型，

2、无套利分析理论都是在该假说的前提下建立的。不过市场上越来越多的异常现象使得有效市场假说面临挑战。有效市场假说的一个重要假设是证券价格的变化是独立的，价格呈现随机状态，不会表现出某种规律和趋势。其收益率变化应该服从正态分布。对市场效率的研究主要集中在价格波动是否无序，市场是否均衡。　　然而大量的实证研究表明，现实的资本市场并不是以线性规范对信息做出反应，其价格收益率也不是相互独立的，一般呈现出尖峰厚尾等特征，是有偏的随机游走。于是近年来，人们将分形理论、非线性系统理论和分数维理论引入资本市场有效性研究中，突破有效市场假说的

3、限制，一种新的分形市场假说开始兴起，有效解决了有效市场假说的局限性和缺陷。　　分形概念是由法国数学家曼德尔布罗特提出的。所谓分形，是指部分和整体的形相似。分形具有某种程度上的自相似性和自放射性特征。挡在不同的尺度下进行测量时，其形态、复杂程度和不规则性等特征都有相似性，这种相似性成为标度不变性。.　　而r/s分析法是由英国水文学家赫斯特提出的，其主要思想是分析重标度累积均值离差的标度行为[1]，是一种研究周期单分形特征的有效工具，能够判断时间序列中分形结构的存在。继赫斯特提出r/s分析方法后，针对短期相关性对测度结果的影

4、响问题，曼徳布特和威廉斯[2]进行了改进，彼得斯[3]也利用一阶自回归的估计残差对短期依赖性问题进行改进。大量的国外学者研究表明，资本市场价格存在着分形特征。　　在我国，对分形市场的研究大部分集中在股市，对汇率方面的此类研究较少。王春峰[4]等应用r/s分析法研究中国股票市场的长期记忆性，得出中国股市具有较明显的长期记忆性的结论。张晓莉[5]等对我国沪深两市指数进行周和日收益序列，采用非线性估计方法提高r/s系列分析估计h参数的精确度，结果表明两市都具有长期记忆效应。杨成义[6]等以中国股市的日收益率为研究对象，通过对r

5、/s双对数曲线以及v统计量的的拟合研究，结果表明中国股票市场的收益序列均不服从正态分布，并且呈现出状态的持续性和长期记忆性，具有明显的分形特征。杨桂元[7]和陈艳[8]等也得出相似结论。但是，胡章明[9]通过r/s分析对上海股票市场进行分析，得出不一样的结论，证明在不同的时间阶段，其状态持续性质不同。　　在汇率市场方面，戴国强[10]等选择了1984年至1998年15种主要货币对美元每日汇率进行研究,结果表明汇率波动具有状态持久性、关联性、周期性和非线性，并且汇率波动具有稳态特征。孙继国、伍海华[11]研究了1994年2

6、月20日至2003年12月31日的人民币、日元对美元的日汇率数据进行实证分析,结果表明中日外汇市场均存在着状态的持续性、关联性和非线性,但由于数据不足,并未估计出统计循环长度。黄飞雪等[12]以我国人民币对美元、欧元和日元的日汇率中间价数据为研究对象，得出我国人民币外汇市场具有明显的分形特征。戎如香[13]以2005年7月21日~2008年3月12日银行间外汇市场六种货币兑人民币汇率数据为样本,采用r/s分析法对其日收益率序列进行了研究，结果表明六种货币兑人民币汇率均具有非线性特征,表现为较强的正状态持久性,其波动存在明

7、显的非周期循环。　　由以上可知，我国在汇率方面的分形市场研究明显不足于证券市场，所以本文以2005年7月21日至2010年10月29日的人民币兑美元汇率，人民币兑欧元，人民币兑日元的中间报价为研究对象，对其进行r/s分析，以此判断我国外汇市场的特征。　　汇率市场的分形研究为市场的定量分析提供了一种新的思路，也为其监管和调控提供了新的依据。因为借助于分形和非线性系统理论，一方面可以解释市场中更多的复杂现象，另一方面对市场波动产生更好的预测效果。所以，本文研究具有一定的现实意义。　　一、r/s分析和hurst指数　　（一）经

8、典r/s分析的计算步骤　　r/s分析法又称重新标度极差分析法，即重标极差分析法，它最大的优势就是不必假定r/s测度时间序列的分布特征，无论分布是正态的还是非正态的，r/s分析结果的稳健性均不受影响。　　r/s分析的基本算法如下：　　对于一个时间序列{xt}，其观测值为n个。　　（1）将其分成a个长度为n的相邻子区间，