沪深股市股票收益长期记忆分析
近10年股市行情回顾
近10年股市行情回顾近10年的股市行情可以说是波澜壮阔，经历了多次大起大落，投资者经历了喜怒哀乐。
本文将为大家回顾近10年的股市行情，希望能够对投资者有所帮助。
2012年至2014年，中国股市经历了一段相对平稳的时期。
2012年初，A股市场出现了一波上涨行情，吸引了大量投资者入市。
然而，2013年年初开始，股市进入了下跌通道，一度跌破2000点。
2014年上半年，股市再度回暖，但下半年再度回落。
这段时间的股市行情可以说是波动较小，整体呈现震荡走势。
2015年是中国股市的“黑色一年”。
在2015年上半年，A股市场经历了一波疯狂的上涨，上证指数一度冲到了5178点。
然而，上半年的行情只是一个短暂的泡沫，6月份开始，股市迅速下跌，一度跌破3000点。
7月8日，中国股市发生了所谓的“7·8事件”，上证指数一天跌幅达到了8.48%。
整个2015年，A股市场累计下跌了近50%。
这一年的股市行情可以说是投资者的噩梦。
2016年，A股市场开始逐渐走出低迷。
尽管年初还有一波下跌，但之后股市逐渐企稳回升。
2016年下半年，A股市场表现相对较好，上证指数一度冲破3200点。
整体来看，2016年的股市行情相对平稳，但仍有较大波动。
2017年是中国股市的“牛市年”。
整个2017年，A股市场经历了一波持续上涨的行情。
上证指数从年初的3100点左右一路攀升，年末突破3400点。
这一年，A股市场涨幅较大，很多投资者获得了可观的收益。
2018年，A股市场再度陷入下跌。
年初，股市出现了一波较大幅度的下跌，一度跌破3000点。
随后，股市出现了一波反弹行情，但整体仍未能回到年初水平。
2018年的股市行情可以说是比较疲软的一年。
2019年，A股市场再度迎来了一波上涨行情。
尽管年初还有一些波动，但股市逐渐企稳回升。
2019年上半年，A股市场涨幅较大，吸引了许多投资者入市。
然而，下半年受到国内外经济形势的影响，股市再度回落。
2020年，全球范围内爆发了新冠疫情，股市遭遇了前所未有的冲击。
股票市场中基于长短期记忆神经网络的预测模型研究
股票市场中基于长短期记忆神经网络的预测模型研究股票市场的投资者面临着复杂而多变的市场环境，如何准确预测股票价格的走势一直是投资者关注的重点。
近年来，随着人工智能技术的发展，神经网络模型在股票市场预测中的应用逐渐得到了重视。
长短期记忆神经网络（LSTM）是一种能够捕捉时间序列信息的重要神经网络模型，其具有优秀的记忆能力，可以更好地描述股票市场中存在的未知的潜在关系。
本文将探讨基于LSTM的股票市场预测模型的研究。
首先，LSTM模型的基本原理是通过记忆单元来存储和更新信息。
在股票市场预测中，LSTM模型可以根据过去的时间序列数据来预测未来的股票价格走势。
通过输入历史的股票价格和交易量等数据，LSTM模型可以学习到其内在的规律和趋势，从而做出未来的预测。
其次，LSTM模型在股票市场预测中的应用也取得了一定的研究成果。
研究人员通过构建LSTM模型，并使用过去的股票价格和交易量等指标作为输入数据，得到了一些令人鼓舞的结果。
例如，他们可以预测股票价格的波动趋势、判断股票的涨跌幅度等。
这些结果表明，LSTM模型在股票市场预测中具有一定的可行性和有效性。
此外，研究人员还提出了一些改进和扩展的LSTM模型，以进一步提高股票市场预测的准确性。
例如，他们引入了卷积神经网络（CNN）来同时考虑时间和空间的特征，以更好地捕捉股票市场的复杂性。
还有一些研究者将LSTM模型与其他机器学习方法相结合，形成了集成模型，以进一步提高预测的精度。
然而，尽管LSTM模型在股票市场预测中取得了一些进展，但仍然存在一些挑战和限制。
首先，由于股票市场的复杂性和不确定性，模型的预测准确性有限。
其次，数据的质量和多样性也会对模型的效果产生一定的影响。
此外，过度拟合和未能考虑到股票市场的宏观经济因素等问题也需要进一步解决。
综上所述，基于长短期记忆神经网络的预测模型在股票市场中的研究取得了一些进展。
通过学习历史数据和内在规律，LSTM模型可以预测股票价格的走势，并为投资者提供参考。
沪深300基准收益率
沪深300基准收益率1.引言1.1 概述沪深300基准收益率是衡量中国A股市场整体表现的重要指标之一。
该指数是由中国上海证券交易所和深圳证券交易所联合发布的，选择沪深两市具有代表性的300只股票组成，权重按照股票的市值比例来确定。
沪深300基准收益率的变动代表着这300只股票整体表现的涨跌情况。
沪深300基准收益率的计算方法较为简单，即根据这300只股票的价格变动情况以及权重进行加权平均。
一般来说，如果沪深300基准收益率呈现上升趋势，意味着整个A股市场的股价普遍上涨；而如果沪深300基准收益率下降，说明整个市场的股价普遍下跌。
沪深300基准收益率受到多种因素的影响。
首先，宏观经济因素是影响基准收益率的重要因素之一。
经济增长、通胀水平、利率政策等宏观因素都会直接或间接地影响到股价的波动，从而对基准收益率产生影响。
其次，市场情绪和投资者情绪也是影响基准收益率的重要因素。
当市场情绪乐观时，投资者普遍倾向于购买股票，使得基准收益率上涨；而当市场情绪悲观时，投资者则倾向于抛售股票，导致基准收益率下降。
在投资者的角度上看，沪深300基准收益率具有一定的投资价值和风险评估意义。
投资者可以通过跟踪该指数的变动情况，评估自身投资组合的表现，并进行相应的调整。
此外，基于基准收益率的历史数据和趋势分析，投资者还可以研究市场的投资周期和走势，为投资决策提供参考。
综上所述，沪深300基准收益率作为中国A股市场的重要指标，对于投资者和市场分析师来说具有重要的意义。
它所反映的整体市场的涨跌情况以及受影响的因素，为投资者提供了重要的参考和决策依据。
在文章的后续部分，我们将更加详细地探讨沪深300基准收益率的定义、计算方法、影响因素以及对投资价值和风险评估的意义。
1.2 文章结构文章结构部分的内容如下：文章结构部分旨在介绍本文的整体框架和各个部分的内容安排。
通过清晰明了地呈现文章的结构，读者可以更好地理解和阅读文章的内容。
本文总共分为三个主要部分，分别是引言、正文和结论。
中国股市行业指数及个股长程记忆研究
论 造 成 了 很 大 冲 击 。 我 国 的许 多 学 者 对 我 国股 市 宏 观 层 面
进 行 了 长 程 记忆 特征 研究 ， 得 出类 似 结 论 。 也 本 文 利 用 分 形 市 场 理 论 和 时 间 序 列 理 论 ， 中观 层 面 和 从 微 观 层 面 人 手 ， Ｒ Ｓ方 法研 究 中 国股 市 中 的 金 融 指 数 、 以 ／ 农 业 指 数 、 零 指 数 、 平 高 科 和 大 江 股 份 的 对 数 收 益 率 时 间 批 隆 序 列 作 实证 研 究 ， 析 它 们 的 Ｈｕ ｓ 指 数 、 期性 ， 对 投 资 分 ｒｔ 周 并
时 机 的 选择 进行 了 预 测 。
近 ， 可通 过最 ｔ － 乘 法 线性 回 归 估 计 出 斜 率 和 常 数 。 通 过 也 ｂ－
ｌ（ Ｓ 关 于 Ｉ ｎＲ／ ） ｎ ｎ的 图 线 ， 观 察 出 Ｈｕｓ 指 数 在 何 处 发 生 可 ｒｔ
突变 ， 进 一 步 估 计 出 周 期 长 度 。 并
范 志 远
（ 南交通 工程 职业 技术 学院 ，湖 南 衡 阳 湖 ４０ ２ ） １ １ ８
摘 要 ：股 票 市 场 收 益 记 忆 特征 对 于 非 线 性 结 构 的 确 定 以及 市 场 有 效 性 的研 究 具 有 重 要 意 义 。 该 文 选 取 沪 深 股 市 的 三 只 行 业 指 数 和 隆 平 高 科 及 大 江 股 份 的 日、 周 收 益 率 时 间 序 列 ，通 过 Ｒ／ 分 析 方 法 分 别 计 算 出 其 相 应 ｓ Ｈｕ ｓ 数 。 结 果表 明 收 益 率 时 间序 列具 有 长程 记 忆特 征 ，且 存 在 一 个 大 周期 和 一 个 小 周期 ，也 验 证 了收 益 率 时 ｒ ｔ指
股票市场鞅性条件下价格波动的记忆性分析
股票市场鞅性条件下价格波动的记忆性分析摘要:在有效资本市场中，投资组合的价格波动满足鞅性要求，而当市场表现出不同鞅性时，股票价格波动可能具有一定的记忆性。
本文在证明价格的鞅性基础上，随机抽取沪深股市103只股票，利用其收盘和开盘价格及成交量的历史数据，分析不同鞅性下价格波动的规律性，结果发现沪、深股票价格变化在短期内具有一定记忆性，即:本期股票成交量和收盘价格对后一期开盘价格有一定影响，但是到收盘时价格的记忆性自然消失，这一结果不仅具有一定理论意义，实践操作中也具有一定价值。
关键词:鞅价格波动记忆一、股票市场价格变化的鞅性分析信息是股票价格波动的主要因素，而股票价格波动则是对信息变化的反应，与价格变化相伴随的是股票的成交量，当某些或某只股票的信息有利于股票持有人时，潜在的投资者就会踊跃参与购买，股票价格随之上升，而成交量也随之放大；反之，当股票市场的宏观政策环境恶化或单只股票投资基本面恶化，导致该股票投资者可能蒙受损失时，则股票价格迅速下滑，同时成交量也迅速放大；当市场上缺少实质性消息，投资者因无法辨别股票价格走势而慎于操作时，股票价格可能呈现随机波动，同时成交量也趋向萎缩。
显然，股票市场成交量和成交价格相结合共同反映了市场上所有可以获得的信息。
在不同的信息集合下，股票市场可以表现出不同的鞅性。
假定股票市场的交易安排是T+1，即隔日买卖，交易是无成本的，一个投资基金的投资期限为两天。
设P0和P1分别为第0天和第1天的股票价格，基金的管理者在第0天交易开始时买入了Q0股股票，则投资组合在第0期开始时价值为V0=P0×Q0。
进一步假设投资组合中股票发放股息是随机的，若每股股票获得价值为D的股息，则每股股票在第1天售出时获得投资收益率为:r1=(P1-P0+D)/P0（1）若股息不用于再投资，则第1天的资产总价值为:V1=Q0×(P1+D)(2)如果基金的管理者将所有获得的股息收入全部用于再投资，则到第1天时，投资组合中股票的数量增加到Q1，当第1天收盘前将其股票资产出清时，投资组合获得的总收入为:V1=P1×Q1(3)当市场均衡时，股息投资策略不会对基金价值产生影响，即两种投资策略在信息集Ft条件下取期望时基金价值V1=V1，其中Ft为第t期市场中影响股票价格所有信息组成的集合，即下式成立:EV0=E[Q0×(P1+D0)│F0]=Q0×E[(P1+D0)│F]=E[(P1+Q1)│F0]=EVt (4) 进一步假设股票市场期望收益率不变，即:E(r1)=Er0=r，其中r为市场中投资者日均收益率。
股票投资的长期收益如何计算
股票投资的长期收益如何计算在投资的世界里，股票投资一直备受关注。
对于许多投资者来说，了解股票投资的长期收益如何计算是至关重要的。
这不仅能帮助我们评估投资的效果，还能为未来的投资决策提供有力的依据。
首先，我们要明白股票投资的收益主要来自两个方面：股票价格的上涨和股息分红。
股票价格的上涨带来的收益相对直观。
比如说，你以每股 10 元的价格买入了 100 股某公司的股票，一段时间后，该股票价格涨到了每股 15 元。
那么，你的股票市值就从 1000 元（10 元/股 × 100 股）增加到了 1500 元（15 元/股 × 100 股），这中间的 500 元就是股票价格上涨带来的收益。
然而，在计算长期收益时，不能仅仅看股票价格的单次涨跌。
因为股票市场波动频繁，如果只关注短期的价格变化，很容易被市场的短期波动所误导。
为了更准确地计算长期收益，我们通常会采用复合年化收益率的方法。
复合年化收益率考虑了资金在投资期间的复利增长。
假设你在第一年投资了 10000 元，第一年结束时增长了 20%，你的资金变成了 12000 元。
第二年又增长了 30%，那么你的资金就变成了15600 元。
通过计算可以得出，这两年的复合年化收益率约为 247%。
具体的计算公式为：＼＼begin{align}复合年化收益率&＝＼sqrtn{＼frac{期末资金}｛期初资金}｝ 1\＼＼end{align}＼其中，n 为投资的年数。
股息分红也是股票投资收益的重要组成部分。
一些成熟的上市公司会定期向股东发放股息。
股息的多少通常以每股为单位计算。
比如，某公司宣布每股派发 1 元的股息，如果你持有 1000 股该公司的股票，那么你就能获得 1000 元的股息收入。
在计算长期收益时，需要将股息分红也纳入考虑。
可以将每年收到的股息累计起来，再加上股票价格上涨带来的收益，得到总的投资收益。
不过，需要注意的是，股息分红并不是所有公司都有，而且分红的金额和频率也会因公司而异。
国际股票市场收益率和波动率的长记忆性研究
财 贸研 究
２０ ． ห้องสมุดไป่ตู้７５
国 际 股 票 市 场 收 益 率 和 波 动 率 的 长 记 忆 性 研 究
余 俊 姜 伟 龙 琼华
（ 青岛大学 复杂性科学研究所， 山东 青岛 ２ ６７ ） ６０ １
摘 要： 股票 市场 长记忆 性 问题 是金 融 学研 究 的一 个热点 问题 ， 于市场 有效性 的研 究和 系统 对
计 量进行 了修正 ， 建 了修正 Ｒ Ｓ分析 （ ｏｉｅ ／ ｎｌ ｉ）修 正 Ｒ Ｓ统计 量有 明确 的分 布 ， 创 ／ ｍ ｄｆ ｄＲ Ｓａａ ｓ ， ｉ ｙｓ ／ 易于 作
显著性检测 。 鉴于长记忆性研究的重要性 ， 国外学者 自２ ０世纪 ９ ０年代 以来进行了大量的实证分析。多数研究 集中在对收益率序列长记忆效应的考察上。 ｏ １９ ）运用修正 Ｒ Ｓ分析方法研究了美 国股价指数收 Ｌ （９ １ ／
收稿 日期 ：０ ７— ６— ０ ２０ ０ １
作者简介 ： 余
姜
俊（９ ７ ） 男 ， １６ 一 ， 湖北黄冈人 ， 青岛大学复杂性科学研究所副教授 ， 主要研究方向为 系统科学、 融学。 金
伟（９ ５’ ， ， １７ ） 男 山东青岛人 ， 岛大学复杂性科学研究所博士生 ， 青 主要研究方向为金融工程。
Ｌ （９ １ ｏ １９ ）指 出 ， 经典 Ｒ Ｓ分析在 区分序 列 的短期 和 长程 相关 性方 面有 局 限 。该方 法 最 大 的缺 陷 ／ 就 是对短期 相关 性或 称短期 记 忆 的敏 感性 。当序列 包含 短期 记忆 、 存在 异质 性或非平 稳 时 ，／ Ｒ Ｓ分析 可
能会给出错误的、 有偏的论据。为了同时考虑序列可能存在的短期 自 相关 性， ｏ １９ ） Ｌ （９ １ 对经典 Ｒ Ｓ ／ 统
结构突变对股市收益波动性的影响__——来自中国沪深股市的经验分析___
·国情研究·第２３卷第４期 ２０１３年７月 Ｖｏｌ．２３ Ｎｏ．４ Ｊｕｌ．２０１３ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４ ８１３１．２０１３．０４．００５结构突变对股市收益波动性的影响———来自中国沪深股市的经验分析张文爱ａ，ｂ（重庆工商大学ａ．经济学院；ｂ．长江上游经济研究中心，重庆４０００６７）摘 要：采用修正的ＩＣＳＳ算法检测我国沪深股市收益波动的结构突变点，并使用引入虚拟变量和标准差过滤的方法消除结构突变的影响，建立ＧＡＲＣＨ和ＦＩＧＡＲＣＨ模型检验结构突变对我国股市收益波动的实际影响。
研究发现：沪深股市的收益波动表现出显著的长记忆性，且结构突变将导致对收益波动长记忆性的高估，表明我国股市还未达到弱式有效的水平，建立在“有效市场假说”基础上的金融数量模型并不完全适用于我国证券市场；采用修正的ＩＣＳＳ算法能够有效地捕捉到波动的结构突变点，引入虚拟变量和采用标准差过滤均能较好地消除结构突变的影响，而采用标准差过滤的方法的实证效果相对更好；我国股市收益波动存在显著的结构突变，且结构突变发生的时间均与重大政策或市场事件相对应，表明我国证券市场受到经济政策和市场活动的影响显著。
为此，应尽可能保持政策的相对稳定，减少过度的行政干预，促进股市的市场化运行，并密切关注国内外经济发展形势对证券市场的可能冲击。
关键词：结构突变；结构突变点；股市收益；收益波动性；波动长记忆性；波动聚类性；日收益率；ＦＩＧＡＲＣＨ模型；修正的ＩＣＳＳ算法中图分类号：Ｆ８３０．９１；Ｆ２２４．０ 文献标志码：Ａ 文章编号：１６７４ ８１３１（２０１３）０４ ００３８ １０一、引言股市收益波动性刻画了收益的变动水平，反映了投资的潜在风险，是影响投资决策的重要变量之一。
准确捕捉收益波动性，对于正确评判收益水平、有效规避投资风险具有重要意义。
收益波动性的典型特征主要包括波动聚类性与长记忆性（或称为持续性）。
长期短期记忆网络在股票预测中的应用
长期短期记忆网络在股票预测中的应用股票市场的不确定性让投资者始终感到不安。
在这个充满不确定性的市场中，人们一直试图寻找一种更有效的方式来预测股票价格的提高或下降。
长期短期记忆（LSTM）网络是一种基于人工神经网络的机器学习算法，被用于预测股票价格。
LSTM网络已经证明其在预测金融市场中的卓越性能。
本文将深入探讨LSTM网络在股票预测中的应用。
LSTM神经网络的原理LSTM神经网络是一种人工神经网络，常用于解决序列预测问题，如语音识别等。
LSTM网络相比于传统的神经网络，主要区别在于它在网络中增加了几个门，并且可以长期记忆之前的信息。
LSTM网络可以记住和预测下一个时间步的数值，因此它非常适用于股票预测问题。
我们可以用LSTM神经网络去建立一个模型，输入之前的数据，来预测未来的价格。
如何用LSTM网络预测股票价格？对于不同的数据模型，我们需要通过不同的方法来预测股票价格。
下面是LSTM网络预测股票价格的基本方法：第一步：数据处理首先，我们需要获取股票的历史数据，将它们分成训练数据和测试数据。
我们需要使用大量的数据来训练LSTM网络。
我们要确保选择的数据范围与预测目标相对应，避免数据不准确或者不完整的情况。
第二步：模型建立接下来，我们需要使用LSTM网络来建立一个模型。
对于每个时间步，LSTM网络接收一个向量作为输入，该向量包含历史的数据。
LSTM网络通过计算来预测输出结果。
在其中，我们需要限定LSTM网络的参数，来保证它们可以适应预测任务，如学习率、迭代次数等。
第三步：模型训练当我们准备好数据和模型之后，我们可以使用训练数据来训练模型。
我们通过训练数据来调整LSTM网络的参数来提高模型的准确度。
这通常需要一定的时间，因为我们需要大量的计算来进行训练。
第四步：模型预测在完成了模型的训练之后，我们可以使用测试数据来测试模型的预测能力。
我们可以计算预测出的价格与实际价格之间的误差，并通过不断的调整模型参数，优化模型表现。
股指期货推出前后长期记忆性分析
股指期货推出前后长期记忆性分析
毛娜娜
【期刊名称】《技术与市场》
【年(卷),期】2012(019)004
【摘要】选取恒生指数在股指期货推出前后各一年的日收盘价,运用tapered GPH 法对其收益率序列的长期记忆性研究股指期货的推出对股市效率的影响,结果显示:在股指期货推出前存在一定的长期记忆性,而其推出后长期记忆性消失.
【总页数】1页(P275)
【作者】毛娜娜
【作者单位】华南理工大学经济与贸易学院,广东广州510006
【正文语种】中文
【相关文献】
1.我国股指期货的推出对现货市场波动性的影响--基于沪深300股指期货真实数据的实证分析 [J], 张胜云
2.关于推出沪深300股指期货可行性分析——基于股指期货标的指数选择的思考[J], 陈新罡
3.关于推出沪深300股指期货可行性分析——基于股指期货标的指数选择的思考[J], 汪稳
4.股指期货推出对股票市场波动性影响的实证研究——基于沪深300股指期货的实证分析 [J], 吴榴红;张学东;王磊磊
5.股指期货推出对中国股市价格影响研究——基于沪深300股指期货数据的实证分析 [J], 仲平;
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
作者简介 ： 国光 （９ ６ ） 男 ， 刘 １６ 一 ， 江苏淮安人 ， 师 ， 讲 经济学博士 ， 主要从事计量金融理论与方法研究 。
５０ ０
维普资讯
２ＯＯ６ ．４ 第 ２ ８卷 哲 学社 会 科学 版
Ｑ， 法 解 释 过 程 的 自相 关 现 象 。 无 （ ）Ｋ Ｓ 检 验 。 １９ 年 Ｋ ｉ ｋ ｗ ｋ ， 二 ＰＳ ９２ ｗａ ｏ ｓｉ ｔ
列 的 长期 记 忆 特 性 ， ａｌｅ等 人 则 提 出 分 数 Ｂ ｉｉ ｌ
的 缺 点 ， ｏ在 １９ Ｌ ９ １年提 出 了修 正 的 Ｒ Ｓ检 验 ， ／
Ｌ ｏ构造 了如 下 的统 计 量 ：
，
积 分 ＧＡ Ｃ 模 型 来 研 究 股 票 价 格 、 率 和 期 ＲＨ 汇 货 价 格 数据 的长 期 记 忆 特 性 。 然 而 ， 有 文 献 对 新 兴 的 资 本 市 场 研 究 却 现 较 少 。中 国 股票 市 场 作 为 新 兴 的 资本 市 场 ， 经
，０ （ ）过程 ， 存 在 长 期 记 忆 。 择 假 设 为 分 数 不 备 积 分 参 数 不 为零 ， 列 为 ， ｄ 序 （ ）过 程 ， 在 长 期 存
记 忆 。运 用 下 列 四种 方 法 对 沪 深股 市 长 期 记 忆 特 征 进 行 检验 。 （ ） ｏ的修 正 的 Ｒ Ｓ检 验 。针 对 经 典 的 一 Ｌ ／ Ｒ Ｓ方 法 检 测 到 的 长期 记 忆 可 能 是 短 期 自相 关 ／
是 对 市场 有 效 性 （ ＭＨ） 市 场 的发 育 程 度 进 行 Ｅ 、 研 究 是 十分 必 要 的 。本 文将 从 两个 方 面 对 沪 深 股 市股 票 收 益 的长 期 记 忆进 行 探讨 。文 中分 别
用 １９ ９ ０年 １ ２月 １ 日到 ２ ０ ９ ０ ５年 ５月 ３ １日上 证
综 合 指 数 周 收 益 和 １９ ９ １年 ４月 ３ 日到 ２ ０ ０ ５年 ５月 ３ １日深 圳 成 份 股 指 数 周 收 益 作 为 上 海 Ａ 股 和 深圳 Ａ股 市 场 收 益 的代 表 。
二、 长期记忆特征的假设检验
原 假 设 为 分 数 积 分 参 数 ｄ 为 零 ， 列 为 序
…
（
。
： 。
） ］ （） １ 当 ｑ＝０时 ， 上述 Ｌ ｏ统 计 量 Ｑ 就 是 赫 斯 特 Ｒ Ｓ ／ 统 计 量 。该 检验 主要 涉 及 到 如 何 选 取 恰 当 的 ｑ 值（ 区分 短期 和长 期 持 续 性 ） ｑ值 太 小 ， 计 量 ， 统
收 稿 日期 ：０ ５０ － ２０ － ０ ７ ７
票 收 益进 行 研 究 ；９ １年 Ｌ 通 过 修 正 的 Ｒ Ｓ １９ ｏ ／
方法 控 制 短 期 相 关 性 影 响来 研 究股 票 收 益 的数
据 。 此后 ， 济 学 界 将 其 广 泛 应 用 于 对 发 达 国 经 家 成 熟 的 资 本 市 场 研 究 。 如 Ｇ ａ ｇ ｒ和 Ｊｙ ｒｎ ｅ ｏ— ｅ ｘ 运 用分 数 积 分 Ａ ｕ ＲＭＡ模 型 来 研 究 时 间 序
维普资讯
Ｓ ｃ ｌ ｃｅｃ １２ ， ｏ ｉ ｉ ｅＶｏ． ８４ ２００６ ａＳ ｎ
沪 深 股 市 股 票 收 益 长 期 记 忆 分 析
刘 国光 ， 吴 钧
（ 阴师 范 学 院 经 济 与 管 理 系 ，江 苏 淮 安 ２ ３０ ） 淮 ２０ １
识 别 序 列 的长 期 记 忆 特 征 ， 时 还 可 以 用 来 研 同
究 Ａ Ｃ ｏ ） 程 的 长 期 记忆 特 征 。 Ｒ Ｈ（ ｃ 过
（ ） 参 数 Ｌ ｂｏ 四 非 ｏ ｒｂ检 验 。１９ ９ ８年 Ｌ ｂ ｔ ｏａ ｏ
一
、
引 言
长期 记 忆 或 长 期 持续 性 可 以定 义 为 自相 关
的持 续 性 。某 一 时 间序 列 表 现 出长 期 记 忆 是 指 比较 远 的观 察 值 之 间 存 在 相 关 性 ， 具 有 长 期 且
记 忆 特 征 的时 间 序 列 其 自相 关 以双 曲线 形 式 衰 减 最 终 消 失 。ｘ－ － ｊ ， 具有 长 期 记 忆 特 征 序 列 的研 究 最 初 是 用 于检 验 自然 科 学 数 据 这 一 领 域 ， 水 如 文学 家赫 斯 特 川在 １ ５ ９ １年 运 用 Ｒ Ｓ分 析 来 研 ／ 究尼 罗 河 水 量 变 化 ；９ １年 Ｍａ ｄ ｌｒｔ 运 用 １７ ｎ ｅ ｏ ｂ 赫 斯 特 提 出 的 Ｒ Ｓ方 法 对 资 本 市 场 特 别 是 股 ／
过 １ ０多 年 的发 展 ， 论 从 规模 还是 结 构 等 方 面 无 来 看 ， 在 国 民经 济 和 社 会 发 展 中 发 挥 着 无 可 都 替代 的 作 用 。 笔 者 认 为 ， 长 期 记 忆 研 究 也 就 对
Ｉ
Ｉ Biblioteka Ｑ ｒ一 ￣ ａＥ （ 一 ｒ 一 ｍ ） ｘ
摘 要 ： 票价 格是 否表现 为长 期记 忆 是验 证 市场 有 效性 以及进 行 资产 定 价 的基 础 ， 股 通 过 对 沪深 Ａ股收 益是 否存在 长期 记 忆特性 的假 设 检 验 和 对表 明长期 记 忆 特征 分数 积 分 参数
ｄ的 估计 ， 发现 上证综 指收 益 的绝对值 表现 出较 为 明显的 长期记 忆特 性 ； 而深 成指 收益 绝对值 的分布却 表现 出一 定的独 立性 。这 个结论 对证 券 市场监 管人 员、 实际从 业人 员 以及 衍 生 市场 的参与 者都具 有一 定 的参考价 值 。 关键 词 ： 有效 市场 ； 长期记 忆 ；股 票收 益 中图分类 号 ： ８ ０ 文献标 识码 ： 文章编 号 ：０ ７８ ＂，２ ０ ） ４０ ０ －３ Ｆ ３ Ａ １０ －４．（ ０ ６ ０ －５ ００ ！ ａ