证券市场价格系统复杂性及仿真研究

论文摘要

证券市场价格系统的复杂性研究一直是学术界探讨的热点。本文在复杂性理论的框架下,提出新的市场分析范式。在新的分析范式下,以中国证券市场（上海证券市场和深圳证券市场）为实例,利用混沌、分形和类zipf分析法,从宏观层面研究了中国证券市场综合指数价格行为的复杂性特征。通过对真实证券市场进行抽象和映射,构建了虚拟证券市场仿真系统。使用新的市场分析范式对虚拟证券市场生成的价格时间序列进行分析,验证了虚拟证券市场的有效性。将虚拟证券市场的特征映射到真实证券市场,探求造成真实证券市场价格行为复杂性的内在微观机理。本文的创新性成果主要包括以下几个方面:第一,引入混沌理论中相空间重构法、G-P算法、Wolf算法,分别考察了上海和深圳证券市场综合指数时间序列的混沌特征量,计算了两个市场综合指数的分维数、最大Lyapunov指数和Kolmogorov熵,判断出两个市场的综合指数系统是具有混沌和分形特征的复杂系统;第二,引入分形市场假说的R/S分析法,进一步探讨了上海和深圳证券市场综合指数系统的分形特征。通过计算两个市场综合指数时间序列在不同时延下的Hurst指数,分析了两个市场综合指数系统具有长期记忆,深入分析并比较了两个证券市场内在的风险,并通过Ⅴ统计量得到两个市场综合指数的长期记忆周期;第三,引入类Zipf分析法,将上海和深圳证券市场综合指数时间序列映射为代表价格上涨、平盘和下跌的3字母时间序列,分析3个字母各自对应持股周期的统计数据,得到价格波动的绝对和相对变化率,进而得出证券市场价格波动行为与市场参与者交易行为之间的对应关系;第四,利用基于多智能体建模技术,对真实证券市场进行抽象,构建出虚拟证券市场仿真系统,通过观察虚拟证券市场价格波动的现象和其时间序列复杂性的分析结果,判断虚拟证券市场能有效的模拟真实市场的价格行为。根据多智能体的计算经济学中的二次映射机制,将虚拟证券市场价格复杂性的微观机理映射到真实证券市场,探寻造成证券市场价格系统行为复杂性的微观机理。总之,利用新的复杂性分析范式可以得到证券市场价格系统的复杂性特征,通过基于多智能体建模分析技术不但能对传统经济学难以建模、难以定量研究的问题进行讨论;甚至可以探讨传统方法没有涉及的新领域。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 序
• 1 绪论
• 1.1 复杂性和复杂系统
• 1.1.1 复杂性
• 1.1.2 复杂系统的概念和特征
• 1.1.3 复杂系统的主要研究方法
• 1.1.4 复杂性研究的主要流派
• 1.2 证券市场复杂特性和复杂性分析
• 1.2.1 证券市场的自组织性
• 1.2.2 证券市场的非线性
• 1.2.3 证券市场的混沌动力特性
• 1.2.4 证券市场的涌现性
• 1.2.5 证券价格复杂性定性分析
• 1.3 证券市场复杂性研究理论回顾
• 1.3.1 传统资本市场理论与其面临的挑战
• 1.3.2 基于复杂理论的证券市场理论研究现状
• 1.3.3 证券价格行为复杂性研究现状
• 1.4 问题的提出和研究意义
• 1.4.1 问题的提出
• 1.4.2 研究的目的和意义
• 1.5 论文的结构和创新点
• 1.5.1 论文的结构
• 1.5.2 创新点
• 1.5.3 数据来源和计算工具
• 1.6 本章小结
• 2 证券价格混沌特征分析
• 2.1 引言
• 2.1.1 混沌理论的发展过程
• 2.1.2 混沌理论在金融研究中的应用
• 2.1.3 证券价格混沌性质
• 2.2 基本原理和方法
• 2.2.1 混沌研究基本原理
• 2.2.2 证券混沌研究基本方法
• 2.2.3 相空间重构法
• 2.3 证券价格的混沌特征
• 2.3.1 分维数
• 2.3.2 Lyapunov指数
• 2.3.3 Kolmogorov熵
• 2.4 实证分析
• 2.4.1 分维数
• 2.4.2 最大Lyapunov指数
• 2.4.3 Kolmogorov熵
• 2.5 分析与结论
• 2.6 本章小结
• 3 证券价格持续性和长期记忆分析
• 3.1 引言
• 3.1.1 分形理论的提出
• 3.1.2 分形理论在金融研究中的应用
• 3.1.3 证券市场的分形特征
• 3.2 基本原理和方法
• 3.2.1 分形市场假说
• 3.2.2 R/S分析法
• 3.2.3 Hurst指数的涵义
• 3.3 实证分析
• 3.3.1 Hurst指数的计算
• 3.3.2 V统计量的计算及非周期循环长度
• 3.4 结果分析与讨论
• 3.4.1 证券市场Hurst指数的分析
• 3.4.2 证券市场非周期循环的判定
• 3.5 分析与结论
• 3.6 本章小结
• 4 证券价格波动行为分析
• 4.1 引言
• 4.1.1 证券价格波动的“典型现象”
• 4.1.2 证券市场投资者“异常”心态的表现
• 4.1.3 行为金融学下的噪声交易行为
• 4.2 基本原理和方法
• 4.2.1 Zipf分析方法
• 4.2.2 类Zipf模型的构建
• 4.2.3 类Zipf模型参数分析
• 4.3 实证分析
• 4.3.1 预期收益率和持股周期对证券价格波动影响分析
• 4.3.2 证券价格波动格绝对变化率分析
• 4.3.3 证券价格波动相对变化率分析
• 4.4 价格波动分析
• 4.4.1 沪市价格波动分析
• 4.4.2 深市价格波动分析
• 4.5 分析与结论
• 4.6 本章小节
• 5 虚拟证券市场模型构建
• 5.1 引言
• 5.2 理论基础
• 5.2.1 MACE的建模原理和方法
• 5.2.2 MACE模型及其特点
• 5.2.3 MACE的建模方法步骤
• 5.3 MACE建模关键技术
• 5.3.1 构建Agent模型
• 5.3.2 Agent间的交互
• 5.3.3 涌现结果的分析
• 5.4 虚拟证券市场模型设计
• 5.4.1 Agent的设计
• 5.4.2 Agent间交互的设计
• 5.4.3 Agent交易规则设计
• 5.5 程序实现和试验环境
• 5.5.1 总体框架
• 5.5.2 Frame类说明
• 5.5.3 Agent类说明
• 5.5.4 实验环境
• 5.6 本章小节
• 6 虚拟证券市场仿真价格行为分析
• 6.1 虚拟证券市场仿真结果分析
• 6.1.1 虚拟证券市场运行的相关参数设置
• 6.1.2 Agent间影响因子对虚拟证券市场价格行为的影响
• 6.1.3 Agent间连接强弱程度对虚拟证券市场价格行为的影响
• 6.2 虚拟证券市场价格混沌特征分析
• 6.2.1 分维数的计算
• 6.2.2 最大Lyapunov指数的计算
• 6.2.3 Kolmogorov熵的计算
• 6.3 虚拟证券市场价格长期记忆及非周期循环分析
• 6.3.1 Hurst指数的计算
• 6.3.2 V统计量的计算及非周期循环长度
• 6.4 虚拟证券市场价格波动分析
• 6.4.1 价格波动绝对变化率分析
• 6.4.2 价格波动相对变化率分析
• 6.5 分析与结论
• 6.6 本章小节
• 7 结束语
• 7.1 主要的研究工作
• 7.2 研究结论
• 7.3 进一步的研究方向
• 参考文献
• 作者简历
• 学位论文数据集