一、股票收益率的分形分布（论文文献综述）
王勇[1]（2016）在《不同区位房价收益率分形分布下的投资VaR模型有效性研究》文中进行了进一步梳理购房投资获取收益的同时存在相应的风险,风险主要通过房价的波动状况体现,房价波动程度的大小预示着风险的大小。因而投资者会对房价波动风险给予重视,故对其风险量化评估就显得尤为重要。VaR模型作为一种成熟的风险量化工具,目前鲜少有人将其应用于房地产价格波动风险评估,其度量风险的精确程度依赖于对资产收益率概率分布形式的准确拟合。传统的投资理论基于正态分布假设研究资产收益率并度量风险,然而,现实的房价收益率分布往往具有尖峰厚尾特性,正态分布无法准确对其描述,需要找寻新的资产收益分布形式。故对房屋价格收益率的概率分布研究,对于探索房产市场资产性及风险控制与管理等具有重要的现实意义。而非线性领域的分形分布能够打破传统假设条件,更加准确的描述资产收益率实际分布特征,可借鉴引入。本文以分形市场理论为基础,运用对比分析法、分形分析法、分布拟合法、实证分析法对深圳市房价收益率序列分布进行拟合、价格波动风险价值进行研究。从定性角度,对比分析有效市场和分形市场理论,得出分形市场理论更符合深圳市房地产市场价格特征;从定量角度,采用统计分析方法,对深圳市房价收益率序列的正态性、平稳性、相关性、非线性特征进行分析,验证收益率序列并非随机游走的正态分布,而具有非线性结构特征;运用重标极差分析法对深圳市房价收益率序列进行分析,依靠MATLAB7.11软件进行编程运算,发现罗湖区、福田区、南山区房价存在分形特征且皆有上升趋势,再次验证分形市场理论适合分析深圳市房价。对房价收益率分布进行拟合,通过拟合图像、?2检验及Dn检验值得出,分形分布能够很好地拟合价格收益率实际特征,能够更好地处理收益率的尖峰厚尾特征。基于以上分析,建立基于分形分布和正态分布的VaR风险度量模型,对三个区域的房价波动风险进行度量,并通过Kupiec失败频率检验法对模型的有效性进行检验。最终结果表明,采用分形分布的VaR风险度量模型能够更精确的度量深圳市房地产价格波动风险。至此,本文尝试性的解决了房地产投资中价格波动风险度量评估问题,为房地产投资决策者进行价格波动风险评估提供有效度量模型。
茹磊[2]（2016）在《我国信托公司股票收益率的多重分形特征分析》文中研究说明本文对我国信托行业股票市场的波动特征及相互关系进行了分析和研究。选取了在上海证券交易所上市的两家信托公司——安信信托和陕国投公司股票的每日收盘价对数收益率序列作为研究对象。首先运用多重分形去趋势波动分析法（MF-DFA）分别对它们的多重分形特征进行分析和比较,指出了两个时间序列具有多重分形性和状态持续性,同时比较了两只股票的分形强度的大小。然后,运用多重分形分布熵分析法（MM-DEA）对股票指数的波动性与时间标度的关系进行进一步的研究。分别选择六种不同长度的时间序列作为研究对象,讨论了时间序列的长短对分析结果的影响。最后,运用多测度多重分形去趋势交互相关分析法（MM-DCCA）讨论了收益率序列的交互相关性,同时,在标度不同和长度不同的时间序列情况下,讨论收益率序列的分形特征。得到以下主要结论:1.通过对两家信托公司的股指每日收盘价数据的对数收益率序列进行MF-DFA分析发现,两者均具有多重分形特征,且相对于安信信托而言,陕国投的多重分形强度更大,因而风险也更大。另外,无论是安信信托还是陕国投,它们的收益率序列都具有显着的长记忆分形特征。2.运用MM-DEA方法刻画时间序列的分形特征。结果发现,在不同的标度范围下,范围越小且时间序列越长,其波动就越剧烈,而在大标度范围下波动不显着。3.运用MM-DCCA方法分析了安信信托和陕国投的股指收益率序列的交互相关关系。结果表明,在小标度下两组序列有显着的交互相关性,而在大标度范围下,交互相关性并不显着。固定安信信托的时间序列长度,而改变陕国投的序列长度时,发现时间序列越短,越能显示出波动性,在时间序列较长时却近似于不相关。
张羽[3]（2014）在《中国股市分形特征及其应用研究》文中进行了进一步梳理对证券市场价格行为特征的研究一直是学术界和金融投资界中广为关注的热点问题。价格的随机游走性和市场的有效性是主流金融计量理论中重要的理论基石。然而,随着市场的发展,主流的有效市场理论不断受到市场实际运行状况和相关研究的检验。金融物理学研究中的分形理论作为研究金融市场较为合适的工具,能够很大程度的弥补有效市场理论的不足。所以本文运用分形理论,对1996年12月16日至2013年12月31日的上证指数和深证成指的市场特征进行了研究,从市场整体的单分形特征和市场结构的多重分形特征来全面的认识市场。对中国股票市场的单分形特征研究表明：股票市场是一个非线性系统。股价运动并不符合布朗运动和几何布朗运动,相比较而言,分数布朗运动是股价波动一个较好的描述。同时收益率的分布特征,并不能用正态分布很好的描述,而具有尖峰厚尾性的分形分布却可以较好的描述收益率的分布特征。这都表明了以分形市场来理解股票市场更加符合实际情况。整体来看,中国股票市场具有统计自相似性,不同时间标度下的价格走势具有相似的形态,不同时间标度下的收益率具有相似的分布特征。同时,R/S分析表明了中国股票市场是一个非有效的市场,市场具有长记忆性特征,以前价格波动和历史信息会影响以后的股价波动,因此股价在一定程度上是可以预测的。更进一步的对长记忆性的周期测度表明,平均来看,上证指数的长记忆性在30天时会减少、70天时会消失,深证成指的长记忆性在30天时会减少,60天时会消失。单分形特征表明了市场的整体特征,进一步的运用多重分形理论对市场的结构特征进行研究表明：中国股市存在着多重分形结构,股价收益率的大小幅波动之间,以及股价分布的高低价位之间具有不同的分形特征。在收益率方面,根据MF-DFA方法测得的广义Hurst指数研究表明,中国股市大幅波动具有反持久性特征,小幅波动具有持久性特征,这表明了当市场发生大幅波动时,有较大的概率会改变原来的价格趋势,而发生小幅波动时,有较大的概率保持原来的趋势运行。在股价分布方面,通过运用多重分形谱的Holder指数、谱函数进行研究,发现样本时间内中国股价在较高价位和较低价位的奇异性程度不同,并且得出了这种奇异性的差异与股价总体的波动程度有关,当股价总体波动越大,高低价位的奇异性差距就越大；同时,谱函数的研究表明了样本时间内中国股价分布在低价位的概率较大,这是中国股市经历了2007年高峰后,长期低迷的真实写照。中国股市的单分形和多重分形特征表明了股票市场是一个复杂的、混沌的系统,在看似无序的市场中却存在着有序的特征,市场的价格变化是有规律可循的。因此,从理论上说,股价在一定程度上是可以预测的。那么在实践中,如何根据中国股市的分形特征找到有利于金融投资的有效信息,本文在此做了相关研究。将市场的单分形特征与金融投资相结合,根据市场长记忆性的突变特征,本文计算的短期移动Hurst指数和长期移动Hurst指数的运动规律中,可以找到指引未来股价走势的有效信息。这对于股市的投资实务有着重要的意义。另一方面,将市场的多重分形特征与金融投资相结合,通过对高频数据的研究发现,根据多重分形谱方法测度的市场Holder指数的差值△α可以作为衡量一天价格波动幅度的指标；同时,谱函数的差值△f可以作为一天股价分布方向、分布比例情况的指标。这对于金融投资过程中、尤其是量化投资中,对市场特征的量化提供了有力的参考工具。更进一步的,把中国股市单分形、多重分形特征相结合,以分形特征的量化指标为输入信息,运用滚动的神经网络模型对模拟股市的短期走势,发现可以取得了较好的预测效果,这对于股票市场的价格预测具有现实意义。
张仔建[4]（2013）在《中国股票市场收益率分布实证研究》文中研究说明在研究股票价格的波动性时，通常假设股票收益率服从正态分布，基于股票价格的金融衍生工具的价格波动研究通常也以这一假设为基础。但是许多学者通过实证研究发现，正态分布并不能很好地描述股票价格的波动性，进而提出了一些其它分布。本文利用在相关文献中经常使用的八种分布，搜集了660个不同类别、不同时间跨度的股票收盘价，对收益率序列进行拟合并检验，用统计结果比较出何种分布适合用来刻画我国股票市场的收益率。首先，本文参考了前人的研究工作，总结出了研究股票收益率主要涉及的分布，它们包括正态分布、稳定分布、拉普拉斯分布、混合高斯分布、韦伯分布、非对称拉普拉斯分布、混合Gumbel分布、偏t分布，并对一些分布作简要介绍。接着，介绍了一些分布的参数估计方法。正态分布、拉普拉斯分布、韦伯分布和非对称拉普拉斯分布的参数估计使用了极大似然估计，在使用极大似然估计方法时，除了正态分布可以通过求一阶偏导数直接求解外，其它四种分布都是利用Matlab程序求对数似然函数的最值来求解；稳定分布和偏t分布的参数估计使用了matlab程序的函数包；混合高斯分布和混合Gumbel分布的参数估计则使用了EM算法。最后，选取我国股票市场不同类别的股票，并对它们的五分钟、一小时、一天、一周、一月的收益率数据作这八种分布的参数估计，再用Kolmogorov-Smirnov检验对八种分布函数的估计结果进行检验。结果表明，无论从股票类别还是时间跨度方面考查，稳定分布都是合适的。
王晶,王玉玲[5]（2011）在《金融市场分形特征的统计分析》文中研究说明本文阐述了分形分布的定义,给出了分形分布的性质,并对中国股票市场收益率分布进行了分布拟合与检验,结果表明沪深两市的收益分布均不是正态分布,而是具有典型的尖峰厚尾特性.同传统的正态分布相比,分形分布能够较好地刻画金融市场的实际特征.
王玉玲[6]（2011）在《基于分形分布的金融风险及投资决策研究》文中研究指明经典的金融市场理论是以有效市场假说为基础的。在有效市场理论框架下,金融资产收益率遵循随机游走,即收益率服从正态分布。然而,现实的金融市场的一些现象却无法用有效市场来进行合理的解释。此外,来自行为金融学的研究也对有效市场的理性投资者假定提出了质疑。因此,长期以来有效市场在金融市场理论上的主导地位受到了很大程度的动摇。在此背景下,本文建立了分形理论框架下的风险度量体系,进一步提出了基于分形分布的VaR以及CVaR作为约束条件的投资组合决策。本文主要工作如下:1.本文全面阐述了分形市场理论的内容,给出了具体的研究方法。在此基础上,以上海股票市场的对数收益率为研究对象,对金融资产收益率进行了正态性检验,计算了上海股票市场的Hurst指数、分形维数以及关联维数。实证结果表明上海股票市场收益率不符合正态分布,而是表现出分形特征。2.本文阐述了分形分布的定义,给出了分形分布的性质,并对中国股票市场收益率分布进行了分布拟合与检验,结果表明沪深两市的收益分布均不是正态分布,而是具有典型的尖峰厚尾特性。同传统的正态分布相比,分形分布能够较好地刻画金融市场的实际特征。3.在得出了金融市场收益率分形特征的结论的基础上,对股票收益率进行了分形分布的拟合与检验,结果表明分形分布能更好地处理收益率的实际分布。在此前提下,利用stable程序研究了基于分形分布下的度量金融风险的VaR以及CVaR方法,并通过内部检验及返回检验进行了模型精度检验,结果表明基于分形分布的VaR及CVaR方法更接近实际风险值。4.详细阐述了投资组合理论,在前面的研究基础上,建立了基于分形分布的VaR及CVaR约束条件下的投资决策模型,并给出了实际的算例。因此,本文在收益率服从分形分布的假定下研究了度量金融风险的VaR和CVaR方法,建立了以FVaR和FCVaR为约束条件的投资决策模型。本文建立了一个比较完整的基于分形理论的投资组合体系,为非线性框架下的金融市场研究提供了一定的理论支持和实际指导。
谢朝华,李忠,文凤华[7]（2010）在《基于分形分布特征指数的股票市场效率指标设定与实证》文中研究表明股票市场收益率序列的Hust指数的倒数是收益率分形分布的特征指数α,收益率分布的特征指数可以在一定程度上反应出股票市场的效率。利用R/S分析法计算中国股票市场样本期间的Hust指数,发现中国股市一直都表现出分形特征,分阶段的Hurst指数表现出较强的趋近于0.5的趋势,按有效市场假说的检验方法可以认为中国股市正在不断向弱式有效逼近。以1/2H为股票市场效率指标,可以发现中国股票市场的效率从1991-1992期间的0.572上升到1991-2009期间的0.767,表现出较强的趋近于1的趋势。
高建平[8]（2010）在《我国权证与标的资产分形结构及价格行为研究》文中研究说明权证作为一种金融衍生工具,由于其自身的杠杆效应被越来越多的投资者应用作为投资、对冲、投资和套利的工具。随着我国社会主义市场经济体制的建立和不断完善,我国的权证市场取得了长足的进步。现今的权证市场已成为企业转换机制和筹措资金的重要场所。权证市场在刺激经济增长,激励体制改革等方面发挥了重要作用。本文在借助Matlab、Eviews和Stable软件的基础上采用分形理论,时间序列相关理论和自回归条件异方差模型,以我国权证与标的股票的对数收益率为研究对象,研究了权证与标的股票的收益分布函数、长记忆性（即长期相关性）、循环趋势和波动集群性。研究表明：我国权证与标的股票的对数收益率序列拒绝了正态分布的假设检验,其分布具有“尖峰、厚尾”特征,属于稳定帕累托分布。权证与标的股票均具有长记忆性和波动集群性,部分权证和标的股票具有循环趋势,并且权证与标的股票、认购权证与认沽权证在长记忆性、循环趋势和波动集群性特征上没有差别。
王玉玲,马军海,王晶[9]（2010）在《中国股市收益率分形特征的实证研究》文中进行了进一步梳理文章运用STABLE软件对沪深股市收益率进行了实证研究,结果表明股票收益率分布具有明显的尖峰厚尾的分形特征。与传统的正态分布相比,分形分布能够更好地处理这类问题。这对进一步的投资组合研究具有很重要的意义。
张晓莹[10]（2009）在《我国房地产业上市公司股票分形定价模型研究和实证检验》文中研究表明长期以来,有效市场假说（Efficient Market Hypothesis,简称EMH）一直占据着经济研究的主导地位,着名的马克维茨投资组合理论、夏普的资本资产定价理论、罗斯的套利定价理论、布莱克-斯科尔的期权定价理论都以有效市场为假定,构成了现代金融理论的基石。然而,随着研究的深入,人们发现市场并非像有效市场所描述的线性、均衡、不可预测的简单运动,而更多表现为非线性、允许非均衡、可预测的复杂运动。有效市场理论不能对资本市场出现的资产价格波动的内在机制和市场危机对资产价格的影响作出有说服力的解释。因此,在这一背景下分形市场理论应运而生。针对有效市场“随机游走”的缺陷,分形理论提出了“有偏随机游走”的概念,将研究领域由整数维向分数维拓展,市场价格波动也从简单的布朗运动发展为分数布朗运动。该新理论的提出更加准确地刻画了市场的运动规律和结构特征,从而使金融经济学研究向分形维数理会融学发展。本文基于分形理论研究方法,验证了我国房地产业上市公司股票价格运动的分形结构,并对基于有效市场的资本资产定价模型和Fama-French三因素定价模型进行修正,建立全新的分形定价模型,以揭示我国房地产业上市公司股票的定价规律,为投资者投资房地产业上市公司股票提供参考依据。本文主体部分分为五章。首先简要地回顾了有效市场理论的涵义和局限性。其次,在理论部分详细地介绍了分形理论和分形时间序列。在研究过程中我们发现,金融市场的价格波动并不完全服从布朗运动,而是服从分数布朗运动。其中赫斯特指数是描述分数布朗运动的重要指标,也是本文的研究重点。第三章讨论了传统的及分形理论下的资产定价模型。第四、五章是实证研究部分,主要两方面工作:一是根据分形理论研究方法——重标极差分析（Rescaled Range Analysis,简称R/S分析）,验证了我国房地产行业上市公司股票存在分形结构,符合分形市场假说;二是根据分形市场的特征对基于有效市场的资产定价模型——资本资产定价模型和Fama-French的三因素定价模型进行修正,建立全新的分形定价模型,检验了分形定价模型对我国房地产行业上市公司股票的适用性。结果显示,模型解释了有效市场理论不能解释的股票价格行为。
二、股票收益率的分形分布（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、股票收益率的分形分布（论文提纲范文）
（1）不同区位房价收益率分形分布下的投资VaR模型有效性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究目的 |
| 1.3 研究方法 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 1.6 创新点 |
| 1.7 难点 |
| 1.8 拟得出结论 |
| 1.9 研究框架及章节排布 |
| 1.10 数据收集与来源 |
| 第2章 文献综述 |
| 2.1 分形理论的产生 |
| 2.2 分形理论在经济领域的应用 |
| 2.2.1 国外研究 |
| 2.2.2 国内研究 |
| 2.3 VaR相关研究 |
| 2.3.1 VaR国外研究状况 |
| 2.3.2 VaR国内研究状况 |
| 2.4 分形理论与风险结合研究 |
| 2.5 本章小结 |
| 第3章 两种市场假说在房价分析中的定性比较 |
| 3.1 理论介绍 |
| 3.1.1 有效市场假说 |
| 3.1.2 分形市场假说 |
| 3.1.3 两种假说对比分析 |
| 3.2 分形市场假说相关概念及方法 |
| 3.2.1 分形简介 |
| 3.2.2 R/S分析法 |
| 3.2.3 分形相关指标介绍 |
| 3.3 本章小结 |
| 第4章 房价收益率相关统计及分形特征分析 |
| 4.1 房价收益率定义 |
| 4.2 房价收益率时间序列统计分析 |
| 4.2.1 数据来源 |
| 4.2.2 统计分析检验 |
| 4.3 房地产市场价格分形结构分析 |
| 4.3.1 房价收益率分形特征分析 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 第5章 分形分布及其在房地产市场中的应用 |
| 5.1 分形分布 |
| 5.2 分形分布定义及性质 |
| 5.2.1 分形分布的定义 |
| 5.2.2 分形分布的性质 |
| 5.3 分形分布函数 |
| 5.4 分布拟合法 |
| 5.5 房价收益率分形分布实证研究 |
| 5.5.1 实证研究 |
| 5.5.2 结果分析 |
| 5.6 本章小结 |
| 第6章 基于分形分布的VaR模型及其应用 |
| 6.1 VaR理论基础 |
| 6.1.1 VaR的产生及定义 |
| 6.1.2 VaR的参数 |
| 6.1.3 VaR计算方法 |
| 6.1.4 VaR的优点及局限性 |
| 6.2 基于不同分布的VaR模型 |
| 6.2.1 基于正态分布的VaR模型 |
| 6.2.2 基于分形分布的VaR模型 |
| 6.2.3 模型有效性检验 |
| 6.3 实证研究 |
| 6.3.1 VaR计算 |
| 6.3.2 VaR模型有效性检验 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 全文总结 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（2）我国信托公司股票收益率的多重分形特征分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 国内外研究现状及进展 |
| 1.3 研究内容和创新点 |
| 第二章 我国信托公司股票收益率的分形特征分析 |
| 2.1 分形分析方法描述 |
| 2.2 实证研究 |
| 2.2.1 正态性检验 |
| 2.2.2 收益率序列的MF-DFA的实证分析 |
| 2.3 本章小结 |
| 第三章 我国信托行业股票的多重分形分布熵分析 |
| 3.1 MF-DEA和MM-DEA分析法描述 |
| 3.2 收益率序列的MM-DEA分析 |
| 3.3 本章小结 |
| 第四章 我国信托行业股票的多重分形交互相关性分析 |
| 4.1 MF-DCCA和MM-DCCA分析法描述 |
| 4.2 实证研究 |
| 4.2.1 相关性检验 |
| 4.2.2 收益率序列的MM-DCCA分析 |
| 4.3 本章小结 |
| 第五章 结论及展望 |
| 5.1 本文主要结论 |
| 5.2 本文的不足之处以及工作展望 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
| 后记 |
（3）中国股市分形特征及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 一、研究背景 |
| 二、研究现状 |
| (一) 分形市场理论 |
| (二) 市场单分形特征的研究述评 |
| (三) 市场多重分形特征的研究述评 |
| 三、研究的主要问题、思路与方法、框架和数据说明 |
| (一) 研究的主要问题 |
| (二) 研究思路和方法 |
| (三) 研究框架 |
| (四) 数据说明 |
| 四、本文的创新点和不足点 |
| (一) 本文的创新点 |
| (二) 本文的不足点 |
| 第二章 中国股市整体的单分形特征研究 |
| 一、非线性特征 |
| (一) 特征说明 |
| (二) 基于BDS方法的非线性关系检验 |
| (三) 总结说明 |
| 二、分形分布和分数布朗运动特征 |
| (一) 理论简介 |
| (二) 模拟股价与实际股价的比较 |
| (三) 中国股市分形分布与分数布朗运动的检验 |
| (四) 总结说明 |
| 三、自相似特征 |
| (一) 自相似性的种类 |
| (二) 中国股市的统计自相似性 |
| (三) 总结说明 |
| 四、长记忆性特征 |
| (一) 特征说明 |
| (二) 经典R/S方法分析 |
| (三) 修正R/S方法分析 |
| (四) 非周期循环的测度 |
| (五) 非周期循环的检验 |
| (六) 总结说明 |
| 五、本章小结 |
| 第三章 中国股市结构的多重分形特征研究 |
| 一、金融市场多重分形分析思路简述 |
| 二、中国股市多重分形特征存在性的证明 |
| (一) 多重分形特征的检验方法简述 |
| (二) 改进盒计数法的检验 |
| (三) q阶矩函数法的检验 |
| (四) 总结说明 |
| 三、中国股市收益率的广义Hurst指数研究 |
| (一) MF-DFA方法简介 |
| (二) 计算的结果分析 |
| (三) 收益率多重分形特征的证伪验证 |
| (四) 广义Hurst指数研究结果的推论研究 |
| (五) 总结说明 |
| 四、中国股市价位分布的多重分形谱分析 |
| (一) 多重分形谱 |
| (二) 多重分形谱的计算和分析 |
| (三) 分析结果的证伪检验 |
| (四) 总结说明 |
| 五、本章小结 |
| 第四章 股市分形特征在金融投资的应用 |
| 一、单分形特征的投资应用 |
| (一) 思路说明 |
| (二) 移动Hurst曲线及价格预测 |
| (三) 总结说明 |
| 二、多重分形特征的投资应用 |
| (一) 思路说明 |
| (二) 高频数据下股价波动特征的量化 |
| (三) 高频数据下股价分布特征的量化 |
| (四) 总结说明 |
| 三、基于分形特征的滚动神经网络模型价格预测 |
| (一) 思路说明 |
| (二) 滚动BP神经网络的构建 |
| (三) 预测的结果与说明 |
| 四、本章小结 |
| 第五章 结论与启示 |
| 一、全文的研究结论 |
| 二、启示 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间所着论文发表情况 |
（4）中国股票市场收益率分布实证研究（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 1 绪论 |
| 1.1 研究背景、意义及目的 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外文献综述 |
| 1.2.1 国外文献综述 |
| 1.2.2 国内文献综述 |
| 1.2.3 文献简要评述 |
| 1.3 本文研究内容 |
| 2 股票收益率分布函数 |
| 2.1 股票收益率的定义 |
| 2.2 股票收益率分布函数 |
| 2.2.1 稳定分布 |
| 2.2.2 拉普拉斯分布 |
| 2.2.3 混合高斯分布 |
| 2.2.4 非对称拉普拉斯分布 |
| 2.2.5 混合 Gumbel 分布 |
| 2.2.6 偏 t 分布 |
| 2.3 EM 算法及 K-S 检验 |
| 2.3.1 EM 算法 |
| 2.3.2 K-S 检验 |
| 3 数据选取及参数估计 |
| 3.1 数据选取 |
| 3.2 分布函数的参数估计 |
| 3.2.1 稳定分布的参数估计 |
| 3.2.2 拉普拉斯分布的参数估计 |
| 3.2.3 混合高斯分布的参数估计 |
| 3.2.4 非对称拉普拉斯分布的参数估计 |
| 3.2.5 混合 Gumbel 分布的参数估计 |
| 3.2.6 偏 t 分布的参数估计 |
| 4 拟合结果统计及结论 |
| 4.1 拟合结果统计 |
| 4.2 拟合结果分析 |
| 4.3 结论 |
| 参考文献 |
| 后记 |
（5）金融市场分形特征的统计分析（论文提纲范文）
| 0 引言 |
| 1 金融市场分形特征的理论概述 |
| 1.1 分形分布概述 |
| 1.2 分形分布的定义 |
| 2 金融市场分形特征的统计分析 |
| 3 结论 |
（6）基于分形分布的金融风险及投资决策研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文的选题背景 |
| 1.2 本文的研究意义 |
| 1.3 分形市场理论研究现状 |
| 1.4 分形分布及其研究现状 |
| 1.5 VaR 以及CVaR 研究现状 |
| 1.6 投资组合研究现状 |
| 1.7 本文的研究内容 |
| 第二章 分形市场理论 |
| 2.1 有效市场理论 |
| 2.1.1 有效市场理论的主要内容 |
| 2.1.2 有效市场假说的理论基础 |
| 2.1.3 有效市场假说的缺陷 |
| 2.2 分形市场理论 |
| 2.2.1 分形市场假说的主要内容 |
| 2.2.2 分形市场理论在金融市场研究中的意义 |
| 2.3 分形市场假说的相关理论 |
| 2.3.1 R/S 分析法 |
| 2.3.2 R/S 的计算过程 |
| 2.3.3 分形维 |
| 2.3.4 Hurst 指数 |
| 2.3.5 V n 统计量 |
| 2.3.6 显着性检验 |
| 2.3.7 扰乱性检验 |
| 2.3.8 长期相关性检验 |
| 2.3.9 修正的R/S 分析 |
| 2.4 股票市场分形结构分析 |
| 2.4.1 对沪市收益率的分布检验 |
| 2.4.2 沪市分形结构分析 |
| 2.4.3 结论 |
| 2.5 本章小结 |
| 第三章 分形分布及其在金融市场的实证分析 |
| 3.1 分形金融时间序列 |
| 3.2 分形分布 |
| 3.3 分形分布的定义 |
| 3.4 分形分布的性质 |
| 3.5 分形分布的密度函数与分布函数 |
| 3.6 金融市场分形特征的实证研究 |
| 3.7 结果分析 |
| 3.8 本章小结 |
| 第四章 VaR 与CVaR 模型及其应用 |
| 4.1 VaR 方法 |
| 4.1.1 VaR 的基本思想 |
| 4.1.2 VaR 计算的主要方法 |
| 4.1.3 VaR 计算方法的比较 |
| 4.1.4 风险估值计算的其他问题的处理方式 |
| 4.1.5 极值条件下风险价值的改进 |
| 4.1.6 VaR 算例 |
| 4.1.7 VaR 的缺点及CVaR 的产生 |
| 4.1.8 CVaR 的计算及性质 |
| 4.2 基于分形分布的VaR 及CVaR |
| 4.2.1 基于分形分布的VaR |
| 4.2.2 基于分形分布的CVaR |
| 4.3 实证研究 |
| 4.3.1 数据处理 |
| 4.3.2 模型检验 |
| 4.3.3 结果分析 |
| 4.4 本章总结 |
| 第五章 基于分形分布的投资决策 |
| 5.1 投资组合理论概述 |
| 5.1.1 收益率度量 |
| 5.1.2 投资组合理论 |
| 5.2 主成分分析在资产组合中的应用 |
| 5.2.1 主成分分析法 |
| 5.2.2 R 软件 |
| 5.2.3 实证分析 |
| 5.3 投资组合模型 |
| 5.3.1 均值—方差模型 |
| 5.3.2 均值—VaR 模型 |
| 5.3.3 均值—CVaR 模型 |
| 5.3.4 有效边界以及有效前沿 |
| 5.3.5 实证研究 |
| 5.4 基于VaR 的投资决策 |
| 5.4.1 相关变量说明 |
| 5.4.2 VaR 约束下的投资组合选择 |
| 5.5 基于FVaR 约束的投资组合模型 |
| 5.6 基于FCVaR 约束的投资组合模型 |
| 5.7 实际算例 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 进一步研究展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（8）我国权证与标的资产分形结构及价格行为研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究的背景和意义 |
| 1.1.1 研究的背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 国外研究成果 |
| 1.2.2 国内研究成果 |
| 1.3 本文的研究思路和研究方法 |
| 1.4 本文的主要工作及创新点 |
| 1.4.1 主要工作 |
| 1.4.2 创新点 |
| 第2章 分形理论概述 |
| 2.1 分形理论的基本概念 |
| 2.1.1 分形的基本概念 |
| 2.1.2 分形分布 |
| 2.1.3 分形维 |
| 2.2 R/S分析方法概述 |
| 2.2.1 R/S方法简介 |
| 2.2.2 Hurst指数的含义 |
| 2.3 分形市场假说 |
| 第3章 时间序列相关理论和自回归条件异方差模型 |
| 3.1 时间序列相关理论 |
| 3.1.1 时间序列正态性检验 |
| 3.1.2 序列平稳性检验 |
| 3.1.3 序列相关性检验 |
| 3.2 自回归条件异方差模型 |
| 3.2.1 一般ARCH模型 |
| 3.2.2 GARCH模型 |
| 3.2.3 EGARCH模型 |
| 3.2.4 非对称效应的ARCH模型(TGARCH模型) |
| 3.2.5 收益风险分析的ARCH-M模型(ARCH-in-Mean) |
| 第4章 权证与标的资产分形结构特征的实证对比研究 |
| 4.1 样本的选取和基本统计量的分析 |
| 4.1.1 样本的选取 |
| 4.1.2 我国权证与标的资产收益率的基本数字特征 |
| 4.2 权证与标的股票收益分布函数的确定 |
| 4.3 基于R/S分析法的我国权证与标的股票长记忆性实证对比研究 |
| 4.4 基于自回归条件异方差模型的权证与标的股票波动性实证对比研究 |
| 4.4.1 自回归条件异方差模型对权证与标的股票适用性检验 |
| 4.4.2 权证与标的股票自回归条件异方差模型的实证对比研究 |
| 4.5 小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的已发或已接受的文章 |
（9）中国股市收益率分形特征的实证研究（论文提纲范文）
| 一、FMH分形市场假说的提出 |
| 二、分形分布 |
| 三、金融市场分形特征的实证研究 |
| 四、结果分析 |
（10）我国房地产业上市公司股票分形定价模型研究和实证检验（论文提纲范文）
| 论文摘要 |
| ABSTRACT |
| 第一章 引言 |
| 第一节 研究背景 |
| 第二节 应用和价值 |
| 第三节 论文组织结构 |
| 第二章 分形理论 |
| 第一节 分形概述 |
| 第二节 分形时间序列 |
| 第三节 分形市场假说 |
| 第四节 分形研究方法 |
| 第三章 分形理论下资产定价模型研究 |
| 第一节 资本资产定价模型 |
| 第二节 三因素定价模型 |
| 第三节 分形理论下资产定价模型 |
| 第四章 我国房地产业上市公司股票分形分析 |
| 第一节 数据来源和处理 |
| 第二节 统计分析 |
| 第三节 Hurst指数的计算 |
| 第四节 长记性检验 |
| 第五节 V统计量 |
| 第六节 市场风险度量 |
| 第七节 本章小结 |
| 第五章 我国房地产业上市公司股票定价模型适用性检验 |
| 第一节 数据来源和分析 |
| 第二节 资本资产定价模型检验 |
| 第三节 三因素定价模型检验 |
| 第四节 分形理论下定价模型适用性检验 |
| 第五节 本章小结 |
| 第六章 总结和展望 |
| 第一节 论文的研究成果 |
| 第二节 进一步的工作 |
| 附录1 |
| 附录2 |
| 参考文献 |
| 后记 |
四、股票收益率的分形分布（论文参考文献）
- [1]不同区位房价收益率分形分布下的投资VaR模型有效性研究[D]. 王勇. 深圳大学, 2016(03)
- [2]我国信托公司股票收益率的多重分形特征分析[D]. 茹磊. 南京财经大学, 2016(05)
- [3]中国股市分形特征及其应用研究[D]. 张羽. 安徽大学, 2014(09)
- [4]中国股票市场收益率分布实证研究[D]. 张仔建. 兰州商学院, 2013(08)
- [5]金融市场分形特征的统计分析[J]. 王晶,王玉玲. 枣庄学院学报, 2011(05)
- [6]基于分形分布的金融风险及投资决策研究[D]. 王玉玲. 天津大学, 2011(05)
- [7]基于分形分布特征指数的股票市场效率指标设定与实证[A]. 谢朝华,李忠,文凤华. 第十二届中国管理科学学术年会论文集, 2010
- [8]我国权证与标的资产分形结构及价格行为研究[D]. 高建平. 南昌大学, 2010(04)
- [9]中国股市收益率分形特征的实证研究[J]. 王玉玲,马军海,王晶. 北京理工大学学报(社会科学版), 2010(02)
- [10]我国房地产业上市公司股票分形定价模型研究和实证检验[D]. 张晓莹. 华东师范大学, 2009(12)