Анализ состояния финансовых рынков на основе методов нелинейной динамики
Выделяют три интервала значений показателя Херста:
Значение |
Поведение случайного временного ряда |
Цвет шума |
Карикатура долгосрочной зависимости |
|
Данный диапазон соответствует антиперсистентным (эргодическим) рядам. Такой тип системы часто называют – «возврат к среднему». Если система демонстрирует рост в предыдущий период, то, скорее всего, в следующем периоде начнется спад. И наоборот, если шло снижение, то вероятен близкий подъем. Устойчивость такого антиперсистентного поведения зависит от того, насколько близко к нулю. Чем ближе его значение к нулю, тем ближе к , или отрицательной корреляции. Такой ряд более изменчив, или волатилен, чем ряд случайный, так как состоит из частых реверсов спад-подъем. |
Розовый шум |
|
|
Указывает на случайный ряд (броуновское движение, случайные блуждания). События некоррелированы между собой (), настоящее не влияет на будущее. Функция плотности вероятности может быть нормальной кривой, однако, это не обязательное условие. |
Белый шум |
|
|
Значения показателя , принадлежащие данному диапазону, характерны для персистентных или трендоустойчивых рядов. Они характеризуются наличием долговременных корреляций между текущими событиями и событиями будущими. Если ряд возрастает (убывает) в предыдущий период, то вероятно, что он будет сохранять эту тенденцию какое-то время в будущем. Сила персистентности, увеличивается при приближении к 1, или 100% корреляции (). Чем ближе к 0.5, тем более зашумлен ряд и тем менее выражен его тренд. Персистентный временной ряд является фракталом, поскольку может быть описан как обобщенное броуновское движение или смещенные случайные блуждания. |
Черный шум |
|
Персистентные временные ряды являют собой наиболее интересный класс, так как оказалось, что они не только в изобилии обнаруживаются в природе, – это открытие принадлежит Херсту, – но и свойственны рынкам капитала.
4.5 Эмпирический закон Херста
Херст предложил также формулу для оценки величины по значению:
. (6)
В этой формуле предполагается, что константа из соотношения (4) равна .
Федер показал, что этот эмпирический закон имеет тенденцию преувеличивать , когда оно больше , и, наоборот, преуменьшать, если , однако для коротких рядов, где регрессия невозможна, этот эмпирический закон может быть использован как разумное приближение [48].
4.6 Взаимосвязь фрактальной размерности и показателя Херста
Фрактальная размерность временного ряда, или накопленных изменений при случайном блуждании, равна . Фрактальная размерность кривой линии равна , а фрактальная размерность геометрической плоскости равна . Таким образом, фрактальная размерность случайного блуждания лежит между кривой линией и плоскостью.
Показатель Херста может быть преобразован во фрактальную размерность с помощью следующей формулы:
. (7)
Таким образом, если , то . Обе величины характеризуют независимую случайную систему. Величина будет соответствовать фрактальной размерности, более близкой к кривой линии. Это персистентный временной ряд, дающий более гладкую, менее зазубренную линию, нежели случайное блуждание. Антиперсистентная величина дает соответственно более высокую фрактальную размерность и более прерывистую линию, чем случайное блуждание, и, следовательно, характеризует систему, более подверженную переменам.
4.7 Обоснованность оценки Н
Даже если найдена аномальная величина , закономерен вопрос, обоснована ли ее оценка. Можно усомниться в том, достаточно ли было данных, или даже – работает ли вообще R/S-анализ. Для решения этого вопроса предлагается следующий простой тест, основанный на тесте, разработанном Шейнкманом и Ле Бароном для корреляционной размерности [56].
В сущности оценка , которая значительно отличается от , имеет два возможных объяснения:
1. В изучаемом временном ряду имеется долговременная память. Каждое наблюдение коррелирует до некоторой степени с последующими наблюдениями.
Другие рефераты на тему «Экономико-математическое моделирование»:
- Модель производственной функции для сельскохозяйственной отрасли
- Методы исследования операций
- Регрессионный анализ. Транспортная задача
- Построение двухфакторной модели, моделей парной линейной прогрессии и множественной линейной регрессии
- Использование эвристических и экономико-математических методов при решении задач управления
Поиск рефератов
Последние рефераты раздела
- Выборочные исследования в эконометрике
- Временные характеристики и функция времени. Графическое представление частотных характеристик
- Автоматизированный априорный анализ статистической совокупности в среде MS Excel
- Биматричные игры. Поиск равновесных ситуаций
- Анализ рядов распределения
- Анализ состояния финансовых рынков на основе методов нелинейной динамики
- Безработица - основные определения и измерение. Потоки, запасы, утечки, инъекции в модели