沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型 - bob手机在线登陆

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型

文章导航> bob手机在线登陆学报（社会科学版）> 2013> (1): 46-53,62

王瑞君. 沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型[J]. bob手机在线登陆学报（社会科学版）, 2013, (1): 46-53,62.

引用本文:

王瑞君. 沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型[J]. bob手机在线登陆学报（社会科学版）, 2013, (1): 46-53,62.

WANG Ruijun. An Analysis of Structural Characteristics and Interaction Relationship between Shanghai and Shenzhen Stock Market —Based on the EEMD and State-space Models[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (1): 46-53,62.

Citation:

WANG Ruijun. An Analysis of Structural Characteristics and Interaction Relationship between Shanghai and Shenzhen Stock Market —Based on the EEMD and State-space Models[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (1): 46-53,62.

沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型

王瑞君¹

1.
西安交通大学经济与金融学院, 西安 710061

基金项目:

教育部人文社会科学青年基金资助项目(11YJC790260);青海省社会科学规划基金资助项目(12059);陕西省社会科学基金资助项目(12D106)

An Analysis of Structural Characteristics and Interaction Relationship between Shanghai and Shenzhen Stock Market —Based on the EEMD and State-space Models

WANG Ruijun¹

1.
School of Economics and Finance, Xi’an Jiaotong University, Xi’an710061, China

摘要:运用实证方法, 从结构和动态两个视角考察了沪深股市之间的异同及作用关系。通过总体经验模式分解(EEMD)发现:沪深股指是由高频、低频和趋势项三类分量组成, 且各结构分量在总量水平中的贡献不同。其中, 深市趋势项对总量的贡献率高于沪市, 反映出深市的走势较沪市更加平稳;沪市高低频分量对总量的贡献率高于深市, 表明沪市的波动性大于深市。同时状态空间模型显示, 沪深股市趋势项分量之间的作用关系体现了沪深股市收益率双向传导, 沪强深弱的股票市场格局。低频分量之间的作用关系则表明我国股市的调控能力需进一步提高。
- 总体经验模式分解(EEMD)/
- 状态空间模型/
- 沪深股市
Abstract:In this paper, we investigate the relationship of Shanghai and Shenzhen stock market from the structure and dynamics perspective. Through the ensemble empirical mode decomposition, Shanghai and Shenzhen Stock Index are composed of high-frequency, low frequency and trends, and the contribution rates for each structural component are different. The contribution of Shenzhen stock market’ trend is higher than Shanghai stock market. It means that the trend of Shenzhen is more stable than Shanghai Stock Exchange. The contribution of Shanghai stock market’ high-low frequency component is higher than that of the Shenzhen stock market. It means that Shanghai is more volatile than Shenzhen Stock Exchange. At the same time, the state-space model shows that the relationship of the trends of Shanghai and Shenzhen stock market reflect two-way transmission on the rate of return and more robust stock market of shanghai. The relationships of low-frequency component mean that stock market’ regulation capacity needs to be improved.
- ensemble empirical mode decomposition (EEMD)/
- state-space models/
- shanghai and shenzhen stock market

[1]	Bae K H, Karolyi G A, Stulz R M. A new approach to measuring financial contagion[J]. Review of Financial Study, 2003, 16:717-763.
[2]	Bekaert G, Harvey C R, Ng A. Market integration and contagion[J]. Journal of Business, 2005, 78, (1):39-69.
[3]	Bodart V, Candelon B. Evidence of interdep endence and contagion using a frequency domain framework[J]. Emerging Markets Review, 2009, 10:140-150.
[4]	曹广喜, 姚奕. 沪深股市动态溢出效应与动态相关性的实证研究[J]. 系统工程, 2008(5):47-49.
[5]	董彬彬. 中国沪深股市相关性研究[J]. 金融观察, 2010(1):61-65.
[6]	吴礼斌, 崔岩岩. 基于小波协方差的中国股市波动序列相关性的实证分析[J]. 统计与信息论坛, 2010(2):100-104.
[7]	陈守东, 陈雷, 刘艳武. 中国沪深股市收益率及波动性相关分析[J]. 金融研究, 2003(7):80-84.
[8]	何宜庆, 曹慧红, 侯建荣. 我国沪深两市股指收益率的EGARCH效应分析[J]. 统计与决策, 2005 (15):90-91.
[9]	卢方元. 中国股市收益率分布特征研究[J]. 中国管理科学, 2004, 12(6):18-22.
[10]	Huang N E, Shen Z, Long S R. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J]. Process of the Royal Society of London, 1998, A 454:903-995.
[11]	Zhang X, Lai K K, Wang S Y. A new approach for crude oil price analysis based on empirical mode decomposition [J]. Energy Economics, 2008, 30:905-918.
[12]	Wu Z H, Huang N E. Ensemble empirical mode decomposition: a noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis, 2009, 1(1):1-41.

[1]	屈文波, 李淑玲.中国环境污染治理中的公众参与问题——基于动态空间面板模型的实证研究. bob手机在线登陆学报（社会科学版）, 2020, 22(6): 1-10.doi:10.15918/j.jbitss1009-3370.2020.1350
[2]	屈文波.环境规制、空间溢出与区域生态效率——基于空间杜宾面板模型的实证分析. bob手机在线登陆学报（社会科学版）, 2018, (6): 27-33.doi:10.15918/j.jbitss1009-3370.2018.5179
[3]	曹玉平.空间集聚、技术创新与中国省域经济增长——基于面板数据FE-IV模型的实证研究. bob手机在线登陆学报（社会科学版）, 2017, (6): 58-69.doi:10.15918/j.jbitss1009-3370.2017.0065
[4]	蒋圣力.外层空间军事化及其国际法规制的模式和路径. bob手机在线登陆学报（社会科学版）, 2017, (1): 124-131.doi:10.15918/j.jbitss1009-3370.2017.0116
[5]	李成, 张琦, 李文乐.汇改后中国外汇市场与资本市场联动效应——基于集合经验模态分解法. bob手机在线登陆学报（社会科学版）, 2016, (2): 64-70.doi:10.15918/j.jbitss1009-3370.2016.0211
[6]	张跃军, 李维康.北京市金融发展对碳排放的动态影响. bob手机在线登陆学报（社会科学版）, 2016, (2): 30-33.doi:10.15918/j.jbitss1009-3370.2016.0206
[7]	杨文举.中国省份工业的环境绩效影响因素——基于跨期DEA-Tobit模型的经验分析. bob手机在线登陆学报（社会科学版）, 2015, (2): 40-48.doi:10.15918/j.jbitss1009-3370.2015.0206
[8]	胡静.污染场地修复的行为责任和状态责任. bob手机在线登陆学报（社会科学版）, 2015, (6): 129-137.doi:10.15918/j.jbitss1009-3370.2015.0618
[9]	孟艳玲, 张俊瑞.生命周期视角下上市公司资产结构与价值——来自中国上市公司A股市场的经验数据. bob手机在线登陆学报（社会科学版）, 2014, (2): 76-82.
[10]	丁志华, 李文博, 周梅华, 何凌云.煤炭价格波动对中国实体经济的影响研究. bob手机在线登陆学报（社会科学版）, 2014, (2): 18-23.
[11]	陈真玲, 鲁丰先, 王光辉.基于状态空间模型的我国行政管理费动态分析. bob手机在线登陆学报（社会科学版）, 2014, (6): 78-84.
[12]	卞曰瑭, 张岳锋, 许露.股市交易网络模型构建及其稳定性研究. bob手机在线登陆学报（社会科学版）, 2013, (2): 66-70,76.
[13]	陈洁, 张定胜.国际股市对上证综指的影响. bob手机在线登陆学报（社会科学版）, 2012, (1): 32-37.
[14]	王春峰, 郑仲民, 房振明.中国股市已实现“核”波动研究. bob手机在线登陆学报（社会科学版）, 2011, (3): 11-15,26.
[15]	刘丹鹤.信息空间的空间性解读. bob手机在线登陆学报（社会科学版）, 2009, (3): 109-111.
[16]	王春峰, 庄泓刚, 房振明, 卢涛.多重指标波动性模型在中国股市波动性估计和预测的应用——基于高频数据的研究. bob手机在线登陆学报（社会科学版）, 2008, (5): 41-46.
[17]	李晔.基于VWAP 基准的中国股市日内交易量的分解与建模研究. bob手机在线登陆学报（社会科学版）, 2008, (6): 41-43.
[18]	韩冬, 王春峰, 岳慧煜.中国股市买卖价差成分分析——基于指令驱动市场的实证研究. bob手机在线登陆学报（社会科学版）, 2006, (1): 82-85.
[19]	房海滨, 刘凤霞.上海B股市场流动性研究. bob手机在线登陆学报（社会科学版）, 2006, (1): 77-81.
[20]	吴启权, 王春峰, 房振明, 李晗虹.基于SV模型时变参数的中国股市政策效应研究. bob手机在线登陆学报（社会科学版）, 2006, (3): 41-45.

WeChat

点击查看大图

计量

文章访问数:1155
HTML全文浏览量:2
PDF下载量:887
被引次数:0

沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型

王瑞君¹

1. 西安交通大学经济与金融学院, 西安 710061

基金项目:

教育部人文社会科学青年基金资助项目(11YJC790260);青海省社会科学规划基金资助项目(12059);陕西省社会科学基金资助项目(12D106)

收稿日期:2012-10-11
刊出日期:2013-01-24

关键词:

总体经验模式分解(EEMD)/

状态空间模型/

摘要:运用实证方法, 从结构和动态两个视角考察了沪深股市之间的异同及作用关系。通过总体经验模式分解(EEMD)发现:沪深股指是由高频、低频和趋势项三类分量组成, 且各结构分量在总量水平中的贡献不同。其中, 深市趋势项对总量的贡献率高于沪市, 反映出深市的走势较沪市更加平稳;沪市高低频分量对总量的贡献率高于深市, 表明沪市的波动性大于深市。同时状态空间模型显示, 沪深股市趋势项分量之间的作用关系体现了沪深股市收益率双向传导, 沪强深弱的股票市场格局。低频分量之间的作用关系则表明我国股市的调控能力需进一步提高。

English Abstract

王瑞君. 沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型[J]. bob手机在线登陆学报（社会科学版）, 2013, (1): 46-53,62.

引用本文:

王瑞君. 沪深股市结构特征及作用关系研究——基于EEMD和状态空间模型[J]. bob手机在线登陆学报（社会科学版）, 2013, (1): 46-53,62.

WANG Ruijun. An Analysis of Structural Characteristics and Interaction Relationship between Shanghai and Shenzhen Stock Market —Based on the EEMD and State-space Models[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (1): 46-53,62.

Citation:

WANG Ruijun. An Analysis of Structural Characteristics and Interaction Relationship between Shanghai and Shenzhen Stock Market —Based on the EEMD and State-space Models[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2013, (1): 46-53,62.

参考文献 (12)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

作者相关

写作规范

友情链接

总访问量: 今日访问量:

版权所有：bob手机在线登陆学术期刊中心

主管单位: 中华人民共和国工业和信息化部主办单位: bob手机在线登陆地址: 北京市海淀区中关村南大街5号

本系统由北京仁和汇智信息技术有限公司开发