- 金币:
-
- 奖励:
-
- 热心:
-
- 注册时间:
- 2006-7-3
|
|

楼主 |
发表于 2009-4-23 08:22
|
显示全部楼层
混沌理论与股票投资
李 彦:(武汉理工大学)
摘 要: “从混沌中发现秩序”的混沌理论把外在表现的随机性和系统的内在决定性巧妙结合起来,使得许多随机现象比想象的更容易预测。这对于经济学家特别是股票投资家来说是极具吸引力的。从混沌的基本理论入手,分析了其在股票投资方面所起的作用。
关键词: 混沌理论; 非线性; 股票投资
1 问题的提出
股票的高收益性吸引了大量的投资者进入到变化莫测的股票市场,每一位投资者都希望能把握住股市之脉,从而能正确、及时地预测股市走势。传统的预测理论是基于“有效市场假说( EMH) ”之上的。该假说认为市场的投资者按照理性的方式处理和获得信息,而不存在盲目的投资行为;市场的价格充
分反映所有的可得信息,价格的变化各不相关,可能有的某种非常短期相关性也会迅速消逝。理想投资者会追求“均值/ 方差”的有表1 20 世纪S&P 500 指数的日收益率研究年代均值标准差偏斜度峰态
20 0. 032 2 1. 646 0 - 1. 411 7 18. 097 0
30 - 0. 023 2 1. 915 0 0. 178 3 3. 771 0
40 0. 010 0 0. 889 8 - 0. 935 4 10. 800 1
50 0. 049 0 0. 705 0 - 0. 839 8 7. 859 4
60 0. 017 2 0. 625 1 - 0. 475 1 9. 871 9
70 0. 006 2 0. 865 2 0. 256 5 2. 293 5
80 0. 046 8 1. 098 9 - 3. 775 2 79. 657 3
整体0. 017 0 1. 151 6 - 0. 633 8 21. 312 2
效性,他们认为股票市场的分布是正态分布,而大量研究证明,美国股票市场收益率就不是呈正态分布的,其中,特纳和魏格尔用1928 年1 月至1989 年12 月的S&P500 指数的日收益率进行了易变性研究。其结果如表1 所示。【交易之路www.irich.info收集整理】
由数据可看出围绕均值的峰值比正态分布的要高,形成了“尖峰态”,其尾部比正态分布预言的要胖,在低于均值第三个标准差处有负斜性,股票市场出现三标准差事件概率大约是高斯随机数的两倍。
之所以出现这种情况,就在于EMH 假定是一个线性范式,而股票市场实际是一个非线性的、复杂的、交互作用的系统。其复杂性又为解释股票市场的种种行为提供了可能性,而非线性中的一个重要分支———混沌与分形,被用于分析股票市场的理论就应运而生了。
2 混沌研究及其意义
混沌是现实系统的一种自然状态,一种不确定性,它在表现上千头万绪、混乱无序,但内在却蕴涵着丰富多样的规则性、有序性。它是由系统内非线性作用产生的宏观行为。因此有人认为非平衡混沌是目前所认识到的最高的有序状态。
混沌有四个基本特征:
(1) 随机性:混沌现象只取决于体系内部的随机性,与外部因素无关。一般说来产生混沌的体系具有整体的稳定性,但其局部却是非稳定的。它对初值十分敏感,初始时小的扰动会引起结果的迥然不同。
(2) 分维性:混沌系统运动轨道在空间的几何形态可用分数维描述。
(3)普适性:系统趋于混沌时所表现出的特征与普适常数相联系,其特征不因具体系统和系统运动方程的差异而变化。
(4) 无标度性:混沌是一种无周期性的有序态,具有无限层次的多重性与不同层次规则性的统一。存在无标度区域,即只要数值计算精度或实验分辨率足够高,则可以发现小尺寸混沌的有序运动,与大尺寸的变化相似。
混沌理论是一门关于系统的整体性质的科学,它打破了各门学科的界限,把不同的研究者从相距甚远的各个领域带到了一起。混沌理论有着重要的意义,有人把20 世纪科学理论的三大基石归纳为相对论、量子力学和混沌理论。混沌理论被列为基石之一就是因为混沌这种非线性科学研究,对整个自然科学和哲学都有重要影响,对确定论和随机论、有序和无序、简单和复杂、量变和质变、整体和局部、偶然和必然等范畴和概念有一种全新的认识,诸如“牛顿力学也具有内部随机性”这样的命题正在为更多的科学工作者所理解。人类科学事业面临的四大挑战:物质的本质、宇宙的起源、生命的本质、智力的产生,人们都在用非线性科学的观点进行研究,生命体是否可以说由具有生物活性、按非线性规则相互作用的极其复杂的非平衡化学体系呢? 生命体是有序与混沌的复合,蛋白质具有“自复制”特性,从神经元、神经网络到大脑都有混沌特征&S943;&S943;混沌理论揭示了世界无限性的多样性、奇异性的根源,研究非线性系统的一系列跨学科界限的共性、普遍性。
3 股票市场的混沌特征
之所以将混沌理论应用于股票市场,是因为股票市场具有混沌的特征。
3. 1 股票市场的自相似性
自相似性是分形的核心,分形形状在空间方面显示自相似性,分形时间序列则在时间方面显示自相似性。而股票价格曲线有十分明显的自相似性(统
计自相似性) , S&P 500 的日、周、月收益率的曲线,如果不在X 轴和Y轴做标度,人们很难分出哪个图是哪个的收益率。
爱德加·E·彼得斯对S&P500每日价格从1928 月1 日2 至1990 年7 月5 日共15 504 个观测值按日计算其循环长度大约是1000 个交易日或大约4 年的所有交易日。而他用1950 年1 月至1988 年7 月这38 年间
表2 重标概率分析(R/ S 分析)
增量大约日期平均收益率标准差赫斯特指数/ H
12600 1928~1938 - 0. 0508 0. 3241 0. 61
26015200 1939~1949 0. 0474 0. 1758 0. 57
52017800 1950~1959 0. 1228 0. 1187 0. 58
780110400 1960~1969 0. 0661 0. 0993 0. 59
1040113000 1970~1979 0. 0036 0. 1383 0. 62
1300015600 1979~1990 0. 1157 0. 1772 0. 59
表3 各种指数的分数维
数据分数维/ D
S&P500 1950. 1~1989. 7 经GPI 消除趋势2. 33
MSCI 日本1959. 1~1990. 2 经对数线性消除趋势3. 05
MSCI 德国1959. 1~1990. 2 经对数线性消除趋势2. 41
MSCI 英国1950. 1~1990. 2 经对数线性消除趋势2. 94
深市股指1991~1993 经对数线性消除趋势1. 91
上证股指1992. 5~1993. 6 经GPI 消除趋势2. 72
的月数据计算出来的循环长度近似48 个月,也是4 年,这两个循环数据吻合也说明股票市场的自相似性。另外他按年代(约2 600 个观测值) 将1928 年1 月2 日至1990 年7 月5 日这63 年的数据分成6 个独立相连的2 600 天增量作重标概率分析(R/ S 分析) 得结果如表2。
尽管在这63 年中,美国经历了第二次世界大战、朝鲜战争、越南战争、经济大萧条、60 年代社会动乱、70年代石油危机、80 年代举债经营大膨胀,反映分形性质的赫斯特指数只在0. 57~0. 62 间变动,而用EMH 的标准差变动却十分剧烈。
3. 2 股票市场的分数维
分数维是由物体或时间序列如何填充其空间决定的,一个系统是否是分形的,它的复杂程度如何,我们都可以用分数维来描述它。对于股票价格这个动态数据,在消除了通货膨胀等趋势后,我们可以计算其相关分数维,如表3 所示。
3. 3 股票市场的李雅普诺夫指数
混沌系统的一个重要特征是“对初始条件依赖的敏感性”,而这可以用李雅普诺夫指数来度量。一个正.的李雅普诺夫指数在度量空间中的伸展,也就是度量邻近的点相互之间发散有多么快;而一个负的李雅普诺夫指数在度量空间中的收缩,即一个系统受扰动后需多长时间才能恢复自己。混沌吸引子必有
一个正的李雅普诺夫指数,其它则为负指数或零,而正的李雅普诺夫指数是出现混沌的征兆。股票市场的李雅普诺夫指数均为正,说明其在相空间中两相邻点是发散的,如我们可度量初始条件为1 比特精度,则经过1/ L1 时间会丧失其预测能力。按照沃尔夫的计算方法,上述股指的李雅普诺夫指数如表4。
表4 各种指数的李雅普诺夫指数
李雅普诺夫指数(L1) 失去预测能力
S&P500 0. 024 1 比特/ 月42 个月
MSCI 日本0. 022 8 比特/ 月44 个月
MSCI 德国0. 016 8 比特/ 月60 个月
MSCI 英国0. 028 比特/ 月36 个月
深市股指0. 018 4 比特/ 日52 日
上证股指0. 010 7 比特/ 日90 日
3. 4 股票市场的分形分布
表1 的数据反映了胖尾、高峰的分布,而这正是一种分形分布,称为帕雷托- 莱维分布。其分布特征函
数为: lgf ( t) = iδt - γ|
t| α(1 + iβ( t/ | t| tan (απ/ 2) ) ) (1)
这公式有4 个特征参数:α,β,δ,γ,其中,δ是均值的位置参数;γ是可调整的标度参数,如日数据和周数据之间的差别;β是偏斜度的度量,β= 0 分布对称,β< 0 左偏斜,β> 0 右偏斜,β= 1 右胖尾,β= - 1 左胖尾;α是既度量分布的尖峰程度又度量分布的胖尾程度的参数,α取值为0~2 之间。只有α= 2 分布才等价于正态分布,在式(1) 中设β= 0 ,δ= 1 ,γ= 1 ,α= 2 ,则可得正态分布的特征函数。
0 <α≤1 对应于分数布朗运动,稳定的均值不存在,但α落在这个区间很少见;
1 ≤α< 2 方差变得无定义或无限,此时用样本方差作为离散度或风险的度量几乎没有什么意义,只有
α= 2 才有稳定有限的方差。总之,股票市场是混沌与分形的。
4 股票投资的混沌决策
股票市场是一个非线性动力学系统,因此可以运用混沌理论进行股票投资的混沌决策。
4. 1 选择长期投资
从分析美国60 多年股票市场的数据来看,尽管跌风多次笼罩股市,但它总能重新恢复繁荣兴旺,其赫斯特指数一直稳定在0. 57~0. 62 之间,说明从长期而言,拥有股票总是一件好事。股市上有句“专家不如炒家,炒家不如藏家”的顺口溜,越是业绩优良、前景广阔的股票,其市价总是会高于其内在价值几倍、十几倍、甚至几十倍,这是由市场发展,股票的价值超过市场价格所体现出来的结果,因此应鼓励投资者进行长期投资。
4. 2 如何选择股票
选择股票的重要性,恰恰是混沌理论中“对初值敏感性”的最好表现。在决定对何种股票进行投资时,应该依靠技术分析与直觉思维相结合的决策模式。
(1) 技术分析,我们可按R/ S 分析进行赫斯特指数(H) 的计算:一般创新水平高的产业如技术产业趋于高H ,循环长度较短;而公用事业等产业则为低H ,循环长度较长。H 高意味着该股票业绩好,风险低,但高H股票则在发生突然变化时风险很高。
(2) 其实,直觉思维就是一种混沌思维。传统的思维方式总是把一个复杂系统理想化,以找到最简单解决问题的方法,但一旦面对真实世界中的复杂现象,传统的思维方式就无能为力了;而混沌思维方式从不回避事物行为的复杂性,认为简单中孕育复杂,事物的本质只有在复杂的整体中才能体现。所以想从纷繁的股市中理出头绪,必须具备混沌的顿悟式直觉。当然此处所指的直觉是一种动态的直觉,是在掌握充分信息基础上,并随股市内外环境不断变化和发展的直觉,既要注意“走势”,又要注意“人气效应”;既要“从众”,又不要盲目;既要听“股评”,又不要轻信;既要注意企业的业绩公告,又要注意“水分”;既要重视信息,又要防止干扰;既要关注大户,又要分析散户;既在股市中,又要跳到股市之外&S943;&S943;,朦胧一点,模糊一点,充分利用灵感和直觉去进行决策。
4. 3 注意股市的“分维性”、“ 相似性”
分形的重要特征是自相似,分形使混沌系统表现出在现象、表层、形式上的无序,而在本质、深层、内容上的有序。股票的走势图在一段时期的经历可能会在更长的时间尺度上重演;一个区域股票市场的行为可能近似于全球股市的行为。这证明“历史是一再重演的”。【交易之路www.irich.info收集整理】
(1) 重要动向段及拐点上第7 年和第7 个月的市场周期会形成正对称(或反对称) 的分形几何走势。表5
给出了1994 年7 月29 日~9 月29 日与1999 年12 月9 日~2000 年4 月7 日正对称走势比较。又如1990 年12 月深圳股市牛市见顶,对应1996 年12 月见顶大跳水;1991 年5 月沪市历史大底,对应1997 年5 月牛市大顶;另外,美国1962 年股市为历史高峰,1969 年又遇高峰;7 个月的示例如1992 年5 月股市见顶而同年11 月见底;1999 年6 月历史新高,对应同年12 月另一新高。
(2) 周年纪念日,国内股市一直与5 月拐点结下不解之缘,1992 ,1995 ,1997 ,1998 ,1999 诸年均在5 月出现重要拐点,而特别是会在5 月17 日前后出现高拐点。
(3) 市场走势曲线往往在重要拐点上切换,且分布对称。整段曲线中每小段的时间间隔接近固定比例,空间上的拐点方向严格对应,而空间高度则无严格要求,如1994 年9 月29 日的拐点提示3 月28 日后市场及前阶段重要的主流个股将有大幅调整。按成份指数,深沪综合指数见顶分别为3 月31 日和4 月3 日。
(4) 混沌系统的行为循环往复,决不自身重复,从股票价格变动图表的功率谱来看,已知为f - 2型。也就是说,股票价格只取决于每天的交易情况。曼德勃罗特发现:每个单位时间股票价格的变动分布服从特性指数D = 1. 7的分形分布。表5
1994 年7 月29 日~9 月29 日与1999 年12 月9 日~2000 年4 月7 日正对称走势时间(1994) 走势时间(1999) 走势7. 29~8. 11 反转后第一阶段急升12. 29~1. 11 反转后第一阶段急升
8. 11~9. 2 横盘构成第二次急升平台1. 11~1. 28 横盘构成第二次急升平台
9. 2~9. 13 跳空急升2. 14~2. 17 跳空急升
9. 13~9. 29 构筑M头2. 17~3. 31 构筑M头
9. 29~9. 30 下挫但收于缺口之上4. 1 下跌阶段
10. 5~10. 18 继续急挫,完成探底- 4. 14 完成探底
5 结论
a) 混沌理论为理解股票市场的动态变化和其中各种要素之间复杂的相互关系提供了新的方法论指导,
使投资者能从更多的角度观察和思考问题。
b) 股票市场是一个开放的复杂巨系统,受到多种人为及非人为因素的影响,信息与投资者之间、信息与
信息之间存在着大量的非线性相互作用;信息不象EMH 所说那样立即被反映到价格中,而是在收益率中体
现为一个偏倚。股票市场具有循环的趋势。它是非线性动力学系统或确定性混沌的结果。目前,经济学家
与混沌学家正在携手合作,试图建立有关股票市场行为的非线性模型。
参考文献
1 詹姆斯·格莱克. 混沌学———一门新科学. 顾肃译. 北京:社会科学文献出版社, 1992.
2 爱德加·E·彼得斯. 资本市场的混沌与秩序. 王小东译. 北京:经济科学出版社,1999.
3 刘洪. 混沌理论与战略观. 自然辩证法研究,1995 ,11(7) :19~20
4 徐前方. 上证指数中的奇异吸引子. 数量经济技术经济研究,1994(2) :23~26
5 孙广振,王劲松. 深圳股市混沌现象的辨识及其讨论. 数量经济技术经济研究,1994(1) :64~67
6 郭勇. 股市波动的时空规律. 证券与投资,2000(4) : 104~107
|
|
|