① chen混沌模型
天文学方面：先辈们认清了火星、木星间小行星带的Kirkwood间隙起源问题，这些间隙相应于小行星混沌的运行轨道。Laskar给出了行星内部的混沌运动图像，推翻了太阳系稳定的观点。太阳系中地球混沌的特征时间大约是5百万年。
气象学：Massachusetts理工学院的Edward Lorenz 1963年混沌行为的实验证明使今天的气象学家承认大气的混沌使超过三两周到未来的精确的天气预报成为不可能。但是一些人希望混沌模型最终可使它有可能预报长期的天气趋势。
② 有没有大佬告诉我一下关于数学建模数维杯的详细情况，含金量怎么样thanks,没有悬赏值了，评论我
所谓数学建模就是指建立一种能用抽象的数学语言将现实世界里复杂的问题简洁优美描述清楚，并且给出建议的模拟过程。
从学校保研的相关政策，还有将来毕业落户的角度来说，数学建模在大学是可以加分的，当然，这得要看你是获得什么样和什么级别的奖了，其它倒看不出有多大的含金量作用。
而且数学建模比赛近年来种类较多，不少也有相当水份的，大多数情况下一个小组究竟谁的贡献大，水平高也很难说清楚。故而参加竞赛尽管是件好事，但前提是要看中类型，你像全国大学生数学建模竞赛，这样的竞赛还是很有含金量的，如果你是数学专业的话，不防也去尝试一下。总之，不管选择那种类型的建模比赛，自己都要去积极研读文献、建做模型和代码。而不是只在一个小组里边仅仅泡一下水就行这么简单。
用户高山人
湘运集团有限责任公司政工师、助理经济师
4045粉丝 · 1.8万赞
搜索
数学建模竞赛都有什么
入行三年建模师的忠告
含金量高的十大证书
未来10年最吃香证书
最值钱的十三个证书
数学竞赛入门零基础
③ 拉普拉斯的主要理论是什么混沌理论是谁提出的
混《混沌 :开创新科学》或者《混沌学》。沌理论，是系统从有序突然变为无序状态的一种演化理论，是对确定性系统中出现的内在“随机过程”形成的途径、机制的研讨。
美国数学家约克与他的研究生李天岩在1975年的论文“周期3则乱七八糟(Chaos)”中首先引入了“混沌”这个名称。美国气象学家洛伦茨在2O世纪6O年代初研究天气预报中大气流动问题时，揭示出混沌现象具有不可预言性和对初始条件的极端敏感依赖性这两个基本特点，同时他还发现表面上看起来杂乱无章的混沌，仍然有某种条理性。1971年法国科学家罗尔和托根斯从数学观点提出纳维-斯托克司方程出现湍流解的机制，揭示了准周期进入湍流的道路，首次揭示了相空间中存在奇异吸引子，这是现代科学最有力的发现之一。1976年美国生物学家梅在对季节性繁殖的昆虫的年虫口的模拟研究中首次揭示了通过倍周期分岔达到混沌这一途径。1978年，美国物理学家费根鲍姆重新对梅的虫口模型进行计算机数值实验时，发现了称之为费根鲍姆常数的两个常数。这就引起了数学物理界的广泛关注。与此同时，曼德尔布罗特用分形几何来描述一大类复杂无规则的几何对象，使奇异吸引子具有分数维，推进了混沌理论的研究。20世纪70年代后期科学家们在许多确定性系统中发现混沌现象。作为一门学科的混沌学目前正处在研讨之中，未形成一个完整的成熟理论。
但有的科学家对混沌理论评价很高，认为“混沌学是物理学发生的第二次革命”。但有的人认为这似乎有些夸张。对于它的应用前景有待进一步揭示。但混沌理论研究同协同学、耗散结构理论紧密相关。它们在从无序向有序和由有序向无序转化这一研究主题有共同任务，因而混沌理论也是自组织系统理论的一个组成部分。近几年来，科学家们在研究混沌控制方面已取得重要进展，实现了第一类混沌，即时间序列混沌的控制实验。英、日科学家还在试验用混沌信号隐藏机密信息的信号传输方法。
混沌出现，古典科学便终止了。由於长久以来世界各地的物理学家都在探求自然的秩序，而面对无秩序的现象如大气、骚动的海洋、野生动物数目的突然增减及心脏跳动和脑部的变化，却都显得相当无知。这些大自然中不规则的部份，既不连续且无规律，在科学上一直是个谜。
但是在七零年代，美国和欧洲有少数的科学家开始穿越混乱来开辟一条出路。包括数学家、物理学家、生物学家及化学家等等，所有的人都在找寻各种不规则间的共相。生理学家从造成神秘猝死的主要原因－－人类心脏所产生的混沌中，找到令人讶异不已的秩序。生态学家研究数量的起伏，经济学家挖出股票价格资料去尝试新的分析方式。这些洞察力开始显现出来引导我们走向自然世界－－云朵的形状、闪电路径、血管微观的纠结交错、星族聚集。
从研究者互不相识到世界疯狂加入新科学的风行。十年之后，混沌已经变成一项代表重新塑造科学体系的狂飙运动，四处充斥了为混沌理论而举行的会议和印行的期刊，政府在预算中将更多的军队、中央情报局和能源部门研究经费投入探索混沌现象，同时成立特别部门来处理经费的收支。在每一所大学和联合研究中心里，理论家视混沌为共同志业，其次才是他们的专长。在罗沙拉摩斯，一个统合混沌和其他相关问题的非线性研究中心已经成立，类似机构也出现在全国各处校园里。
混沌创造了使用电脑与处理特殊图形、在复杂表相下捕捉奇幻与细腻结构图案的等殊技巧。这支新的科学衍生出它自己的语言，独具风格的专业用语－－－分形、分歧、间歇、周期、摺巾（folded-towel）、微分同相（diffeomorphisms）、以及平滑面条映象（smooth noodle maps）。这些运动的新元素，就像传统物理学中的夸克、gluons是物质的新元素一般，对有些物理学家而言，混沌是一门进展中的科学而不是成品，是形成而非存在。
混沌现象似乎是俯拾皆是：袅绕上升的香菸烟束爆裂成狂乱的烟涡、风中来回摆动的旗帜、水龙头由稳定的滴漏变成零乱。混沌也出现在天气变化中、飞机的航道高速公路上车群的壅塞、地下油管的传输流动；不论以什麼做为介质，所有的行为都遵循这条新发现的法则。这种体会也开始改变企业家对保险的决策、天文学家观测太阳系及政治学者讨论武冲突压力的方式。
混沌夸越了不同科学学门的界线，因为它是各种系统的宏观共相，它将天南地北各学门的思想家聚集一堂，一位管理科学预算的海军官员，曾经对一群数学家、生物学家、物理学家和医生的听众陈述：『十五年前，科学正迈入钻牛角尖的危机，但这种细密的分工，又戏剧化地因混沌理论而整合起来了』。对新科学最热烈的拥护者认为，二十世纪的科学中传世之作只有三件：相对论、量子力学、和混沌理论。他们主张混沌已经成为这世纪中物理科学发生的第三次大革命，像前两次革命一样，混沌理论撕下了牛顿物理中奉为圭臬的信条。就像一位物理学家所表示的：相对论否定了牛顿对绝对空间与时间的描述；量子理论否定了牛顿对於控制下测量过程的梦想；而混沌理论则粉粹了拉普拉斯（ Laplace ）对因果决定论可预测度所存的幻影。
混沌理论的革命适用於我们可以看到、接触到的世界，在属於人类的尺度里产生作用，世界上日常生活的经验和个人及真实景象已经变成了研究的合适目标，长久以来有种不常公开表达出来的感觉－－理论物理学似乎已远离了人类对世界的直觉（例如：你真的相信羽毛和石头掉落的速度是一样的吗？伽利略从比萨斜塔抛下球体的故事简直是神话！）没有人知道某个新学说会成为结实累累的异端或仅仅是平凡的异端，但是对有些逼入墙角的物理学家而言，混沌理论则是他们的新出路。
混沌理论的研究从原本物理学范畴中落后的部份突显了出来。粒子物理学主宰二十世纪的全盛时期已然过去，使用粒子物理的术语来解释自然法则所受到的限制，除了最简单的系统外，这些法则对大部分问题几乎束手无策。以可预测度来说，在云雾实验室里让两颗粒子绕著加速器赛跑而在尽头碰撞是一回事，至於在简单导管里慢慢移动的流体、地球天气或者人类脑袋则完全不是同一回事。
当混沌革命继续进展时，顶尖物理学家发现自己心安理得的回归到属於人类尺度的某些现象，他们不只研究星云，也开始研究云。他们不只在克雷超级电脑执行大有斩获的电脑研究，同时也在麦金塔个人电脑上进行。一流期刊上刊载有关一粒球在桌上跳跃的奇异动力，和量子力学的文章平起平坐，最简单的系统也能够制造出让人手忙脚乱的可预测度问题。尽管如此，秩序依旧从这些系统中突然绽现－－秩序与混沌共存。只有一种新的科学可以连接微观：例如一颗水分子、一粒心脏组织的细胞、一支中子；和宏观上百万的物体集体行为之间的深深鸿沟。
观察瀑布底端两块紧邻的泡沫，你能猜想到它们原来在瀑布顶端时的距离如何？事实上无迹可寻，就像标准的物理学所认为的一样，彷佛上帝秘密地将所有的水分子放在黑盒子里搅动。通常当物理学家看到这麼复杂的结果，他们便去寻找复杂的原因，当看到进出系统的种种事物之间混乱的关系，他们会认为必须用人为加入扰动或误差，而在任何现实可行的理论里加入随机因素。开始於六零年代的混沌理论的近代研究逐渐地领悟到，相当简单的数学方程式可以形容像瀑布一样粗暴难料的系统，只要在开头输入小小差异，很快就会造成南辕北辙的结果，这个现象称为『对初始条件的敏感依赖』。例如在天气现象里，这可以半开玩笑地解释为众所皆知的蝴蝶效应－－今天北京一支蝴蝶展翅翩跹对空气造成扰动，可能触发下个月纽约的暴风雨。
当混沌理论的探险者开始回想新科学的发展源流时，追溯到许多过去知识领域的褴褛小径。但是其中之一格外清晰，对於革命旅程的年轻物理学家和数学家而言，蝴蝶效应是他们的共同起点。
④ 怎样求解布朗运动的期望和方差
怎样求解布朗运动的期望和方差
布朗运动（Brownian motion）是一种正态分布的独立增量连续随机过程。它是随机分析中基本概念之一。其基本性质为：布朗运动W（t）是期望为0方差为t（时间）的正态随机变量。对于任意的r小于等于s，W（t）-W（s）独立于的W（r），且是期望为0方差为t-s的正态随机变量。可以证明布朗运动是马尔可夫过程、鞅过程和伊藤过程。
⑤ 正螺旋效应是怎么产生的
沪深A股市场价格混沌特性研究
Study on Chaos process of stock price in Shanghai and Shenzhen A shares Stock market
研究领域： 金融学
1、前言
现代金融经济学理论假定投资者是理性的，证券价格等于其内在“基本价值”，在这种理想的市场环境中，市场是有效率的。Fama(1970)提出有效市场假说（Efficient Market Hypothesis,EMH），认为在一个有效率的市场中，证券的价格充分反映了所有可获得的信息。为了检验市场是否有效，所采用的方法一般是通过检验证券价格收益率序列是否符合随机游走模型。关于市场效率的实证研究持续了近半个世纪，但结论仍然是存在极大争议的。
自然科学的研究成果表明，一个非线性正反馈系统的演化过程可能产生混沌（Chaos）。许多经济行为模式都是非线性的，例如，投资者对风险与收益的偏好、市场参与者之间的决策博弈、一些经济合同及金融工具的选择性条款等。行为金融学派认为，投资者并非完全理性的，而是存在“代表性直觉（Representativeness heuristic）”等认知偏差（Kahneman 与 Tversky，1979），在这些认知偏差影响下，由于羊群效应（Scharfstein 与 Stein，1990）、外推预期等因素，证券市场存在正反馈机制（De Long等，1990b）。因此，证券价格形成过程中，存在非线性正反馈机制， 在这种机制的驱动下，证券价格有可能出现混沌(Chaos)现象，使证券价格的演变表现出复杂性（Complexity）。
混沌概念是E．Lorenz（1963）最早在研究大气运动时提出的，它是指确定性系统的内在不规则的、永不重复的非周期性运动，这种系统存在内在非线性正反馈动力，其定常状态是一种性态复杂、紊乱但却使终有限的运动状态，且系统的运动路径受系统初始条件及参数影响很大。混沌表面上看起来像随机运动，它能通过所有传统的随机性检验，例如，在许多计算机系统中，类似于Logistic映射这样的混沌过程算法就被作为伪随机数发生器(Pseudo Random Number Generators)产生随机数序列。混沌貌似随机性（Randomness），但它不是随机性。随机性是随机过程，是噪声扰动引起的。而混沌则是由内在确定性的非线性正反馈引起的，因此也被称为确定性混沌(Deterministic Chaos)。
混沌的概念提出以后，对现代金融经济学中有效市场理论的冲击是巨大的。Fama(1970)通过检验证券价格收益率序列在统计上能通过随机行走模型检验，从而认为市场是有效的。但是，如果证券价格收益率序列存在确定性混沌过程，它在数学上也完全能够通过所有随机性检验，但它却不是随机运动，而是受内部确定性过程驱动，这样，传统金融经济学有效市场理论的基础将变得十分脆弱。
本文将简要回顾混沌理论的研究成果及其在金融市场研究中的应用，并对沪深A股市场价格的混沌特性进行实证研究。本文的研究表明，沪深A股市场存在低维确定性过程。
本文余下部分安排如下，第二部分是对混沌理论及相关研究成果进行简要回顾，第三部分对沪深A股市场股票价格混沌特性进行实证研究，第四部分是全文的总结。
2、混沌理论及证券价格的混沌特性
Lorenz（1963）在研究气象预测时发现，大气运动这样的复杂系统存在混沌过程，在一定的条件下，系统运动的轨迹将是围绕两个不动点（即奇异吸引子，Strange Attractor）的发散的螺旋，并局限在一个有界的、体积为零的曲面上，进行不断无规则的振荡。这种不规则的来回振荡，好像飞蛾看到两个光源，飞向一个光源，当靠近时感到太热又飞向另一光源，如此不规则地来回飞腾，其飞行的轨迹永不重复。由于它的形状类似蝴蝶的双翼，所以也被称为Lorenz蝴蝶结，如图1所示。
图1 Lorenz 蝴蝶结
周期运动或周期性振荡是大量存在的，但上述Lorenz过程是非周期振荡，好像永不结束的过程，然而它既不发散也不消失，一直是不规则的振荡。这种振荡的轨迹在三维相空间上是螺旋线，非常密集的曲线在无穷多层平面上呈分形结构（Fractal Structure，参见Mandelbrot, 1985），无穷长，且对初始条件敏感，初始条件中无足轻重的误差能够被系统迅速放大，导致系统的演变路径大相径庭。正如Lorenz 所指出的那样：“巴西一只蝴蝶的扇动可以引发得克萨斯洲的飓风”，即所谓“蝴蝶效应（Butterfly Effect）”。
混沌是作为确定性过程与随机性过程的桥梁，确定性过程是完全可预测的，而随机性过程则是完全不可预测的，而混沌过程则是界于确定性过程与随机性过程之间。由于混沌过程对初始条件敏感，初始细微的误差可以成倍地放大，因此，对于长期来看，系统的演变是不可预测的。但是，如果初始条件保持稳定，运用混沌过程对系统的短期演化状态进行预测，得到的结果将比采用线性随机过程可能得到的预测结果精确得多，因此，混沌过程对经济分析与预测的意义是明显的。这可以解释为什么传统经典金融理论认为奉行图表分析的技术分析是无意义的，但在金融市场仍然存在为数众多的投资者采用技术图表分析，追随证券价格趋势（Murphy, 1986），而且这些交易者并不像传统理论所认为的那样，在与理性交易者长期博弈过程中，这些交易者将因遭受亏损而被赶出市场。
在行为金融学分析框架下，由于证券市场投资者并非完全是古典意义上的理性经济人，投资者存在认知偏差，对同一事件不同投资者具有不同的价值判断，从而表现出不同的决策行为。事实上，按照Kahneman 与 Tversky(1974,1979)提出的前景理论（Prospect Theory），各类投资者的风险偏好并不是固定不变的，存在风险偏好的反转。投资者的价值函数是根据参考点进行定义的，在赢利时是凹函数，在亏损时是凸函数，即在赢利时是风险厌恶型的，而在亏损时是风险追求型的，而且在亏损区间比在赢利区间更陡峭，人们对亏损比对赢利更加敏感。
此外，在前景理论中，投资者权重函数也是非线性的。在极端低概率及极端高概率处，权重函数都存在跳跃，某一事件如果其发生的概率极端地高，明显地接近于1，则决策者在编辑阶段将明确地将其视为确定性的事件，相反，如果某一事件发生的概率极端地小，接近于零，则决策者在编辑阶段可能就将其忽略。因此，人们倾向于对那些极端不可能的事件或者忽略或者高估，而对于一些极端高概率的事件则或者忽视或者夸大。
投资者在决策时存在保守主义(Edwards, W., 1968)，不会轻易对新收到的信息做出反应，除非人们确信得到足够的信息表明环境已经改变。而且投资者的行为模式一般是当环境的变化已经达到一定阀值以后，才一起对所有的信息集中做出反应。例如，对理性投资者来说，其对证券的需求并不完全与证券价格偏离基础价值的程度呈线性关系。在投资实务中，证券分析师与投资经理会经常设定一个他们认为安全的价格线, 价格在此安全价格线以上, 他将进一步等待, 而一旦价格低于这一预先判定的价格时, 他们将迅速大量买入。例如，价值投资理论的创立者本杰明•格拉厄姆（Benjamin Graham）特别强调投资的安全边际（Safety Margin），只有投资者的预期收益达到一定程度以上时，才会建议买入证券。
总之，在证券市场，由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为可能形成正反馈效应，这种正反馈机制会使证券价格的演变产生十分复杂的运动，在一定条件下产生混沌过程，导致证券价格收益率分布呈现分形等复杂结构，表现出高度的复杂性。例如，价格的突然大幅度波动则导致分布产生胖尾现象，而混沌及局部奇异吸引子的出现，导致证券价格胶着于一些价格附近，来回进行无规则的反复振荡，则使证券价格分布出现局部尖峰的特征。
现实市场中的非线性特性将进一步增加证券价格形成的复杂程度，使市场交易在本质上变成一种不同投资者之间的多轮博弈。由于证券价格的演变可能形成混沌过程，系统的初始状态对证券价格的演变路径影响很大，初始状态细微的差别将导致长期结果的巨大差别，即所谓“失之毫厘，谬以千里”的蝴蝶效应。因此，就长时间跨度来说，证券价格波动的方向及波动的幅度都是难于预测的。股票价格的波动形式既可以呈现出稳定的均衡（即通常所说的“盘整”），也可以是非周期性的振荡，还可以突然出现暴发性上涨（泡沫）或者大幅度下跌（泡沫破灭或者负泡沫）等剧烈波动，局部可能与整体相似，但永不重复且不可逆转，呈现分形等复杂且不规则的分形结构，表现出高度的复杂性。混沌过程所拥有的“蝴蝶效应”还可以解释一些偶然性局部事件所引发的全球性金融市场异常波动，例如，上世纪90年代初的“墨西哥金融危机”及90年代后期的东南亚金融危机等。如果证券价格存在混沌特性，则意味着证券价格变化在短期内存在一定的可预测性，而进行长期预测则是极为困难的，从投资策略角度看，这意味着基于证券价格短期变化的交易者可能存在生存的空间。
在实证研究方面，Fama 1970年提出有效市场假说以后，关于资本市场效率的实证研究不胜枚举，大量经验研究表明，证券价格收益率分布不是高斯分布，具有尖峰与胖尾的特点，经常产生一些极端数值，而且，按不同的时间间隔建立收益率分布曲线，得到的都具有相似的尖峰与胖尾的特征，具有时间分形的特征。Mandelbrot(1972)提出重标极差分析法（Rescaled Range Analysis, R/S分析方法）以后，许多学者运用R/S方法研究了股票市场效率及检验股票市场价格是否存在记忆特性。这方面的文献包括：Peters（1989,1991,1996），Lo（1991）， Pandey，Kohers与Kohers（1998）等。这些经验研究结果显示，金融数据具有长期记忆的特征，即是说，股票当前价格运动受到以前的价格运动的影响。这意味着股票价格存在一定时间区间内的趋势持续效应，这也在一定程度上印证了股票价格形成过程中存在正反馈效应。
Lorenz(1963)提出混沌理论以后，Grassberger and Procaccia(1983a)提出了关联维数（Correlation Dimension）的分析方法，用以识别时间序列是否存在低维确定性过程。Scheinkman 与Lebaron（1989）根据美国证券价格研究中心（CRSP）提供的以市值为权重的美国股票收益率指数，对始于1960年代初期的共1226个周收益率数据考察了其关联维数（Correlation Dimension, CD）, 他们研究得到CD值为6，从而认为美国股票周收益率序列总体表现出了非线性关联，并认为这种非线性关联可以解释金融资产分布的尖峰、胖尾等特性。Brock与Back（1991）再度扩展了Scheinkman 与LeBaron的研究，得到的CD值在7-9之间，因此，也拒绝了股票价格收益率是独立同分布（Independent Identical Distribution，IID）的假设，倾向于支持股价收益率分布存在低维确定性过程的备择假设，但他们同时指出，并不能就此认为存在混沌过程。Urrutia等（2002）的研究则提出了针锋相对观点，他们研究了1984年至1998年期间美国保险公司股票收益率特性，研究表明保险公司股票收益率存在非线性特征，并且进一步验证导致这种非线性的原因就是低维混沌过程。总体而言，这些经验研究提供了实质性的证据表明，股票、汇率、商品期货等金融数据序列存在非线性结构，但就是否明确存在低维确定性混沌过程，则结论不完全一致，仍然存在争论。
对于中国大陆股票市场，戴国强等（1999）对上证综合指数及深证成份指数进行R/S分析，计算得到Hurst指数分别为0.661和0.643；史永东（2000）所作的R/S分析显示，上海证券交易所股票市场的Hurst指数为0.687，而深圳证券交易所股票市场的Hurst指数为0.667；曹宏铎等（2003）计算的深证证券交易所股票市场日收益率、周收益率、月收益率的Hurst指数分别为0.6507，0.7000，0.6906及0.7576。上述经验研究表明，上海及深圳股票市场并不呈随机行走的特征，而具有状态持续特征，同时也意味着中国股票市场不是弱式有效的。
事实上，关于中国股票市场是否弱式有效，一致存在极大争议。正如张亦春与周颖刚（2001）所意识到的那样，一方面，多数研究人士凭经验就感觉到中国股票市场投机性强，远未达到有效状态。例如，沪深A股市场近年来上市公司财务造假不断案发 ，庄家操作市场盛行 ，股价严重脱离内在价值，上海A股市场在2000年及2001年平均市盈率高达60多倍，被很多学者斥为“赌场”，宣称这样一个市场已达到弱式有效状态，确实让人们难以接受。另一方面，许多学者所作的实证研究却表明，证券价格收益率序列十分接近随机行走模型，因而无法有力地拒绝有效市场假设。经验感觉与理论研究结论大相径庭，这其中的原因究竟是什么？到底是现实错了？还是学术理论研究有问题？混沌的思想让我们豁然开朗！因为，如果证券价格存在混沌过程，或者是在混沌过程基础上迭加一个随机过程，那么，市场显然是无效的，但证券价格收益率序列同样能通过随机性检验。例如，假设证券价格波动序列是一个Logistic 映射过程，它显然是一个确定性的混沌过程，但是，这一过程在许多计算机系统是被当作伪随机数发生器，常规的检验方法根本无法识别确定性过程，而是将其视为随机序列！如果这样的话，所有通过考察证券价格是否能够通随机性检验的方法来考察资本市场有效性的研究，其理论基础及研究结论都将受到质疑。
3、沪深A股市场价格混沌特性实证研究
本文同时采用R/S分析方法及关联维数（Correlation Dimension,CD）分析方法考察沪深A股市场的非线性特征。通过R/S分析方法能够识别出证券价格序列是否存在持续效应，这在某种程度上可以验证股票市场是否存在正反馈交易机制，正反馈过程是产生混沌的前提。采用关联维数分析，可以识别股价序列是否存在混沌特征。我们的数据来源于乾隆公司的钱龙资讯系统。
3．1 R/S分析
Hurst（1951），Mandelbrot(1972)及Lo（1991）等所发展并完善了赫斯特指数(Hurst Index)的分析方法，即重标定域（Re-scaled range，R/S）分析方法。
赫斯特指数(H)可以用来识别时间序列的非随机性, 还可以识别序列的非周期性循环，因而可以用于识别时间序列的非线性特征。如果序列的赫斯特指数不等于0.50，则观测就不是独立的，每一个观测值都带着在它之前发生的所有事件的“记忆”，这种记忆不是短期的，它是长期的，理论上讲，它是永远延续的。虽然远期事件的影响不如近期事件的影响大，但残留影响总是存在的。在更宽泛的尺度上，一个表现出赫斯特统计特性的系统是一长串相互联系的事件的结果。今天发生的事情影响未来，今天我们所处的地位是过去我们所曾处的地位的一个结果。
关于Hurst赫斯特指数的详细计算参见文献Mandelbrot(1972)及Lo（1991）等，其计算过程如下：
1．对一个时间序列 ，考察长度为n的时间窗口内的子序列， ，n=1,2,3,……K，计算序列的平均值为：
………………………………（1）
2．计算子序列偏离均值的差值
………………………………（2）
显然， 的均值为零，这是重标定或归一化（标准化）。
3．计算偏离均值的累加值
……………………………（3）
4．计算时子序列的域
………………………………（4）
5．计算采样子序列的标准差
………………………………（5）
6．计算子序列重标定域
……………………………（6）
7．求解全序列 的均值
………………………………（7）
8．求解赫斯特指数
与 有幂关系，即：
……………………………（8）
……………………………（9）
在对数坐标上，设水平轴n，纵轴为 ，对 与 进行回归, 则线性回归的斜率为赫斯特指数。
我们选取上海证券交易所A股综合指数从1990年12月19日至2003年12月23日，以及深圳证券交易所A股综合指数从1992年10月4日至2003年12月23日期间的交易数据，分别计算其日收益率及周收益率序列的赫斯特指数，从而考察沪深A股市场的证券价格是否存在非线性特征。
采用上述方法,计算得到沪深A股综合指数的赫斯特指数,如表1所示，在图2—图5中，还详细地列出了R/S分析图。
表1 沪深A股综合指数Hurst 指数
上海A股指数 深圳A股指数
日收益率序列H值 0.66(t=336) 0.63(t=306)
周收益率序列H值 0.69(t=84 ) 0.69(t=97 )
图2 上证A股指数日收益率序列 图3 上证A股指数周收益率序列
图4 深圳A股指数日收益率序列 图5 深圳A股指数周收益率序列
从表中数据我们可以看到，沪深A股市场的赫斯特指数无论以周数据统计还是以日数据统计，结果基本一致，均在0.60以上。H值大于0.50，意味着今天的事件确实影响明天，即是说，今天收到的信息在其被接收到之后继续被市场计算进去， 这从另一侧面印证沪深A股市场价格并不呈随机行走状态，收益序列之间存在一定的关联性，这是一种持续效应（Persistence effect）。如果股价序列在前一个期间是向上运动的，则它在下一个期间将更可能继续向上运动的趋势，反之，在前一个期间是向下运动的，则它在下一个期间更可能持续向下运动的趋势。股价序列的这一特性与经验感觉是一致的，无论是国内股票市场还是全球其它地区的股票市场，典型的牛市或者熊市，并非短暂的数日或者数月，往往持续数年。而股票市场极其异常的波动，例如，美国股市1929年股灾、1987年的暴跌等，均使投资者对市场的信心受到严重打击，市场在其后很长一段时间深受其影响。股价的持续效应在某种程度上印证了股票市场存在的正反馈效应机制。
3．2 关联维数分析
Grassberger 与Procaccia(1983a,1983b)提出了关联维数（Correlation Dimension，CD）方法，用以考察时间序列的非线性特性。其基本思想是：如果一个混沌过程是n维确定性过程，则该过程将充满n维空间，但如将其置于更高维的空间里，该过程将留下许多“洞眼”。一般地，关联维数度量的是相空间被一组时间序列“填充”的程度，关联维数越大，填充程度越高，表示时间序列内部结构越复杂，它类似随机过程时间序列的程度越强。需要指出的是，我们仅对低维混沌过程感兴趣。 如果股票价格真的是高复杂性的混沌过程，我们采用有限的样本数据是永远也无法识别出其复杂的结构的。此时，它可能与一个良好的“伪随机数发生器”产生的数据相近，高维混沌过程与随机过程将没有实际意义的区别。
设时间序列 由具有 个自由度的非线性动态系统产生，可以构造 维相空间失量：
………………（10）
其中， 被称为镶嵌维(Embedding dimension)， 为适当的时滞单位。时间序列过程在相空间的运行轨道是由一系列 维失量构成。如果该系统最终收敛为一组确定性过程，则该系统的运行轨道将收敛于相空间中维数低于 的相空间子集，即吸引子（Attractor），在这些吸引子周围的运动是混沌过程，具有非周期性且长期运动状态无法预测。
考虑吸引子附近的失量集合 ，关联积分（Correlation Integral） 定义为对于任意给定的 ，那些彼此之间的距离小于 的点数对（Pairs of Points） 的数量占所有可能的点数对的比例，即：
……………………（11）
其中， ……………（12）
当 时，对任意小 ，可以预期C遵循指数幂变化规律，即：
，从而关联幂（Correlation Exponent）可以通过对 与 对回归计算得到：
……………………………（13）
如果系统存在确定性混沌过程，随着镶嵌维数的增加，关联幂D值达到饱和值以后，将大约保持不变，这一关联幂指数的饱和值就是吸引子的关联维数。如果系统是随机过程，则随着镶嵌维数的增加，D值亦将成比例地增加，趋向无穷大 。
图6 上证A股指数在不同镶嵌维空间中的关联积分
图7 上证A股指数关联维
我们考察上海证券交易所A股综合指数从1990年12月19日至2003年12月31日期间日收益率时间序列的关联维。图6为上证A股综合指数在1-8维相空间中关联积分 随 值的变化情况。从图中我们可以看到，在 值处于0.0003-0.005区间时, 与 的变化呈现出指数幂关系。图7是关联幂D随镶嵌维数m的变化情况，我们可以看到，随着镶嵌维数m超过2以后，关联幂D值不再增加，而是稳定于大约 区间, 即上证A股综合指数的关联维数大约为1.4, 因此, 我们可以推测, 上证A股综合指数存在关联维数大约为 的低维确定性混沌过程。
相对于Scheinkman 与Lebaron（1989）及Brock与Back（1991）等计算得到的成熟资本市场关联维数，我们计算得到的上海A股市场的关联维数明显更低。如果时间序列是一个低维确定性过程，则意味着时间序列在短期是具有一定的可预测性的。从这个意义上看，我们认为，相对成熟资本市场，上海A股市场指数的随机性程度更低，而短期可预测性更强，这在某程度上也说明市场效率程度相对更低。另外，由于混沌特性，证券价格在短期具有一定的预测性，但进行长期预测则是极为困难的，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在获取利润的空间。
4、结论
在一个存在非线性正反馈机制的系统中，系统的演化理论上可能出现混沌过程。 证券市场由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，形成正反馈效应，从而可能导致证券价格的演变呈现出混沌过程，表现出复杂性。
本论文所做的实证研究表明，沪深A股市场指数的赫斯特指数大于0.5，这意味着沪深A股市场价格并不呈随机行走状态，收益序列之间存在趋势持续的特性，这也在一定程度上说明了股价形成过程中存在正反馈效应。对上海A股市场指数的考察进一步表明，上海A股市场指数收益率序列存在低维确定性混沌过程，其关联维数大约为1.4。 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场, 市场在短期的可预测性更强一些, 这在某种程度上表明市场的效率程度更低一些。市场存在确定性混沌过程，市场显然是无效的，但是，由于混沌过程同样能够通过随机行走模型检验, 我们认为, 这也许是为什么关于资本市场效率的传统实证检验结果仍然存在极大争议的原因。因为常规检验方法无法区分混沌过程与随机过程，因此，本论文认为，所有采用常规方法，通过考察证券价格是否符合随机游走模型，从而推断资本市场有效性的研究，其理论基础及研究结论均存在严重缺陷。由于证券价格运动的混沌特性，这意味着证券价格在短期具有一定的可预测性，但进行长期预测则是极为困难的。证券价格的这种混沌特性，从投资策略角度看，意味着基于证券价格短期变化的交易者可能存在生存的空间。
内 容 提 要
行为金融理论认为，投资者不是完全理性的，而是存在各种认知偏差。由于噪声交易者的存在、从众心理及羊群效应等产生的群体性非理性行为，证券市场存在正反馈效应。而且，投资者行为模式都是非线性的，在一个存在非线性正反馈机制的系统中，证券价格的演化可能出现混沌过程。
本论文所做的实证研究表明，沪深A股市场价格并不呈随机行走状态，而是存在非线性结构；上海A股市场指数收益率序列存在低维确定性混沌过程，其维数大约为1.4, 这一数值远低于成熟资本市场的指标，这表明上海股票市场指数收益率序列随机性低于成熟资本市场。由于市场存在确定性混沌过程，市场虽然是无效的，但同样能够通过随机行走模型检验，这也从某一角度说明了，为什么关于资本市场效率的传统实证检验结果仍然存在极大争议。由于混沌的存在，证券价格变化在短期具有一定的可预测性，但进行长期预测则是十分困难的。
⑥ 如何计算股票的理论价值（真实价值）
根据行业不同,其价值与财务的一些指标也是不一样的,比如钢铁股,它的价值应该是每股赢利*10,但要是航空,或酒类,很明显这个价值是太低了,所以,这也是需要一种经验的，你在股市呆时间长了，毕竟会知道每一个版块的价值应该是多少,不过如果你非要想好好学学的,那就学学上市公司财务报表分析吧,不过这对一般的股民比较难，它比如要具备会计的知识,金融的知识和货币银行学的知识,所以你根据自己的能力来选择是凭经验还是凭理论吧,金融投资本来就是个专业的工作，其实散民在没有什么相关知识而匆忙入市,这也是中国股市有那么多"捐躯者"的原因,我是学金融专业的,而且也在股市里做了几年,深知还是从理论开始学比较好的,有问题可以联系我，
⑦ 混沌的模型的复杂行为
简单原因可导致复杂后果。许多看来杂乱无章、随机起伏的时间变化或空间图案，可能来自重复运用某种简单而确定的非线性基本作用的结果。一个典型例子是极为简单的一维迭代虫口模型。 假定成虫繁殖后全部死亡，然后孵化出下一代，世代之间没有交叠。如果下一代虫口数简单正比于前一代虫口数，只要平均产卵数大于1，经过几代繁殖就会虫满为患。这就是马尔萨斯虫口论：虫口按几何级数增长。然而，随着虫口增长，群虫争夺有限食物和配偶，加之传染病因虫间接触而蔓延，虫口又会减少。产卵数正比于虫口数，虫间争斗和接触正比于虫口数平方。可用xn+1=λxn(1-xn)的迭代过程描述虫口变化，其中xn代表第n代虫口 ，λ是一个表示虫口增长率的参数，取值范围为0≤λ≤4。对应一个λ值，任取初值x0，根据前述迭代关系，反复迭代算出x1,x2,... 不看最初的有限个x值。它显示出了简单迭代模型的复杂行为。在0≤λ≤1时，虫口数最终为0，表明在此范围内虫种灭绝。在1≤λ≤3时，虫口数随λ单值上升，x(λ)=1－1/λ，迭代值为不动点。从λ>1开始，出现两种不同类型的虫口变化方式：先是x(λ)在2个点之间跳跃，然后在4,8,16,…,2n个点间作周期性跳跃，表现出倍周期分岔规律，这个λ区是对初值不敏感的周期变化区；当λ≥λ∞…时存在确定的λ区内，稍微改变初值则其上的x(λ)所经历的具体数值就完全不同，这正是对初值敏感的混沌区，如果提高精度在此区可看到小的对初值不敏感的周期变化区。这种在混沌区内镶嵌的周期区称为周期窗口，其分叉图存在自相似结构。不难看出，即使如xn+1=λxn(1－xn)这样简单的迭代，由于包含非线性作用，也会表现出从分岔到混沌的变化过程和周期运动与混沌运动互相交织、乱而有章的复杂图景。
