大众媒体之间的动态互关联的消息,新媒体新闻,股票回报

文摘

我们研究大众传媒新闻之间的动态互关联,新媒体新闻,股票收益在中国股市SSE 50指数采用MF-DCCA方法。实证结果表明,(1)之间存在幂律互关联之间的两种类型的新闻以及新闻和其相应的SSE 50指数回报;(2)大众媒体新闻和SSE 50指数之间的互关联返回显示更大的分形和更复杂的结构;(3)大众媒体新闻和新媒体新闻都互补和竞争关系;(4)与滚动窗口分析,我们进一步发现,有一种普遍的增长趋势之间的互关联两种类型的新闻以及新闻和回报之间的互关联这一趋势随着时间的推移变得更加持久。

1。介绍

根据有效市场假说,证券市场可以反映出即时的信息。然而,有许多异常显示外源信息在股票市场上扮演着重要的角色。新闻,例如,作为一个外生的类型信息,深入调查了对股票市场的影响,包括新闻和股票价格之间的关系(1,2),股票收益(3],交易量[4[],投资者的行为5,6,新闻背后的内在情绪之间的相关性和股票市场7]。随着互联网的发展,网络已经成为最重要的新闻来源。因此,新闻分为传统大众媒体新闻和新媒体新闻根据新闻的来源(至于定义,看看https://en.wikipedia.org/wiki/New_media和https://en.wikipedia.org/wiki/Mass_media)。新源的新闻新闻带来了新的特性。通过互联网,新媒体新闻扩散更快,可以很容易地获得更多的方便。新媒体新闻相比,大众媒体的消息是更严格的,我们可以通过大众媒体的新闻更深刻的思想。所以新闻的新来源的出现导致金融研究的新方向。一个可能的相关性不同的新闻的来源,特别是它们之间的相关性时,他们被称为影响股票市场的因素,以及不同的角色,他们在股票市场。因为每日新闻的数量可以被看作是信息的强度(8),它是有意义的探索相关的新闻。

最常用的测量相关的皮尔逊相关性。使用这种方法,时间序列必须固定,根据高斯分布。但新闻系列在股市是并不是所有的平稳性和高斯分布。为了克服这些限制,现有文献已从事探索措施调查远程之间的互相关两个时间序列的非平稳、非高斯分布。基于该方法的去趋势波动分析(DFA)引入了彭et al。9)关注远程DNA系列的自相关,Podobnik和斯坦利10]提出的方法去趋势互相关分析(DCCA)探讨远程两个非平稳的时间序列之间的互相关。然后周(11]介绍了多重分形去趋势互相关分析(MF-DCCA或称为MF-DXA)调查互相关通过考虑多重分形特性。通过这些分析,本文从事调查之间的互关联的大众媒体新闻和新媒体新闻的数量以及不同类型的消息的互相关的方法和相应的股票收益MF-DCCA。调查等关系是有利于了解金融市场的信息效率。

本文的其余部分组织如下。部分2回顾了现有文献对新闻和股票市场以及MF-DCCA的方法论。部分3描述了本文中使用的示例数据和选择的过程。部分4介绍了MF-DCCA的详细方法。部分5提出了本文的实证结果和部分6结论。

2。文献综述

2.1。新闻和股票市场的表现

现有文献对金融新闻和股票市场之间的关系的行为可以分为两类。第一是指大众传媒新闻调查的影响,也就是说,新闻从报纸、电视、广告、回报,成交量、流动性和波动性(1,4,7,12- - - - - -17]。我们主要发现大多数的这些文献关注收益报告,标题的数量,和广告上的支出,但只有少数使用的信息内容。第二个是指调查新媒体新闻和回报之间的关系可预测性以及市场动态(18- - - - - -31日]。这条线的工作已经研究兴趣从构建更复杂的模型更重视数据及其对市场动态的影响。

2.2。MF-DCCA

现有的文献对去趋势互相关分析大致可以分为两个部分。一个进行扩展和修改方法,介绍了一系列的扩展方法,如MF-X-DMA[的方法32],MF-DHA [33],MF-X-PF [34]。这些方法都提高的方法的效率MF-DCCA在某种程度上。另一部分的文献集中在金融市场时间序列之间的互相关或整个市场。王等人。35)发现,中国a股和b股之间的多重分形分析显著cross-correlates MF-DCCA的方法。曹et al。36]研究了多重分形去趋势中国外汇市场和股票市场之间的互得出类似的结论。顾et al。37]使用MF-DCCA证明分形之间的互相关有不同的性能和市场效率在股权分置改革前后。陆et al。38)之间的动态关系研究日元汇率和市场焦虑,发现互相关展品不同波动。李等人。39]研究了原油之间的互相关和汇率市场突然发现他们的互相关是敏感事件。

3所示。数据描述

我们得到每日新闻数据列的安全信息和新闻RESSET金融数据库在中国。相对应的股票新闻样本是中国股票市场指数的成分股票50 50 (SSE)。上交所《每日返回50也从RESSET获得在中国金融数据库。SSE 50的股票是最活跃的股票市场价值最高的和最高的中国股票市场的流动性。所以他们可以代表中国股市好,有足够数量的新闻调查之间的互相关两种类型的新闻和新闻之间的互相关和回报。调整成分股票每半年以来,我们收集所有的股票一旦选定的成分股票SSE 50。然后我们把股票摘牌。整个样本期间从2011年1月1日至12月31日,2016年,每日观察。和本文使用的股票总数是532在这一时期。

我们分类新闻媒体新闻和新媒体新闻基于所选择的过程所使用的Zhang et al。40根据名字的新闻来源。后进行选择的过程中,大众媒体和新媒体的数据来源是265年和334年,分别。组成股票以来SSE 50改变随着时间的推移,我们的目标是调查之间的互关联的新闻和SSE 50的回归,本文中使用的每日新闻的新闻股票属于SSE 50那天。图1说明了两种类型的每日的新闻从2011年1月至2015年12月。红线是日常大众媒体的新闻(毫米)和蓝线是每日的新媒体新闻的数量(NM)。我们可以找到一个稳定的趋势的大众传媒新闻在整个样本期间,虽然有一个增加的趋势的新媒体新闻。的定量关系两种类型的消息改变2013年左右。2013年之后,新媒体新闻的数量超过了大众媒体的新闻。

4所示。实证方法

探索两个非平稳的时间序列之间的互相关,已有多种方法被引入现有的文献。在这篇文章中,我们遵循的方法论多重分形去趋势互相关分析引入的周(11]。考虑任何两个时间序列和 , ,长度相等 。然后MF-DCCA的过程可以描述如下。

步骤1。我们构建的两个“配置文件”两个时间序列和获得新的系列: 在哪里 和 。

步骤2。把两个配置文件 不重叠的窗口长度相等 ,分别。如果长度的时间序列不是多个时间尺度 ,仍将有一个短段的每个概要文件部分。为了避免这种情况,我们重复相同的分裂过程从这个概要文件的结束。然后我们得到了每个概要文件的片段。是设置为 步骤1。

步骤3。估计当地的每一部分通过OLS方法的线性趋势。 为 和 为 ,在那里和是当地的趋势。

步骤4。得到了阶平均波动函数的所有部分: 特别是, 定义的方程

第5步。通过观察分析波动的尺度行为功能的双对数图与 。如果两个系列远程地阐述,我们可以得到一个幂律关系如下: 可以通过双对数图的斜率的与 。我们可以使用OLS方法计算斜率。的价值显示两个时间序列的互相关。如果 ,它们之间的互相关是持久的(积极的)。当 ,有一个antipersistent(负面)两个时间序列之间的互相关。和 ,这两个时间序列不是彼此地阐述。特别是,当 标度指数,是广义的赫斯特指数。

5。实证结果

5.1。互相关检测

前调查之间的两两互相关两种类型的消息量系列和返回的指数,一个互相关Podobnik提出的测试使用方法和斯坦利10是在首先进行)。检验统计量的定义是

在这里,互相关函数,定义如下: 在哪里和两个时间序列相等长度的 。

测试数据大约是分布与的自由度。这个互相关测试的零假设是第一互关联的值是不同的 。因此,如果互相关测试的价值超过临界值 ,两个时间序列之间的互相关重要。

图2显示了检验统计量的结果 。和红线的临界值在5%的显著水平。其他的线表示的值之间的大众媒体新闻和新媒体新闻的数量,数量的新媒体新闻和SSE 50的回归,大量的新闻和SSE 50的回归,和大众媒体新闻和SSE 50的回归从上到下的人物。很明显,所有的值超过临界值,所以零假设被拒绝,远程互相关在这些系列的任何一对。

5.2。多重分形去趋势互相关分析

自的价值只是证明远程互关联的存在定性,MF-DCCA进行定量调查互相关。规模设置从10到10−和步骤是1。数据3- - - - - -6的双对数图吗与的MM新闻和海里的消息的数量,数量的50 MM新闻和上交所的回归,和50 NM新闻和上交所的回归,以及总新闻的数量和SSE 50的回归。我们可以看到数据3- - - - - -6,虽然有一些波动线,他们都符合对数线与在1%的显著水平。从表可以看到显著水平1。这些线性曲线提供了存在的证据的幂律之间的互相关双系列。

图7显示比例指数之间的关系 。指数的方差表明存在分形之间的两两之间的互相关系列和返回的消息。特别是为毫米之间的互关联新闻数量和NM新闻量,MM新闻数量和SSE 50的回归,新闻的总量和SSE 50的回归,比例指数 更大比 。所以我们可以得出这样的结论:小波动更持久的互关联的大波动。NM之间互相关的新闻数量和SSE 50的回归“正常”的波动显示最持久的互相关。

表1报告时,这些时间序列的标度指数甚至(结论是类似的什么时候很奇怪)。表的标度指数1都大于0.5,所以数量的毫米之间的互关联的消息,海里的消息的数量,金额总额的新闻,和SSE 50的回归是持久的。为了探索分的程度,衡量, ,介绍如下(41]: 在越大分度越高。表的最后一行1显示的价值四个互关联。多重分形之间的互相关MM-NM表示强烈的两种类型的消息。更大的互相关的mm归比NM-Return显示了更强的多重分形特征和更复杂的结构之间的互相关的大众媒体新闻和SSE 50的回归。

表的最后一列1显示TM-Return之间的差异和mm归和NM-Return的总和。最后一列的值大于0的影响表明,大众媒体的新闻和新媒体消息返回小于返回各自影响的总和。这使我们认识到,有一个共享组件之间的大众媒体新闻和新媒体新闻反映了竞争关系。这些发现表明,存在重叠信息传达了两个信息来源,因此投资者需要区分新信息的决策。另一方面,TM-Return的价值大于价值的mm归或NM-Return揭示了互补关系。这结果是相似的结论Zhang et al。40]。特别是,TM-Return mm归当线是封闭的 和关闭NM-Return的线 。这反映了一个事实之间的互相关的大众媒体新闻和SSE 50的回归会导致新闻量之间的互相关和返回SSE 50的小波动。之间的互相关的新媒体新闻和返回SSE 50大波动的主导因素。一般来说,这些发现表明,所有信息来源,也就是说,大众媒体和新媒体,提供有用的信息对金融市场和资产价格的变化影响。

在数据3- - - - - -6,我们可以找到一个转折点的线性趋势曲线。所建议的Podobnik et al。42),点指的是“交叉。“通过交叉,规模指数反映不同的特性在短期内( )和长期( )。摘要跨界车的大众媒体新闻和新媒体新闻,大众媒体的新闻和SSE 50,和新媒体新闻数量和返回SSE 50以及新闻总额和SSE 50人的回归 (约190天), (约213天), (约268天), (分别为195天)。表2报告短期和长期甚至规模指数系列的新闻和回报。短期内,规模指数都大于0.5系列的三双,这反映了强劲持久的互相关,而长期扩展指数显示不同的画面。标度指数大于0.5的小波动表示强烈持续的互相关,而对于大波动扩展指数小于0.5,反映出antipersistent互相关(当 mm归, NM-Return, TM-Return)。最后一行表示分短期和长期互关联的mm归,NM-Return, TM-Return。对于任何类型的互相关的三双,短期内是这样显著小于长期的。另外,在数据8- - - - - -10比较短期和长期的互关联的两两互关联互关联的三种类型,有一个稳定的趋势短期内标度指数和短期的几乎是平行的设在。因此,在长期的分形标度指数大于短期的和互相关的新闻和SSE 50更稳定的回归。特别是,通过比较短期内扩展指数对于任何一对互相关,我们可以发现,短期内的值比例mm归的拥护者,NM-Return, TM-Return几乎是相等的 ,而长期的,TM-Return的标度指数大于任何其他两个标度指数但小于他们在任何规模的总和 。我们属性这个短期的竞争关系和互补关系在长期两种类型的消息。所以大众媒体的影响消息返回新媒体的影响是一样的回报和覆盖他们不会增加互关联的新闻和回报,而长期的互补关系两种类型的消息增加新闻的总回报的影响。

5.3。动态分析的互相关

在本部分中,我们进行滚动窗口法探索互相关的动态特性。和滚动窗口选择本文的长度是250个交易日(大约1年)35]。图11显示不同的标度指数的时间 大众媒体的新闻和新媒体新闻的数量。虽然过程是波动的,一般的趋势增加尤其是2013年后当新媒体新闻的数量超过大众媒体新闻。和的值在整个周期大于0.5。所以之间有一个持续的互相关的大众媒体新闻和新媒体新闻的数量随着时间的推移,它变得越来越持久。同样,图12显示时间不同的标度指数 新闻和回报。还有一个总体增长趋势新闻数量和返回的值随着时间的推移大于0.5。新闻数量和回报之间的互关联SSE 50越来越持久。我们把这种现象归因于效率低下的市场。根据有效市场假说,证券的价格反映了所有的信息(43]。如果市场没有效率,SSE 50的回归将取决于消息的数量。为了进一步证明这一点,我们引入市场低效率指数的概念37]: 在哪里是计算的赫斯特指数去趋势波动分析(DFA)。

在现有的文献中,赫斯特指数被认为是衡量市场效率(44- - - - - -47]。当赫斯特指数= 0.5(相应的效率指数(摘要)= 0),市场被认为是有效的。因此,更大的价值 ,效率低下的市场。图13显示的时间不同250天的滚动窗口。在图13的价值,大于0,表明市场的低效率。此外,在2013年有更大比时间,这也是这段时间有较大的标度指数为新闻数量和SSE 50的回归。所以我们进行MF-DCCA调查之间的关系互相关为新闻和回报和低效率的指标。图14显示比例指数之间的互关联指数 新闻和回报和市场低效率指标。在图14mm归,互关联的标度指数,NM-Return,和在任何尺度TM-Return都大于0.5,这表明一个持久之间两两互互关联。因此,我们可以得出结论,这个消息,无论它是大众媒体新闻或新媒体消息,中国效率低下的市场起着重要的作用。

6。结论

在这篇文章中,我们研究两种类型的消息之间的互关联(大众媒体新闻和新媒体新闻)与SSE 50的股票以及相应的返回SSE 50。通过开展MF-DCCA方法,我们可以得出以下结论。

首先,之间存在幂律互关联的两种类型的新闻以及新闻和其相应的回报。互关联的两种类型的新闻和大众媒体的新闻和回报之间的互相关SSE 50岁的小波动更持久的互关联的大波动,而对于之间的互相关的50 NM新闻和上交所的回归,“正常”的波动显示最持久的互相关。互关联的所有执行分,但大众传媒新闻之间的互相关和返回SSE 50显示更大的分形和更复杂的结构。

第二,TM-Return的价值小于mm归的总和的价值和NM-Return反映了这样一个事实:有一个共享组件之间的大众媒体新闻和新媒体新闻;因此他们之间存在竞争关系。另一方面,TM-Return的价值大于mm归或NM-Return的价值,它揭示了互补关系。这结果是相似的结论Zhang et al。40]。此外,短期内分之间的互相关的消息,并返回小于长期。此外,短期内的缩放值指数的mm归NM-Return,和TM-Return相互接近,而TM-Return的长期价值大于mm归或NM-Return的价值。这使我们认识到,有短期的竞争关系和互补关系在长期两种类型的消息。所以大众媒体消息返回的影响是一样的新媒体对回报的影响和共享他们的一部分不会增加新闻的互相关和回报而长期、互补关系的两种类型的消息增加新闻总回报的影响。

第三,进行滚动窗口的方法,我们发现有一个总体增长趋势之间的互相关两种类型的新闻以及新闻和回报之间的互相关和互关联越来越持久。我们把这种现象归因于效率低下的市场。和低效之间的持久的互关联指数和新闻和返回的时间不同的标度指数表明,新闻,无论它是大众媒体新闻或新媒体消息,中国效率低下的市场起着重要的作用。

诚然,上述结果不能完全揭示新闻的两种类型之间的关系以及新闻和股票收益之间的关系。探讨大众传媒新闻和新媒体新闻发挥作用在股票市场更准确地说,更多的工作,例如,放牧行为和之间的结构性突变两种类型的消息(48,49),在未来需要做的事情。此外,建议由Cajueiro和Tabak [50),检查这两个类型的新闻信息的作用效率也是一个很有前途的研究方向。我们把这些留给未来的研究。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

这项工作是由中国国家自然科学基金(71771170,71771170,71790594)和天津市教育委员会社会科学重点项目(没有。2016 JWZD08)。

引用

1. w·c·陈,“新闻和股票价格反应没有消息:漂移和逆转头条新闻后,“金融经济学杂志,卷70,不。2、223 - 260年,2003页。视图:出版商的网站|谷歌学术搜索
2. c·维加”,公共和私人信息,股票价格反应”金融经济学杂志,卷82,不。1,第133 - 103页,2006。视图:出版商的网站|谷歌学术搜索
3. g . Birz和j·r·洛特Jr .)“宏观经济新闻对股票收益的影响:新证据从报纸报道,“银行与金融杂志》上,35卷,不。11日,第2800 - 2791页,2011年。视图:出版商的网站|谷歌学术搜索
4. p . c . Tetlock m . Saar-Tsechansky和s Macskassy”字:多量化语言来衡量公司的基本面。”金融杂志,卷63,不。3、1437 - 1467年,2008页。视图:出版商的网站|谷歌学术搜索
5. 学术界。吴和C.-J。林”,媒体报道的影响,投资者交易行为和股票回报,”太平洋航运金融杂志,43卷,第172 - 151页,2017年。视图:出版商的网站|谷歌学术搜索
6. j . e . Engelberg a . v . Reed, m . c . Ringgenberg”短裤通知怎么样?。卖空者、新闻和信息处理”,金融经济学杂志,卷105,不。2、260 - 278年,2012页。视图:出版商的网站|谷歌学术搜索
7. p c。泰特劳克博士说“给投资者情绪内容:媒体在股票市场的作用,“金融杂志,卷62,不。3、1139 - 1168年,2007页。视图:出版商的网站|谷歌学术搜索
8. f .签约,s . Micciche m . Tumminello j . Piilo r . n .那年,“新闻如何影响不同类别的投资者的交易行为在金融市场上,“定量金融学,15卷,不。2、213 - 229年,2015页。视图:出版商的网站|谷歌学术搜索|MathSciNet
9. C.-K。彭,s . v . Buldyrev s Havlin m·西蒙斯h·e·斯坦利和a . l . Goldberger“马赛克组织DNA的核苷酸,”物理评论E:统计、非线性和软物质物理学卷,49号2、1685 - 1689年,1994页。视图:出版商的网站|谷歌学术搜索
10. b . Podobnik h·e·斯坦利,“去趋势互相关分析:两个非平稳的时间序列分析的新方法,”物理评论快报,卷100,不。2008年8篇文章ID 084102。视图:出版商的网站|谷歌学术搜索
11. w·周”,多重分形去趋势互相关分析两个非平稳的信号,”物理评论E:统计、非线性和软物质物理学,卷77,不。6、文章ID 066211, 2008。视图:出版商的网站|谷歌学术搜索
12. d·卡特勒·j·波特,l·萨默斯(lawrence Summers)“移动股价什么?”工作底稿,15卷,不。487年,4 - 12,1989页。视图:谷歌学术搜索
13. j·m·格里芬:h . Hirschey, p . j . Kelly“金融媒体在全球市场有多重要?”金融研究,24卷,不。12日,第3992 - 3941页,2011年。视图:出版商的网站|谷歌学术搜索
14. p . Klibanoff o .拉蒙特,t . a . Wizman”突出的新闻在中国封闭式基金,投资者反应”金融杂志,53卷,不。2、673 - 699年,1998页。视图:出版商的网站|谷歌学术搜索
15. p c。泰特劳克博士说“所有适合的新闻转载:投资者对陈旧的信息吗?”金融研究,24卷,不。5,1481 - 1512年,2011页。视图:出版商的网站|谷歌学术搜索
16. l .方和j·佩雷斯,”媒体报道和横截面股票的回报。”金融杂志,卷64,不。5,2023 - 2052年,2009页。视图:出版商的网站|谷歌学术搜索
17. t . l .党、f·莫西仁和b .张“共性在世界各地的新闻,”金融经济学杂志,卷116,不。1,第110 - 82页,2015。视图:出版商的网站|谷歌学术搜索
18. 张y l .冯x, d .沈x,和w·张,“互联网信息的到来和中小企业价格指数的波动,”自然史答:统计力学及其应用卷,399年,第74 - 70页,2014年。视图:出版商的网站|谷歌学术搜索
19. z Da、j . Engelberg和p高,“寻求关注,”金融杂志,卷66,不。5,1461 - 1499年,2011页。视图:出版商的网站|谷歌学术搜索
20. w . Antweiler和m z弗兰克”,是讲声音?信息内容的互联网股票留言板。”金融杂志卷,59号3、1259 - 1294年,2004页。视图:出版商的网站|谷歌学术搜索
21. p . d . Wysocki,“便宜在网上说话:帖子股票留言板的决定因素,”SSRN电子杂志,1998年。视图:出版商的网站|谷歌学术搜索
22. 沈d, l·刘,y,“量化之间的横向关系网络人气和股票收益的偏态,“自然史答:统计力学及其应用卷,490年,第934 - 928页,2018年。视图:出版商的网站|谷歌学术搜索
23. d .沈y, x,和w·张,“百度指数和中国股票收益的可预测性,”金融创新,3卷,不。1,2017。视图:出版商的网站|谷歌学术搜索
24. d .沈、李x和w·张,“百度新闻报道及其影响秩序和大型贸易失衡的中国股市,”金融研究快报,23卷,第216 - 210页,2017年。视图:出版商的网站|谷歌学术搜索
25. 李x, d .沈,m .雪和w·张,”微博传达公司特有的信息吗?来自中国的证据。”自然史答:统计力学及其应用卷,482年,第626 - 621页,2017年。视图:出版商的网站|谷歌学术搜索
26. d . w .张x Li沈,a . Teglio”每天幸福和股票回报:一些国际的证据,”自然史答:统计力学及其应用卷,460年,第209 - 201页,2016年。视图:出版商的网站|谷歌学术搜索
27. y, w .歌曲、d .沈和w·张,“市场反应网络新闻:信息扩散和价格压力,“经济模型卷,56 43-49,2016页。视图:出版商的网站|谷歌学术搜索
28. x, d .沈、m .雪和w·张,“每天幸福和股票回报:在美国上市的中国公司的情况下,“经济模型卷,64年,第501 - 496页,2017年。视图:出版商的网站|谷歌学术搜索
29. d .沈w·张,x, x,, y,“盘中的交易和非交易期间互联网信息流和回报波动性,”自然史答:统计力学及其应用卷,451年,第524 - 519页,2016年。视图:出版商的网站|谷歌学术搜索
30. x金、d .沈和w·张,“微博改变了股票市场行为?来自中国的证据。”自然史答:统计力学及其应用卷,452年,第156 - 151页,2016年。视图:出版商的网站|谷歌学术搜索
31. w·张,d .沈张y、x,“开源信息,投资者的注意力,和资产定价,”经济模型33卷,第619 - 613页,2013年。视图:出版商的网站|谷歌学术搜索
32. Z.-Q。江和W.-X。周,“多重分形消除趋势移动平均线互相关分析,“物理评论E:统计、非线性和软物质物理学,卷84,不。1,文章ID 016106, 2011。视图:出版商的网站|谷歌学术搜索
33. l . Kristoufek“多重分形高度互相关分析:分析远程互关联的新方法,”EPL (Europhysics字母),卷95,不。6、文章ID 68001, 2011。视图:出版商的网站|谷歌学术搜索
34. p . j . Wang商,w .通用电气,“多重分形互相关分析基于统计的时刻,”分形,20卷,不。3 - 4、271 - 279年,2012页。视图:出版商的网站|谷歌学术搜索
35. y y . Wang Wei, c .吴“中国a股和b股市场之间的互关联,”自然史答:统计力学及其应用,卷389,不。23日,第5478 - 5468页,2010年。视图:出版商的网站|谷歌学术搜索
36. g .曹、徐l .和j .曹“多重分形去趋势中国外汇市场和股票市场之间的互关联,”自然史答:统计力学及其应用,卷391,不。20日,第4866 - 4855页,2012年。视图:出版商的网站|谷歌学术搜索
37. r·顾y邵,问:王”是股票市场的效率与分形?一个来自上海股市的证据。”自然史答:统计力学及其应用,卷392,不。2、361 - 370年,2013页。视图:出版商的网站|谷歌学术搜索
38. 太阳x, x, j . Ge”之间的动态关系日元汇率和市场焦虑:一个新的视角基于MF-DCCA,”自然史答:统计力学及其应用卷,474年,第161 - 144页,2017年。视图:出版商的网站|谷歌学术搜索
39. j .李陆x, y周”之间的互关联原油交易市场选择石油富裕经济体,”自然史答:统计力学及其应用卷,453年,第143 - 131页,2016年。视图:出版商的网站|谷歌学术搜索
40. y, z, l·刘,d .沈”的互动媒体和新媒体之间的金融新闻:证据从新闻在中国股票市场,“自然史答:统计力学及其应用卷,486年,第541 - 535页,2017年。视图:出版商的网站|谷歌学术搜索
41. y元,X.-T。多重分形的壮族,x金”,测量使用多重分形去趋势波动分析股票价格波动,”自然史答:统计力学及其应用,卷388,不。11日,第2197 - 2189页,2009年。视图:出版商的网站|谷歌学术搜索
42. b . Podobnik Grosse, d . Horvatićs .大型p·c·伊万诺夫和h·e·斯坦利“量化互关联使用本地和全球消除趋势方法,”欧洲物理期刊B,卷71,不。2、243 - 250年,2009页。视图:出版商的网站|谷歌学术搜索
43. b·g·麦基尔和e . f .农夫,“有效资本市场:理论和实证研究的回顾,“《金融25卷,第417 - 383页,1970年。视图:谷歌学术搜索
44. d . o . Cajueiro和b . m . Tabak,”赫斯特指数随着时间:测试断言,新兴市场正变得更有效率,”自然史答:统计力学及其应用,卷336,不。3 - 4、521 - 537年,2004页。视图:出版商的网站|谷歌学术搜索|MathSciNet
45. d . o . Cajueiro和b . m . Tabak”,在亚洲股市长期依赖的证据:流动性和市场限制的角色,”自然史答:统计力学及其应用,卷342,不。3 - 4、656 - 664年,2004页。视图:出版商的网站|谷歌学术搜索
46. d . o . Cajueiro和b . m . Tabak”测试可预测性在股本回报率为欧洲市场过渡,“经济系统,30卷,不。1,56 - 78,2006页。视图:出版商的网站|谷歌学术搜索
47. b . Podobnik傅d, t . Jagric Grosse,和h·e·斯坦利“略微集成过程过渡经济学,”自然史答:统计力学及其应用,卷362,不。2、465 - 470年,2006页。视图:出版商的网站|谷歌学术搜索
48. d . o . Cajueiro和b . m . Tabak”分在日本股市和放牧行为,”混乱,孤波和分形,40卷,不。1,第504 - 497页,2009。视图:出版商的网站|谷歌学术搜索
49. d . o . Cajueiro和b . m . Tabak”测试远程依赖在巴西利率期限结构,”混乱,孤波和分形,40卷,不。4、1559 - 1573年,2009页。视图:出版商的网站|谷歌学术搜索
50. d . o . Cajueiro和b . m . Tabak”远程依赖资产回报的现象:中国的情况下,“应用经济学的信,13卷,不。2、131 - 133年,2006页。视图:出版商的网站|谷歌学术搜索

版权

版权©2018 Zuochao Zhang et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。