基于EEMD的中美股市联动性分析.docx

基于EEMD的中美股市联动性分析
一、背景介绍
中美股市是全球最大的两个股市，它们的波动对全球市场都有着重要的影响。过去几年来，随着国际化、全球化的深入推进，中美股市之间的联系日益紧密。然而，中美两国的股市却存在着较大的差异，不同的政治、文化、经济因素都会影响到两个市场的运行。因此，通过分析中美股市之间的联动性，可以更好地理解其运作机制，同时也有助于我们进行有效的投资决策。
二、EEMD分析方法的介绍
EEMD(经验模态分解)是一种非线性的信号处理方法，由黄保熙和他的团队于1998年发明。EEMD将信号分解为若干个固有模态函数(IMFs)，每个IMF都具有明确定义的频率和幅度，从而使得信号的频率、时域特征等都变得更加清晰。由于IMFs是自适应的，因此EEMD方法可以应用于各种不规则的信号处理。
三、中美股市联动性分析方法的介绍
1、数据采集和预处理
本文选取的是中国上证指数和美国纳斯达克综合指数的数据，时间跨度为2015年1月1日至2020年12月31日。首先，对原始数据进行了处理，包括去除无效数据，噪声等。
2、EEMD分析
利用EEMD方法对中美股市数据进行分解，并分别提取出若干个IMFs。分析每一个IMF的特征，包括频率、时域位置等，进一步探究两个市场之间的相关性和联动性。
3、相关性分析
通过计算两个市场的相关系数、协方差等统计指标，从时间、频率、时域等多个方面，分析两个股市之间的联动性。
四、分析结果
通过对上证指数和纳斯达克综合指数的数据进行EEMD分析和相关性研究，得到了以下结论：
1、中美股市在IMF1-7等多个频率段上都出现较高的联动性，表明两个市场之间存在较强的市场联动效应。
2、从整个时间分布上来看，2015年至2016年期间，中美股市呈现了较高的正向关联，而2018年至2019年期间，则出现了明显的负向关联。
3、利用EEMD分解后的结果，我们可以进一步分析各个IMF对股市的影响。其中，IMF1和IMF2是长期趋势因素，比较明显地反映出了两个股市之间的互动作用。
四、结论
通过对中国上证指数和美国纳斯达克综合指数的数据进行EEMD分析和相关性研究，我们得出的结论是:中美两个股市之间存在较高的联动性，且其变化具有复杂的时空特征。通过对股市联动性的研究，可以为投资者提供更为准确的预测信息，从而优化投资策略。在实际操作中，投资者可以根据自身经验和偏好考虑不同市场间的联系，从而更好地实现价值最大化。