摘要：本文提出了一种新的记忆模式识别方法-方差标度指数方法，旨在解决传统方法不能有效识别长、短记忆的问题，以分析金融市场的记忆模式。分别给出了强、弱方差标度指数的严格定义，论证强、弱方差标度指数与长、短记忆序列的关系，将方差标度指数作为长、短记忆识别与长记忆强度估计的工具，并对中美股票市场主要股指序列进行了记忆模式的识别。rn 本文提出了方差标度指数定义并论证了与白噪声、短记忆和经典长记忆ARFIMA(0,d,0)序列的关系，通过运用方差标度指数对白噪声、短记忆和长记忆模拟序列进行了记忆模式识别的验证，以及采用具有代表性的传统长记忆分析方法对模拟序列进行对比分析，进一步从实证上显示了方差标度指数能够解决传统方法无法有效区分长记忆与短记忆的问题。需要指出的是，对方差标度指数的进一步研究可以考虑这几个方面的问题。一方面，方差标度指数探讨时间序列中的平稳性、可逆性等问题。可以运用方差标度指数研究长记忆模型的平稳性、可逆性问题。另一方面，分析方差标度指数与更具广泛性的长记忆模型的长记忆参数关系.rn 最后，鉴于方差标度指数对长、短记忆的分析依赖于强、弱方差标度指数的数值大小，还可以考虑以方差标度指数为基础构建统计量进行时间序列的白噪声、短记忆和长记忆识别的假设检验的研究。
