Sergio Da Silva Departamento de Economia, Universidade Federal de Santa Catarina
Raul Matsushita Departamento de Estatstica, Universidade de Braslia
Iram Gleria Departamento de Fsica, Universidade Federal de Alagoas
Annibal Figueiredo Departamento de Fsica, Universidade de Braslia
Resumo
Encontramos evidncia de eficincia informacional fraca no mercado de cmbio brasileiro dirio usando expoentes de Hurst (Hurst 1951, 1955, Feder 1988)
Os expoentes de Hurst oferecem uma alternativa vinda da fsica estatstica s abordagens economtricas tradicionais para a eficincia
Resumo
Mostramos que uma tendncia rumo eficincia foi revertida depois da crise cambial de 1999
Tambm encontramos leis de potncia (Mantegna and Stanley 2000) nas mdias, volatilidades, expoentes de Hurst, tempos de autocorrelao e ndices de complexidade dos retornos para crescentes incrementos de tempo
Nossos resultados tambm aparecem para uma srie do preo do dlar de alta frequncia
Keywords
Mercado do Dlar
Eficincia Informacional
Econofsica
Leis de Potncia
Expoentes de Hurst
Eficincia Informacional
Associada a passeios aleatrios tipos 1, 2 e 3
No passeio aleatrio tipo 1 os incrementos so independentes (no correlacionados) e identicamente distribudos
Como os incrementos pertencem a uma mesma distribuio, argumenta-se que o passeio aleatrio tipo 1 no serve para sries com quebras estruturais (caso da srie diria do preo do dlar)
Eficincia Informacional
No passeio aleatrio tipo 2 os incrementos so independentes, mas provm de diferentes distribuies
No passeio aleatrio tipo 3 h diferentes distribuies, mas os quadrados dos incrementos so auto-correlacionados (embora os incrementos sejam ainda independentes)
Eficincia Informacional
Eficincia Forte: o preo do ativo j leva em conta toda a informao disponvel, pblica e privada (inside trading)
Eficincia Semi-Forte: o preo do ativo j leva em conta toda a informao pblica disponvel
Eficincia Fraca: o preo do ativo j leva em conta a informao disponvel em sua srie histrica
Testes de sries temporais de nica varivel buscam verificar a existncia de eficincia fraca
Eficincia Informacional
Exemplos de testes economtricos para a eficincia fraca so os efeitos
intraday, dia da semana, sazonalidade dos retornos
e os testes
de autocorrelao, Runs, razo de varincia, de lucratividade de regras de filtro ou anlise tcnica
e de existncia de padro no-linear nos retornos (Laurini & Portugal 2002)
Econofsica
Neologismo utilizado para o ramo da fsica dos sistemas complexos
que procura fazer um levantamento completo das propriedades estatsticas dos mercados financeiros
usando o imenso volume de dados agora disponveis
e a metodologia de trabalho da fsica estatstica (Mantegna & Stanley 2000)
Pode ser vista como uma abordagem alternativa de finanas
Lei de Potncia
Reta em um log-log plot
A lei de Newton de queda livre um exemplo de lei de potncia
0 0.5 1 1.5 2 2.5 3 0 10 20 30 40 Lei de Potncia Mas o log do tempo de queda versus log da altura de queda uma reta
Inclinao = escalonamento gaussiano
y = 0.5028x - 0.3532 R 2 = 1 -0.1 0 0.1 0.2 0.3 0.4 0.5 0 0.5 1 1.5 2 Lei de Potncia
A lei de potncia toma a forma d h c t = c h d t log log log + = = d inclinao b c = log o intercepto y ( b c 10 = )
Da figura anterior obtemos 5 . 0 = d e 35 . 0 log = c 45 . 0 10 35 . 0 ~ =
c 5 . 0 45 . 0 h t =
Lei de Potncia
Isto est de acordo com a lei de Newton para queda livre 2 2 t g h = 81 . 9 2h t = 5 . 0 45 . 0 h t =
Lei de Potncia
Intuio
Uma lei de potncia sem escala e no gaussiana significa que no h um evento tpico
No h diferena qualitativa entre um evento comum e outro extremo
Um evento extremo no precisa ter causa
A causa de um evento comum pode ser a mesma de um evento extremo
Analisar a situao inicial no serve para predizer um evento Expoente de Hurst
O desvio padro em sries independentes e normalmente distribudas se comporta como
onde H = e t tempo (Gnedenko and Kolmogorov 1968)
O expoente dessa relao de escalonamento entre o desvio padro de uma srie temporal e os incrementos de tempo o expoente de Hurst ( ) H t t o ( ) H t t o Expoente de Hurst
H = : movimento browniano (passeio aleatrio), i.e. um processo aleatrio sem memria longa
A hiptese do mercado eficiente supe ento H =
Valores diferentes de so indicativos de longa memria e de que os dados no so independentes ( ) H t t o Expoente de Hurst
Valores entre e 1 indicam dependncia longa positiva: sries com persistncia e trend-reinforcing
Valores positivos menores do que indicam dependncia longa negativa: tendncias passadas tendem a se reverter no futuro (anti- persistncia) ( ) H t t o Expoente de Hurst
Clculo usando Chaos Data Analyzer (Sprott & Rowlands 1995)
Uma vez que o valor da varivel, em mdia, se distancia de sua posio inicial em um montante proporcional raiz quadrada do tempo (quando ocorre H = ),
o programa plota o deslocamento contra o tempo, usando cada ponto da srie como condio inicial: a inclinao da curva o expoente de Hurst (Sprott 2003) ( ) H t t o Expoente de Hurst
Clculo por rescaled range (R/S) analysis (Hurst 1951)
Como o deslocamento da varivel escalona com a raiz quadrada do tempo,
Hurst expressou o deslocamento absoluto em termos de desvios cumulativos reescalonados da mdia
e definiu tempo como o nmero da dados (n) usados ( ) H t t o n n R S Expoente de Hurst
O expoente de escalonamento da relao
(onde c uma constante) agora o expoente de Hurst
Se os dados forem independentes, a distncia percorrida vai aumentar com a raiz quadrada do tempo e H = ( ) H t t o H n n R S cn = Dados
Srie diria: 2 de janeiro de 1995 a 31 de agosto de 2006
Fonte: website do Federal Reserve
Srie intraday (espaada em 15 minutos): 9h30 de 19 julho de 2001 at 16h30 de 14 de janeiro de 2003
Fonte: Agora Senior Consultoria ( ) H t t o Srie Diria ( ) H t t o 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 Retornos da Srie Diria ( ) H t t o -0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.25 Srie Diria ( ) H t t o 0.844 0.845 0.001 0.845 0 0.843 -0.002 0.84 -0.003 0.844 0.004 0.847 0.003 0.851 0.004 0.845 -0.006 0.847 0.002 0.847 0 0.846 -0.001 0.846 0 0.848 0.002 0.848 0 0.85 0.002 0.851 0.001 0.851 0 0.845 -0.006 0.844 -0.001 0.846 0.002 0.841 -0.005 0.842 0.001 0.839 -0.003 0.839 0 0.836 -0.003 0.836 0 0.835 -0.001 0.833 -0.002 0.834 0.001 Srie Intraday ( ) H t t o Retornos da Srie Intraday ( ) H t t o Dados
A srie diria apresenta raiz unitria em nveis, mas fica estacionria em primeira diferena
Isto pode ser visto com o teste de Perron para sries com quebras estruturais (Moura & Da Silva 2005)
Assim, os retornos dirios so estacionrios ( ) H t t o Dados
A srie diria apresenta uma quebra ao olho nu em 13 de janeiro de 1999, quando ocorreu uma crise cambial
O regime de cmbio fixo, ou ncora cambial, foi substitudo pelo cmbio flutuante
Mas a mdia semelhante nos dois regimes
A volatilidade no regime de cmbio flutuante dez vezes maior, mas isso no afeta a estacionaridade da mdia dos retornos ( ) H t t o Dados
( ) H t t o Perodo 2 Jan 9512 Jan 99 13 Jan 9931 Ago 06 2 Jan 9531 Ago 06 Pontos 1009 1921 2930 Mdia 0.00036 0.00043 0.00044 Desvio Padro 0.002 0.029 0.024 Assimetria 0.73 0.02 0.06 Curtose 32.82 8.96 15.2 Expoente de Hurst 0.55 0.51 0.54 Leis de Potncia nos Momentos Estatsticos
Estudo dos retornos
variando os incrementos
de 1 a 1000 ( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A t A Leis de Potncia nos Momentos Estatsticos
Quando
aumenta,
as mdias e volatilidades crescem (como esperado)
Mas o crescimento governado por leis de potncia ( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A t A Lei de Potncia nas Mdias da Srie Diria Inclinao escalonamento no gaussiano
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A y = 1.0343x - 3.015 R 2 = 0.9996 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 0 1 2 3 Lei de Potncia nas Mdias da Srie Diria
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A 1 0.00101137 0 -2.995089933 2 0.00200142 0.301029996 -2.698661114 3 0.003033665 0.477121255 -2.518032379 4 0.004074478 0.602059991 -2.389928023 5 0.005066924 0.698970004 -2.29525561 6 0.006088324 0.77815125 -2.215502244 7 0.007115207 0.84509804 -2.147812461 8 0.008144736 0.903089987 -2.089122988 9 0.009164996 0.954242509 -2.03786772 10 0.01017602 1 -1.992422048 20 0.02014626 1.301029996 -1.695805566 30 0.03055909 1.477121255 -1.514859582 40 0.04188924 1.602059991 -1.377897519 50 0.05416851 1.698970004 -1.26625311 60 0.06693177 1.77815125 -1.17436769 70 0.08036166 1.84509804 -1.094951101 80 0.09405512 1.903089987 -1.026617558 90 0.1077238 1.954242509 -0.967688335 100 0.1204376 2 -0.919237907 200 0.2621603 2.301029996 -0.581433075 300 0.3683358 2.477121255 -0.433756068 400 0.4735743 2.602059991 -0.324611874 500 0.5972076 2.698970004 -0.223874674 600 0.7071869 2.77815125 -0.150465793 700 0.8148769 2.84509804 -0.088907993 800 0.9289032 2.903089987 -0.032029541 900 1.061132 2.954242509 0.025769412 1000 1.217908 3 0.085614483 Lei de Potncia nas Mdias da Srie Intraday
Inclinao escalonamento no gaussiano ( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A y = 1.0763x - 4.1595 R 2 = 0.9994 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 Lei de Potncia nas Volatilidades das Sries Diria e Intraday
Inclinao escalonamento no gaussiano ( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A y = 0.4195x 1.4791 R 2 = 0.9633 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0 1 2 3 y = 0.5331x 1.5889 R 2 = 0.9993 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0 0.5 1 1.5 2 Leis de Potncia nos Momentos Estatsticos
Os momentos estatsticos podem ser expressos como
onde o efeito de
nos momentos ser maior, quanto maior for
(Gleria, Matsushita & Da Silva 2002) ( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A ( ) t | e A e t A Leis de Potncia nos Momentos Estatsticos
Escalonamento nos momentos chamado de structure function analysis e pode ser usado para fins de previso (Richards 2004)
Ele tambm est relacionado ao grau de multi-fractalidade de uma srie (Schmitt et al 2000) e pode informar o tipo da sua distribuio subjacente ( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Usando o CDA, para a amostra inteira de retornos simples da taxa diria real-dlar, H = 0.54
Este valor parecido para pores dos dados (tabela anterior)
Para os dados de alta frequncia, H = 0.52
Estes valores so compatveis com eficincia fraca, i.e. so levemente diferentes de
Mas so tambm compatveis com existncia de autocorrelao
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Aumentando
na definio dos retornos, esperamos que os expoentes de Hurst aumentem, porque h mais agregao
Mas surpreendentemente h leis de potncia governando o ritmo de crescimento dos expoentes t A
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Escalonamento dos expoentes de Hurst para as sries de crescentes incrementos da srie diria y = 0.1692x 0.2519 R 2= 0.9983
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Escalonamento dos expoentes de Hurst para as sries de crescentes incrementos da srie intraday y = 0.1658x 0.2807 R 2 = 0.9966 -0.35 -0.3 -0.25 -0.2 -0.15 -0.1 -0.05 0 0 0.2 0.4 0.6 0.8 1 y = 0.1015x 0.2177 R 2 = 0.9971 -0.14 -0.12 -0.1 -0.08 -0.06 -0.04 -0.02 0 1 1.2 1.4 1.6 1.8 2 y = 0.015x 0.0454 R 2 = 0.9256 -0.02 -0.015 -0.01 -0.005 0 2 2.2 2.4 2.6 2.8 3
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Encontramos valores ainda maiores fazendo o clculo do expoente por R/S analysis
Na linha reta de melhor ajustamento para a srie diria
H = 0.63
Para a srie intraday, H = 0.62
ln[ ( ) / ( )] 0.536 0.62886ln( ) R n S n n = + | | ln ( ) ( ) 0.710114 0.622155ln( ) R n S n n = +
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
A maioria dos estudos que encontra H no inclui um teste de significncia (Couillard & Davison 2005)
Rodamos o teste sugerido por Couillard & Davison e econtramos que os expoentes calculados so estatisticamente significativos com pvalue < 0.001
Perodo 2 Jan 9531 Ago 06 9h30 19 Jul 200116h:30 14 Jan 2003 Pontos 2930 9327 Hurst 0.63 0.62 |t statistic| 3.26 4.43 pvalue < 0.0006 < 0.00001
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
A R/S analysis costuma ser criticada por no conseguir distinguir memria curta de memria longa (Lo 1991)
Lo sugere uma modificao que viesa contra a hiptese de dependncia longa (Teverovsky et al 1999, Willinger et al 1999)
Outra modificao sugerida filtrar a R/S analysis com um processo AR(1)GARCH(1, 1) (Cajueiro & Tabak 2004)
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Tambm calculamos os expoentes em janelas mveis de tempo de quatro anos, i.e. 1008 observaes de cada vez
Isto permite saber se a srie fica mais ou menos eficiente medida que o tempo passa (Cajueiro & Tabak 2004)
Precisa-se aqui tambm verificar se o histograma normalmente distribudo: se for, h erros de mensurao
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Os Hursts foram calculados por R/S analysis filtrada com um AR(1)GARCH(1, 1)
onde a, b, , +, O 1 , O 2 so os parmetros estimados h(t) a varincia condicional dos resduos s(t) normalmente distribudo e independente de s(t'), t t' 1 1 ( ) ( 1) ( ) r t a r t t c = + + ( ) ( ) ( ) t s t h t c = 2 1 2 ( ) ( 1) ( 1) ( ) h t b t h t D t c = +O +O ++
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
O Hurst se aproxima de por volta da observao 1010 (dezembro de 1998), depois de uma prvia ultrapassagem o mercado fica mais eficiente
De dezembro de 1998 em diante, o Hurst se afasta de
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
A figura anterior tambm mostra os limites de confiana a 95% usando o teste de Couillard & Davison, i.e. 0.4811 e 0.6277 (sob a hiptese nula de que a srie independente e gaussiana)
A figura abaixo mostra que o histograma no tem formato de sino
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Interpretao
At dezembro de 1998, o real era desvalorizado mdia diria de 0.003%
Esta informao poderia ser facilmente levada em conta pelos participantes do mercado
no surpreende que o mercado fique mais eficiente
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Interpretao
Depois da crise de 13 de janeiro de 1999, sob o cmbio flutuante, choques de todos os tipos (macroeconmicos internos, efeito Lula, contgio da crise argentina) tornaram mais difcil o processamento de nova informao entrando no mercado
mercado fica menos eficiente
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Eficincia e Hurst
Para os dados intraday, usamos janelas mveis de tempo de 6085 pontos (aproximadamente um ano)
Mas a anlise no foi robusta porque o histograma ficou gaussiano
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Tempo de Autocorrelao
Como os valores dos Hursts so compatveis com a presena de autocorrelao, examinamos o tempo de autocorrelao
Que mede quanto uma observao corrente depende das anteriores
Esperamos que o tempo de autocorrelao aumente com os incrementos
Mas surpreendente que ele aumente seguindo uma lei de potncia
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Tempo de Autocorrelao
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A ndice de Complexidade
Relacionado ao expoente de Hurst e ao tempo do autocorrelao
ndice Lempel-Ziv (LZ) de complexidade em relao ao rudo branco gaussiano (Lempel & Ziv 1976, Kaspar & Schuster 1987)
LZ = 0: perfeita previsibilidade
LZ 1: aleatoriedade genuna (complexidade mxima)
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A ndice de Complexidade
Para calcular a complexidade algortmica de uma srie, cada ponto convertido em um nmero binrio e ento comparado mediana da srie inteira
Calculamos, pelo CDA, para os retornos simples dirios, LZ = 1.04
Para os retornos intraday, LZ = 0.99
Estes valores so consistentes com eficincia fraca e os expoentes de Hurst encontrados
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A ndice de Complexidade
medida que aumentamos os incrementos, a maior agregao introduz mais estrutura na srie, e isto a torna mais previsvel
Ento, esperamos que o LZ tenda a decair para zero
Mas ainda surpreendente que o decaimento siga uma lei de potncia
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A ndice de Complexidade
Srie diria
Srie intraday y = 0.3822x + 0.1525 R 2 = 0.8849 -2 -1 0 1 2 3 0 1 2 3 y = 0.48x + 0.2013 R 2 = 0.9464 -2 -1 0 1 2 3 0 1 2 3
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Concluso
Encontramos expoentes de Hurst que no so incompatveis com o resultado economtrico existente de eficincia fraca no mercado do dlar
Alm disso, o clculo dos expoentes em janelas de tempo permitiu constatar que uma tendncia em direo eficincia tem sido revertida desde a crise de 1999
A interveno do banco central deixou o mercado mais previsvel, mais informacionalmente eficiente, mas tambm pode ter precipitado a crise
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Concluso
Aumentando o intervalo de tempo na definio dos retornos, pudemos encontrar padro na forma de leis de potncia nas mdias, volatilidades, expoentes de Hurst, tempos de autocorrelao e ndices de complexidade
A maioria dos resultados pode ser replicada para um conjunto de dados intraday, o que sugere auto-similaridade na srie do preo do dlar
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Referncias
Cajueiro, D.O., and B.M. Tabak (2004) The Hurst exponent over time: testing the assertion that emerging markets are becoming more efficient, Physica A 336, 521 -537.
Couillard, M. and M. Davison (2005) A comment on measuring the Hurst exponent of nancial time series, Physica A 348, 404 -418.
Feder, J. (1988) Fractals, Plenum Press: New York.
Gleria, I., R. Matsushita, and S. Da Silva (2002) Scaling power laws in the Sao Paulo Stock Exchange, Economics Bulletin 7, 1- 12.
Gnedenko, B.V, and A.N. Kolmogorov (1968) Limit Distributions for Sums of Independent Random Variables, Addison- Wesley: Reading.
Hurst, H. (1951) Long-term storage capacity of reservoirs, Transactions of the American Society of Civil Engineers 116, 770 -808.
Hurst, H. (1955) Methods of using long-term storage in reservoirs, Proceedings of the Institution of Civil Engineers, Part I, 519-577.
Kaspar, F., and H.G. Schuster (1987) Easily calculable measure for the complexity of spatiotemporal patterns, Physical Review A 36, 842- 848.
Laurini, M.P., and M.S. Portugal (2002) Markov-switching based nonlinear tests for market efficiency using the R$/US$ exchange rate, Proceedings of the 24th Brazilian Econometric Meeting.
Laurini, M.P., and M.S. Portugal (2004) Long memory in the R$/US$ exchange rate: a robust analysis, Brazilian Review of Econometrics 24, 109- 147.
( ) H t t o ( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A Referncias
Lempel, A., and J. Ziv (1976) On the complexity of finite sequences, IEEE Transactions on Information Theory 22, 75- 81.
Mantegna, R.N., and H.E. Stanley (1995) Scaling behavior in the dynamics of an economic index, Nature 376, 46 - 49.
Mantegna, R.N., and H.E. Stanley (2000) An Introduction to Econophysics: Correlations and Complexity in Finance, Cambridge University Press: Cambridge.
Moura, G., and S. Da Silva (2005) Is there a Brazilian J-curve?, Economics Bulletin 6, 1-17.
Richards, G.R. (2004) A fractal forecasting model for financial time series, Journal of Forecasting 23, 587 -602.
Schmitt, F., D. Schertzer, and S. Lovejoy (2000) Multifractal fluctuations in finance, International Journal of Theoretical and Applied Finance 3, 361 -364.
Sprott, J.C. (2003) Chaos and Time-Series Analysis, Oxford University Press: Oxford.
Sprott, J.C., and G. Rowlands (1995) Chaos Data Analyzer, The Professional Version 2.1, American Institute of Physics: New York.
Teverovsky, V., M.S. Taqqu, and W. Willinger (1999) A critical look at Los modified R/S statistic, Journal of Statistical Planning and Inference 80, 211- 227.
Willinger, W., M.S. Taqqu, and V. Teverovsky (1999) Stock market prices and long-range dependence, Finance and Stochastics 3, 1- 13