时间序列分析是一种动态数据处理的统计方法,已经成为金融市场特别是股票市场研究不可或缺的部分,是一种关于股票定性及定量研究的重要方法。股票市场的时间序列分析方法已取得许多研究成果,并得到世界的广泛认可。本文研究了三种度量时间序列复杂度的方法,分别是不对称去趋势交叉相关分析(Asymmetry detrended cross-correlation analysis,简称A-DCCA)方法、去趋势交叉相关分析系数(Detrended cross-correlation analysis coefficients,简称DCCA系数)方法以及信息分类方法。上面三种方法分别用于探测两个时间序列之间的不对称交叉相关性、多尺度交叉相关性和相似性。A-DCCA方法综合了DCCA和不对称DFA两种方法,获得拟合的不对称交叉相关系数,从而分析时间序列分别有正负趋势时,波动函数的不对称性。相较于传统方法,这种方法提供了更为丰富的交叉相关信息,之后提出了基于局部标度的A-DCCA方法,研究局部标度下A-DCCA方法的性质。DCCA系数方法主要用于探测两个非平稳时间序列的交叉相关性,是一种结合了去趋势波动分析(DFA)及去趋势交叉相关分析(DCCA)的方法,用一个新的相关系数来定义两个时间序列间的交叉相关性,从而从以前的单一尺度扩展为多尺度,进而进行更全面的分析。信息分类方法量化从一时间序列映射的符号序列之间的相似性,以香农熵作为权重来使得分析结果更有意义。正因为股票市场和经济之间有着相互影响的关系。股票指数是经济的晴雨表,反映了经济的运行好坏,使得本文的研究变得尤为重要。这里,选取了六支具有代表性的股票指数,并将其分为两组,一组是三支西方股票指数,包括美国的标普500(S&P500)、英国的富时100(FTSE100)和德国的法兰克福(DAX)指数；另一组是三支中国股票指数,分别为上证指数、深成指数和恒生指数。将上面三种方法用于分析六支股票的复杂度,并探究全球金融危机前中后三个时期内复杂度的变化。发现西方与中国股市之间有着明显的差异。就整体来看,当中国股票指数上升时,与其他股市之间有着更强的交叉相关性。中国股市之间有着比西方股市更强的交叉相关性。上证指数、深成指数之间有着比其他股指更高的相似性。特别的是,虽然都属于中国股指,但恒生指数无论在不对称性、交叉相关性还是相似性上都与上证指数、深成指数有着较大的区别。同时发现金融危机三个时期内,股票指数的不对称性、交叉相关性和相似性都有明显不同。全球金融危机后,中国股票指数之间普遍呈现出更强的正相关性和相似性。图18幅,表9个,参考文献51篇。