谁主“沉浮”?——基于投资者理性变动对股市波动的影响分析

近年来我国股市波动加剧，引发了社会很大关注。本文以系统论的视角，将股市作为开放系统进行研究，综合分析内部因素与外部因素的交互作用，将股市系统的投资者按理性程度划分为三种类型：理性投资者、非理性投资者和有限理性投资者。通过仿真三类投资者在市场中的动态变化，演绎投资者理性结构对股市价格波动的影响，结果表明投资者的理性结构变动是一个动态均衡过程，非理性投资者也有在市场中存在的必要性，能够丰富市场的流动性。三类投资者在股市交易中理性程度的动态演绎也构成了股市发展的重要动力。未来将继续深入研究投资者的理性结构变动对股市波动的时变影响，将进行一系列的实证研究，以揭示更加复杂影响路径的生成机理。     

投资者关注与概念股异质特征:影响机制与多维测度——基于行为大数据的匹配检验

现有文献证实了投资者关注与股市特征的相关关系(Barber和Odean,2008)~([1]),但并没有进一步检验两者之间的因果关系。为避免"辛普森悖论"现象的出现,本文以行为金融学中的有限关注理论为基础,选用"一带一路"、"互联网金融"和"大数据"三类概念股,借助倾向得分法设计相应匹配股,对照检验投资者关注与股市交易量和收益率的因果关联模式。经验分析发现:(1)投资者关注显著影响概念股而非匹配股,且具有"板块现象";(2)投资者关注与概念股交易量具有较强的因果关系,与概念股收益率在10%的显著性水平下相关;(3)投资者关注与概念股成交量的关联模式关于"牛熊市"具有不对称性,而与概念股收益率却不存在这种不对称性。     

基于格兰杰因果检验遍历性分析的中国股市和国际股市的时变联动特征研究

通过判断检验结果是否依赖滞后阶数的选取(遍历性分析)来考察格兰杰因果关系的稳定性,并基于该方法,构建了度量中国股市和国际主要股市之间关联程度的指标.虽然中国股市制度上的开放是稳步推进的,但发现中国股市同国际股市波动的关联程度是经历了一个先下降再上升的过程.此研究对认识中国股市的波动生成机制,以及防范境外风险向境内的传导提供了有益参考.     

中国股市波动非对称性的非线性动态调整

针对我国股市波动的现实和投资行为的异质性,利用已实现波动率设定包含多个机制平滑转换结构的自回归模型,研究我国股市波动的非对称性及非对称性的非线性动态调整。模型的检验结果发现,我国股市波动存在一个显著的非线性动态调整机制,机制转换的时点发生在收益率的冲击为1.177个百分点处,转换时点的非负性揭示了市场普遍存在的"售盈持亏"行为;股市波动在两个平稳的自回归机制及其之间非线性平滑调整或转换,但转换的概率偏低,速度较慢,自回归过程的平稳性表明投资者具有"过度自信"的决策行为;波动的非对称性没有表现为确定的杠杆效应,在滞后两期的波动水平较高且信息冲击的程度超过阈值时,股市波动表现为反向杠杆效应。以上估计与检验结果基本准确揭示了市场投资者的行为特征。     

百度关注度对股票收益率的影响——基于VEC模型的实证分析

基于百度指数所提供关键词搜索数据,构建百度看涨指数和百度看跌指数,形成了百度关注度.依据2017.2-2019.2的上证指数收益率数据,利用VEC模型和格兰杰因果检验,分析了百度关注度对股票收益率的影响.结果表明,投资者关注度是股票市场的格兰杰原因,百度看涨指数以0.4%的比例正面影响收益率,百度看跌指数以0.7%的比例负面影响收益率.而脉冲响应分析发现了投资者关注度对股票收益率的影响较持久,而后者对前者的波动十分敏感.最后,结合上述所得到的结论,基于投资者和监管者的立场分别给出了不同的有效建议.     

股指极端波动下中国股市复杂网络结构及中心性分析

基于复杂网络理论,以2015年、2008年国内两次股灾为背景,分别构建股灾发生前、中、后的中国股市网络,通过度、度分布、平均路径长度等基本拓扑指标,分析中国股市网络特性及网络结构的变化,综合利用度中心性、介数中心性及接近度中心性,筛选出各时期网络中的核心股票、核心行业并分析其变化情况,基于网络特征向量中心性分析股市的系统性风险及变化情况,通过仿真实验分析股市网络的鲁棒性。研究表明:两次股灾背景下的中国股市复杂网络均具有小世界性和无标度性;与2008年国际金融危机相比,2015年国内股灾对中国股市的影响强度更大,且2015年中国股市对金融风险的弹性更大;股灾期间各行业版块具有明显的风险传染性,指出各行业板块对稳定股市、修复股指的作用;股指极端波动时,股灾的外生冲击会使股市的系统性风险加大,与2015年国内股灾时期相比,2008年国际金融危机时期的股市系统性风险更大;中国股市网络对随机攻击具有一定鲁棒性,但对蓄意攻击具有脆弱性,股灾的外生冲击会降低中国股市网络的鲁棒性。研究为把握股市极端波动风险下的市场结构特征、股市风险管理提供了参考。     

中国股市投资者情绪指数的函数型构建方法研究

针对中国股市投资者情绪的连续动态测度,基于离散数据的函数化建模思想,提出了函数型投资者情绪指数-FISI。以上证综指和深证成指为对比基准,定性分析了FISI波动与中国金融市场实际运行的匹配程度,并定量检验了FISI相较现有投资者情绪指数的相对优势。研究发现:应用拓展双参数广义交叉验证选取六个情绪指标的粗糙惩罚参数相差较大,说明独立地对每一情绪指标进行函数化处理的必要性;基于信息自适应迭代更新的六个函数型熵权都频繁波动,说明构建综合情绪指数时进行动态赋权的重要性。相较现有投资者情绪指数,FISI的核心优势在于:能够测度投资者在任意时刻的情绪水平,其波动特征能够有效体现市场实际运行的重要事件,并且其与沪深两市的相关程度相对更高。最后,结合大数据时代的数据特征,展望了函数型投资者情绪指数未来的研究方向。     

中国股市行业间高阶矩风险溢出效应研究

已有的股市溢出效应研究多集中于均值及波动溢出效应层面,而鲜有研究探讨股市行业间的高阶矩风险溢出效应.针对已有研究存在的不足之处,文章基于高阶矩GARCHSK模型以及Diebold和Yilmaz (2014)提出的Connectedness方法,研究了中国股市行业间的均值、波动、偏度和峰度溢出效应.实证结果表明:中国股市行业间不仅存在着较强的均值及波动层面的溢出效应,高阶矩风险溢出效应同样显著;工业、材料和可选消费行业是中国股市的系统重要性行业,扮演主要的风险净溢出者角色,而电信服务、能源及金融行业是主要的风险净接受者;股市行业间高阶矩风险溢出效应具有显著的时变特征,且容易受到国内外重大事件的影响;重大危机事件往往会引起股市行业间的风险溢出效应的增强,且金融危机期间的风险溢出效应显著强于危机前和危机后;股市行业间动态风险溢出效应在牛市中倾向于减弱,而在熊市中则倾向于增强.文章的研究成果不仅丰富和完善了股市风险溢出效应的研究框架,而且可以为现实中投资者和监管部门进行投资组合及风险管理实践提供有力的决策考量依据.     

基于网络混合学习策略的股市投资者行为演化模型及仿真

针对投资者有限理性决策行为的模仿学习等特质,运用复杂网络、贝叶斯学习和社会学习理论,分别对个人投资者和机构投资者的投资行为决策机制进行系统性分析,由此构建基于网络混合学习策略的投资者行为演化机理和数理模型,并进行数理解析和模拟仿真。研究发现,投资者金融关联网络的拓扑结构对个人投资者行为动态演变具有较强影响,但对机构投资者的影响较弱;个人投资者的学习策略偏好影响其行为动态演变均衡状态的稳定性较为显著;机构投资者获取的私有信息精确度与其行为动态演变的均衡状态之间存在显著的非线性关联;投资者的初始行为状态对其投资行为动态演变均衡状态的影响效应均较弱。     

突发事件应急救援动态调度优化:以KX井喷事故为例

突发事件应急救援具有高度的不确定性和动态性。本文以KX井喷事故为例,研究突发事件应急救援的动态调度优化问题。作者首先给出KX井喷事故的背景资料,在此基础上提炼本文所研究的问题,即如何基于突发事件救援过程中的实际变化,对原定计划进行最优的动态调整。随后,构建突发事件应急救援的动态调度优化模型,针对其NP-hard属性设计专门的禁忌搜索启发式算法。最后,对KX井喷事故应急救援的动态调度问题进行求解,并结合现实情况对求解结果进行讨论分析,得到如下结论:早期发生的计划调整通常会对应急救援产生较大的影响,而后期发生的计划调整的影响则相对较小。本文的研究可为突发事件应急救援的实时指挥提供定量化决策支持。     

基于学习—遗忘效应的生产率降低损失索赔研究

建设工程项目很多具有重复性施工的特点,本文利用这种特点将学习-遗忘效应应用到平衡作业线(LOB)方法中,分析因为工程中断造成生产率的降低的现象,认为因生产率降低而导致工程工期的延长实际上超过工程实际中断的时间,最后以一个工程案例来说明分析过程.     

More on cancellative semigroups on manifolds

Communicated by D.R.Brown     

Remark on the weierstrass points on curves

We give a treatment of the Weiertrass points of curves which is a little different from the treatment by Laksov. We introduce the notion of theith weight which makes the treatment easier and gives an algorithm for computing the gap sequence of an effective divisor and the weight at a point. Supported in part by NNSF of China.     

Remarks on normal operators on Banach spaces

Rendiconti del Circolo Matematico di Palermo Series 2 - A closed densely defined operatorT on a Banach spaceX is called normal, iff $$T \in [C^0 (\hat \not C)]$$ , i.e. there is a homomorphism...     

A note on pseudo-metrics on the plane

Every c-finite measure Μ on the set G of the lines on the plane such that $$(0){\text{ }}\mu {\text{(\{ g}} \in G:{\text{ }}P \in {\text{g\} ) = 0}}$$ for every point P?R ² generates a pseudo-metric F on the plane when one puts F P ₁, P ₂= \(\tfrac{1}{2}\) μ({g∈G:g separates the points P ₁ and P ₂}) The pseudo-metrics which are generated in this way possess the property of linear additivity, that is F(P ₁,P ₃)=F(P ₁,P ₂)+F(P ₂,P ₃) for P ₁,P ₂,P ₃ on a line, P ₂ between P ₁ and P ₃, and are continuous with respect to the Euclidean topology in R ² × R ². In this paper we prove the converse: every linear additive and continuous pseudo-metric F is generated as above by some c-finite measure Μ on G for which (0) holds. The method of proof shows that values of linearly additive and continuous pseudo-metric F inside every bounded convex polygon C are determined completely by the values of F on (δC)². The representation of pseudo-metrics by measures is useful in derivation of inequalities for the former.     

基于SMMC模型的数据多流形结构分析研究

采用混合多流形谱聚类模型(SMMC)对独立子空间、非独立子空间,非线性良分离及非线性交叉等流形聚类中的四种典型数据进行聚类,并与其他流形聚类方法进行比较,发现SMMC模型聚类效果良好且具有强鲁棒性和泛化能力.将SMMC模型运用于具有混合多流形结构的工件外部边缘轮廓进行聚类,结果显示SMMC模型能够很好的将其分为三类.针对SMMC模型复杂度高、选取参数困难及运行时间长的问题,提出了基于模拟退火遗传算法SMMC模型,结果发现改进后的模型能够大大缩短运行时间.     

A counterexample on contractible transformations on graphs

Ivashchenko proposed the study of contractible transformations on graphs because of their applications to computer image analysis, theory of molecular spaces, and digital topology. He published five papers on this subject. Contractible transformations have recently been applied to topological data analysis. This paper presents a counterexample to several results that appeared in one of Ivashchenko’s works.