基于VAR和EGARCH的投资者情绪对股市收益率的影响研究

借鉴国内外已有成果，用主成分分析法将2个主观指标与4个客观指标相结合，形成一个能有效衡量投资者情绪的综合指标，其能反映6个原始指标的大部分信息，且与股市收益率显著相关。在研究投资者情绪波动和股市收益率波动时，用向量自回归（vector autoregression,VAR）模型探索了二者间的关系；考虑证券市场信息的不对称性，运用了指数广义自回归条件异方差（exponential generalized autoregressive conditional heteroskedasticity,EGARCH）模型。研究表明，投资者消极悲观情绪对股市收益率的冲击作用大于积极乐观情绪；投资者情绪受收益率下降的冲击影响远大于收益率上涨的影响。     

货币供应量调控股市财富效应的可行性研究

随着中国股市的长足发展,股市财富效应必将成为货币政策传导的重要渠道．运用实证分析发现,货币供应量与股指之间存在着正向的相关关系和比较明显的因果关系．这表明通过货币供应量来调控股市财富效应具有一定的可行性．但为了防止单一政策存在着扭曲问题,最好结合利率等其他工具一起使用．     

基于异质预期的房地产价格波动分析

市场参与者的预期对价格波动有重要影响,而我国房地产市场预期是一种理性预期与非理性预期共存的混合预期模式,基于这种混合预期模式,引入行为金融学中的噪声交易者模型,及建立房价决定因素模型,并对35个大中城市的面板数据进行实证分析.结果表明:理性预期对房价上涨产生负向效应,能够减缓价格波动;而噪声交易者预期则会进一步推动房价的上涨.     

基于深度强化学习下的股票量化交易算法设计

针对股票量化交易中有限数据预测未来价格趋势和智能资产组合配置等难题,采用DeepAR模型来预测股票价格的未来涨跌趋势,根据这些趋势计算涨跌幅精选了16支有潜力的股票,并运用SAC模型进行智能资产配置。结果表明,DeepAR模型的股票选择有助于SAC模型实现智能资产组合配置,而SAC模型的量化决策也取得了理想的效果。在4个月的时间内,实现了10.79%的收益率和32.37%的年化收益率。相较于上证指数和沪深300指数有显著的超额收益率,分别为12.47%和21.48%。此外,2016—2022年回测中达到了1.3%的夏普比率和29%的最大回撤率。     

基于SEM模型的轨道交通对住宅价格的空间效应——以杭州市为例

轨道交通是城市公共交通体系的重要组成部分，其规划建设对住宅价格具有很强的正外部性。基于特征价格理论，引入了空间经济计量学分析方法和模型，以杭州市轨道交通一至三期规划内的10条地铁线路和杭州市范围内2 393个住宅样本为研究对象，实证研究了轨道交通对周边住宅价格的空间效应，构建了相应的指标体系，并用SEM模型进行定量分析。研究结果表明：(1)构建的指标体系经空间误差模型拟合后对杭州市住宅价格具有较好的解释能力；(2)处于不同建设阶段的地铁线路和站点对住宅价格的空间效应差异明显；(3)地铁站点在不同区间范围内对住宅价格的空间效应不同；(4)杭州市已通车轨道交通站点在1 000~1 500 m内对住宅价格的影响较为显著。     

风险资产交易市场中两个信号下的内部交易

在风险资产交易市场中,做市商除了收到交易总量信号外,往往还能观测到清算价值的部分信号.在满足条件利润最大化和市场有效性定价假设下,本文研究了这两个信号影响下的内部交易市场特征.研究发现,内部交易者释放了大量私有信息,而期望利润、交易策略系数和市场流动性系数为常值.     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

基于言语工作记忆内容的视觉注意捕获

摘要：工作记忆内容对于解决视场中多个物体之间的注意资源竞争可能起着重要作用.本研究旨在考察保持在言语工作记忆中的特征值信息对于视觉选择性注意的自动引导作用.实验1要求被试在言语工作记忆保持阶段完成1个探测区分任务,结果发现有记忆匹配项条件下的探测反应时要显著慢于无匹配项条件下的反应时,而在实验2中没有记忆要求时却没有发现这种效应.实验结果表明,言语工作记忆中的特征值信息能够自动引导注意选择视场中与之匹配的物体特征.     

我国上海股票市场GARCH效应实证研究

对我国上海股票市场的GARCH效应进行了实证研究，包括3个方面的内容：应用GARCH模型对股票收益率进行事前估计分析；对模型参数进行估计与最优选择；应用GARCH模型进行事后估计分析，结果表明我国上海股票上益率序列的波动具有显著性的异方差性，可以用GARCH（1，1）进行拟合。     

中学生学习自我效能感、学习策略与学业成就的关系

以学习自我效能感和学习策略量表为工具,通过方差分析、相关分析和路径分析等方法,重点考察了学习自我效能感和学习策略这两个因素对学业成就的影响路径以及相互间的关系.发现中学生的学习自我效能感与学习策略间存在着显著的相关关系;学习自我效能感和学习策略对初中生的学业成就有显著回归效应,而学习策略对高中生的学业成就有显著回归效应;学习自我效能感可通过影响学习策略来间接影响学业成就.     

中学生学习自我效能感、学习策略与学业成就的关系

以学习自我效能感和学习策略量表为工具 ,通过方差分析、相关分析和路径分析等方法 ,重点考察了学习 自我效能感和学习策略这两个因素对学业成就的影响路径以及相互间的关系.发现中学生的学习自我效能感与学 习策略间存在着显著的相关关系;学习自我效能感和学习策略对初中生的学业成就有显著回归效应 ,而学习策略 对高中生的学业成就有显著回归效应 ;学习自我效能感可通过影响学习策略来间接影响学业成就 .     

信息呈现方式、时间压力和认知风格对网上学习的影响

检验信息呈现方式、时间压力和个体认知风格对网上学习的影响效应.包括两个实验:实验一考察信息呈现方式和个体认知风格的影响;实验二考察信息呈现方式和时间压力的影响.结果表明:(1)在学习时间受限时,超文本优于线性文本,而在学习时间宽松时,两者无显著差异;(2)当时间压力不大时,呈现内容组织图不利于学习;(3)网络使用经验可掩盖认知风格的效应.本研究结论认为:文本类型、内容组织图和时间压力对网上学习绩效存在显著的交互作用.     

汉江流域降水非均匀性变化特征分析

根据汉江流域1970—2015年63个气象站点的逐日降水资料,结合降水集中度(PCD)与集中期(PCP)指数、经验正交分解函数(EOF)及变化趋势分析,对该流域降水非均匀性的变化进行分析,并利用小波相干法探讨降水非均匀性对该区域气候变暖、东亚季风强弱变化的响应特征。结果表明:1)1970—2015年汉江流域降水未呈现明显线性趋势,降水PCD与PCP以年代波动为主,PCD波动范围为0. 35～0. 60,PCP在7月;2)降水PCD呈"全区一致型",即全流域PCD对气候响应具有同步性;降水PCP呈"东西分异型",即东部降水集中期越推迟(或提前),西部降水集中期越提前(或推迟);3)1990—2008年,在2～4 a的短周期尺度上,东亚季风越强,汉江流域降水时间分布越均匀;1999—2009年,在2～3 a的短周期尺度上,该流域年降水量越大,降水时间分布越集中;1985—1993年,在3～5 a的周期尺度上,降水PCP对温度的响应具有超前性。     

Black-Scholes期权定价模型的拓展

假定动态风险资产价格遵从扩散-跳跃复合泊松过程,无风险利率、股票收益率、市场波动率、股票红利等均为自适应过程,利用随机微分方程和鞅方法,得到了资产投资组合贴现过程鞅成立的条件.在相同测度下,考虑到交易费用和红利支付,对经典Black-Scholes方程进行了修正,得到了不同条件下的欧式看涨期权的定价方程,使得期权定价公式更加符合市场实际,拓展了鞅方法的使用范围和意义.     

微弱旋转效应的圆柱形介质光波导耦合器的研究

具有微弱旋转效应的两个平行圆柱形介质波导的微弱耦合是在矢量波动方程的基础上使用特异摄动法来解析的．对应于复合两个平行圆柱形介质波导系统的耦合模方程是满足麦克斯韦方程和边界条件的情况下得到的,此时摄动阶数限定在一阶范围内．可以发现具有微弱旋转效应的在两个平行波导的弱导内分别独立产生方向性耦合和偏振波的变换．方向性耦合是由耦合系数κ来控制,偏振波的变换是由耦合系数κx来控制．     

KeeLoq和SHACAL-1算法的差分故障攻击

研究了两个非平衡Feistel结构密码KeeLoq和SHACAL-1对差分故障攻击的免疫性.采用面向比特的差分故障攻击方法对KeeLoq算法进行分析,理论分析和实验结果表明平均需要诱导11个错误就可以恢复KeeLoq的1比特密钥信息;采用面向字的差分故障攻击方法对SHACAL-1算法进行分析,实验结果显示平均需要诱导6个错误即可恢复SHACAL-1的32比特密钥信息.这表明这两个分组密码算法对差分故障攻击是不免疫的.     

教育程度对家庭金融资产组合多样性的影响研究

教育程度的提升极大地改变了我国居民的经济决策,也对我国家庭金融资产组合多样性状况产生了显著的影响,本文使用2018年中国居民收入调查项目数据(CHIP2018)探讨了教育程度的提升对家庭金融资产组合多样性的影响。研究发现,家庭中户主和平均受教育程度的提升均对持有金融资产种类数和金融资产组合多样性指数有明显的正向影响,这种影响在处理内生性之后依旧显著,但是具体的提升作用在不同的教育程度定义下存在差异。进一步分析发现,教育程度的提升效应存在区域异质性,家庭所在区域的宏观经济变量起着调节效应和中介效应,经济水平较低、金融普及不高的区域金融资产组合多样性发展潜力较大。在我国居民教育程度不断提升的背景下,本文为我国通过家庭金融缩小收入不平等、促进城乡和区域协调发展提出一系列建议。     

基于数据预处理深度置信网络的药物与非药物分类（英文）

制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3%,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.     

基于深度学习的非对齐人脸验证方法

当前大多数方法需要对人脸进行对齐等预处理,这不仅影响验证流程的连续性,还严重影响人脸验证的效率。本文设计了两种神经网络模型及三个阶段式的训练验证构架以及基于深度特征与SIFT特征相结合的高效的非对齐人脸验证方法:方法利用卷积神经网络的池化层中间结果同步生成SIFT特征描述符从粗粒度到细粒度进行多级联的非对齐的人脸验证,这极大的提高人脸验证的速度及准确度;在训练阶段提出了使用三元组样本作为输入,Triplet loss作为损失函数有效提高不同人之间的区分度提高人脸验证的准确率;本文根据不同应用场景设计了两种深度学习架构适应小型及大型设备的需要。本方法经过在Web-face数据集训练及在LFW,YOUTUBE等数据集上验证,结果表明该方法具有良好的性能。