中国股票市场的非对称动态相关性研究

基于沪深A、B股1994.1.3到2012.7.31的四组日回报率数据,本文研究了中国股票市场间条件波动率和相关系数的动态性与非对称性,分别建立了EGARCH模型和非对称形式的动态条件相关模型(DCC)进行分析。研究表明,我国股票市场的条件波动率在利空消息冲击时普遍表现出很强的非对称性,其中深B股市场的波动率非对称性表现为市场受利好信息冲击时的反应更强而不同于其他三个股票市场;尽管股票市场间条件相关系数存在着不同的非对称表现形式,但是无论是A股市场还是B股市场,其条件相关系数都表现出显著的动态非对称性。     

从投资情绪角度看股票市场流动性——来自B股向境内居民开放的研究

我们借鉴行为方面的模型,即投资情绪的变化会影响股票市场的流动性,从而影响股票的未来收益。在卖空限制条件下市场高流动性预示市场充斥着非理性投资者。本文通过中国股市具备卖空限制和2001年2月B股向境内居民开放前后B股投资主体(投资情绪)发生变化这一自然事件,实证分析了B股市场向境内居民开放后,投资者情绪变化引起市场流动性增加,对股票预期收益的流动性溢价影响也由开放前的不显著变化为显著。     

再论中国股票市场的弱有效性

本文利用检验鞅差序列的非参数统计量来检验中国股票市场的弱有效性问题,本文给出的方法不同于文献中已有的方法,实证分析表明本文使用的检验股票市场弱有效的方法比文献中的大多数方法更有效。实证结果显示,中国的股市在发展过程中,表现山渐进有效的态势;中国A股市场比B股市场更有效率:沪市比深市更趋于有效。文中的有些结论是以前的实证研究所没有的。另外,本文比较了中国股市和境外成熟股市之间有效性程度的差异,并得出香港市场对深市影响显著的结论。     

股票收益和交易量变化动态相关性分析

国内外学者大多从静态角度探讨股票收益和交易量关系,存在较大缺陷.应用恩格尔提出的DCC多元GARCH模型从动态角度对股票市场上股指收益和交易量变化之间关系进行探讨.结果发现各个市场之间的动态相关系数存在较大的差异,各个市场总体正相关机会远大于负相关,除了我国深圳股市A、B股市场外,其它市场支持条件相关系数动态变动的论断.     

A、B股指数波动的Granger因果关系分析

本文利用时间序列分析中的格兰杰因果关系检验法对中国证券市场A、B股的波动性进行分析 ,发现上海市场A、B股的波动间存在双向因果关系 ,而深圳市场A、B股的波动间则不存在显著可信的因果关系。对于A、B股市场间的关系以及深、沪两市的差异 ,本文从信息传递和交易者构成的角度进行了分析     

上海股市信息散布过程实证分析

本文基于日内高频数据实证分析了上海A股、B股市场的收益率和交易量之间的同时和动态关系,实证结果表明在上海股市信息渐达假说较之混合分布假说更有一定的适用性,而且A股市场的信息不对称程度要大于B股市场,并进而带来了低效率。     

基于DAG-SEM模型的中美股票市场间信息溢出研究

以中美贸易战为背景,研究美国股票市场、中国A股市场与香港股票市场的动态溢出效应。运用DAG-SEM模型和信息指数模型的静态和动态分析法测度市场间波动率信息溢出的方向、强度以及动态变化过程。研究发现:在贸易战期间,美股、港股和A股之间的溢出强度均增加。中国内地股市与美国股市呈双向信息溢出,标普500指数与沪深300指数的“方向交替”多于道琼斯与沪深300指数。特别地,贸易战白热化阶段,即2018下半年至2019上半年,中国内地股市对香港股市的信息溢出强于美国股市,成为港股信息溢出的主要传导者。     

基于ARCH模型的股票和可转债市场收益率波动特征比较

基于ARCH系列模型,对我国股票市场和可转债市场收益率的波动特征进行实证分析,得出这两个市场收益率具备一些相同的特征如高峰粗尾、波动聚集等,但是可转债市场却没有股票市场上常见的杠杆效应.     

中国A股市场收益波动的非对称性研究

本文运用ARMA—EGARCH及ARMA-TARCH模型,以1993年1月以来沪深两市的A股指数的日收益为研究样本,检验中国股票市场是否存在波动的非对称性,结果表明:无论是上证还是深证A股市场,收益率波动的非对称性都表现出阶段性特征,股市发展早期,市场表现为反向的非对称性或非对称不明显,随着时间的发展,股市收益的波动则存在非对称性,且表现为杠杆效应。     

A-H双重上市公司股票价格差异研究——基于模糊最小二乘模型

由于中国内地和香港股票市场的市场分割,A-H双重上市公司的股票在两地市场间存在较大的价格差异.本文引入模糊线性回归的概念和方法,在分析A-H股双重上市公司股价差影响因素的基础上,构建模糊线性模型,利用最小二乘法对影响因素进行回归分析.根据拟合优度检验结果,得到影响A-H股价差最关键的因素,并与预期影响进行比较.     

沪、深股市波动不对称性的实证分析

本支应用系数多变量EGARCH模型来研究我国沪深股市的波动不对性,结果发现:在全样本时期,收益率呈现深市向沪市的单向溢出,而沪深两市则都呈现显著的波动不对称性特征。分时段来考察,B股对境内投资者开放前后呈现收益率由深市向沪市的单向溢出到双向溢出现象;而波动性的实证结果则显示,以B股对境内投资者开放为间断点,沪市波动不对称性有明显加强的趋势,而深市波动不对称性则呈现由不显著到显著的特征。     

Network approach for the Russian stock market

We consider a market graph model of the Russian stock market. To study the peculiarity of the Russian market we construct the market graphs for different time periods from 2007 to 2011. As characteristics of constructed market graphs we use the distribution of correlations, size and structure of maximum cliques, and relationship between return and volume of stocks. Our main finding is that for the Russian market there is a strong connection between the volume of stocks and the structure of maximum cliques for all periods of observations. Namely, the most attractive Russian stocks have a strongest correlation between their returns. At the same time as far as we are aware this phenomenon is not related to the well developed USA stock market.     

Archimedean Copula数据拟合

给出了选择较优Archimedean Copula相依结构的一般过程,并结合中国股市的实际数据作了分析,通过不同的标准得到了拟合深圳成份A股与深圳成份B股指数的较好的Archimedean Copula,而且还发现利用Copula刻画相依结构比传统的线性相关系数具有更多的优越性.     

基于GA-RS-LR算法的公司财务与个股投资探究

运用遗传算法-粗糙集-逻辑回归方法(GA-RS-LR)探讨我国A股上市公司财务与股票收益的关系.运用GA-RS方法获得财务指标最优约简;运用LR模型探求两者关系.最终,经GA-RS约简,60个财务指标中有17个对股票投资有重要影响;通过LR模型,4个指标具有显著效应;其中,负债与权益市价比为5.82%负效应,其余为正效应.对2015年股票相对波动进行预测得到70%的准确率,验证了GARS-LR模型对中长期投资的有效性.     

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。     

Breadth of range and depth of stock: forecasting and inventory management at Euro Car Parts Ltd.

This paper investigates inventory management issues in a distribution network. The study is motivated by examining the operation of a wholesaling car parts company. Customer service requirements are of paramount importance in this market sector. The nature of the demand facing the company is characterised. The breadth of range of stock keeping units (SKUs) held at a stocking location and the quantity of each SKU held are normally treated in isolation but in this case, the rule developed to select the range of SKU was extended to determine the level of stock to hold. It is intuitively obvious that these two factors should be linked, yet the authors have not found any other literature developing the connection in a practical context. Forecasting issues are explored as the rule on stock range depends on a forecast of the number of orders received for each SKU at each stocking unit. Some implementation issues and extensions are indicated.