股权集中、机构持股与内幕交易:来自沪深A股的经验证据

选择2011-2016年沪深A股2158家公司面板数据,借助累计异常换手率衡量内幕交易行为,研究股权集中、机构持股与内幕交易之间的关系.结果表明:股权集中度越高,发生内幕交易的可能性越大,非国有上市公司比国有上市公司发生内幕交易的可能性更大;机构持股能显著减弱上市公司股权集中度过高引发的内幕交易行为,在监管法治不到位的情况下,机构持股能有效抑制上市公司大股东的内幕交易行为.文章研究结论为内幕交易治理提供了经验证据.     

基于时间序列建模和控制图的异常交易检测方法

可疑交易识别是打击洗钱犯罪所要面对的一项重要任务.为辅助反洗钱分析人员从海量金融交易信息中甄别客户异常交易,本文提出一种新的基于非线性马尔科夫随机过程、相空间重构和隐马尔科夫链的非线性随机方法,用于对金融交易时序进行建模拟合,然后应用鲁棒控制图对估计误差进行检验以发现异常.应用该算法对实际交易数据和仿真数据的分析验证了所提方法的有效性和可行性,可以被用于异常交易的监测.     

基于博弈的网络团购供应链信任协调机制研究

随着网络团购的快速发展,失信问题日益突出,此问题若得不到解决,将严重制约网络团购的发展规模.分析了影响供应链成员间信任的因素,并在运用KMRW声誉模型进行有限次重复博弈的基础上,引入第三方信用监管机构,设计了相应的约束机制和激励机制.分析结果显示,声誉模型对交易双方信任合作提供隐性激励,建立长期战略合作关系,有利于机会主义的守约行为;第三方信用监管机构的介入可以约束交易双方的机会主义行为,减少他们之间的信息不对称,能够最大限度的减少网络团购交易中的风险.     

基于交易流水的信用卡套现交易及商户识别

信用卡套现是一种威胁正常金融秩序的风险行为。有效识别具有套现风险的商户及其风险交易,对信用卡风控具有重要意义。传统的信用卡风险识别方法需要先积累大量的标注数据,对持卡人拥有充分的先验信息。而信用卡标注数据的稀缺大大限制了传统方法的应用。本文充分挖掘海量交易流水数据,提出基于无监督学习的套现交易及风险商户识别方法。一方面,该方法无需关于信用卡的标注数据或先验信息,能够以数据驱动的方式过滤行为异常的套现交易及风险商户,具有更广泛的应用前景。另一方面,该方法综合商户的交易金额属性,及商户与消费者之间的关联关系,构建出一系列可解释性强的套现风险指标,为风控管理提供直观的指导参考。基于某第三方支付平台实际数据的实证分析表明,本文方法能够有效区分具有不同行为表现、不同风险等级的商户群体,为实际的套现交易识别提供可靠的决策支持。     

基于VAR模型的中国创业板羊群效应研究

羊群效应一直是我国主板市场研究的热点问题,受到开板时间的制约,关于创业板市场羊群效应研究相对较少.以创业板为研究对象,基于CCK模型检验方法,引入成交量指标,分别从价、量两个方面建立VAR模型对创业板的355只股票进行研究.结果表明:我国创业板二级市场存在由成交量引起的羊群效应,滞后期为1~2期.说明在创业板,投资者对成交量变动比价格变动更为敏感.因此,加强投资者交易行为的监管更有利于创业板市场的稳健发展.     

证券市场内幕交易有信息含量的临界点值推算

中国证券市场内幕交易的同时存在市场操纵行为,使得独立判断内幕交易的信息含量存在困难.为解决判断纯粹内幕交易是否具有信息含量问题,需要确定内幕交易具有信息含量的临界点值.采用我国证券市场内幕交易与操纵样本数据,先在操纵均衡点附近排除市场操纵的影响,然后推算出无消息、无操纵状态下证券随同大盘运动的理论增长路径,在此基础上比较基于内幕信息操纵和理论增长情况,通过设定与理论增长的倍数关系,推算纯粹内幕交易具有信息含量的临界点值:异常收益应大于3%.该值可以解释现有文献认为内幕交易有或没有信息含量的矛盾与争论.应用于中国内幕交易实际情况及与近年国际相关研究文献对照,临界点值得到支持.     

基于遗传算法证券市场违规交易数据智能搜索

通过对我国证券市场中的内幕交易"老鼠仓"问题的研究,力图设计一个基于遗传算法的证券内幕交易异常数据自动检索系统,用来监控股票的违规操作.系统通过将遗传算法的快速搜索与异常处理判断模块结合,对出现异常波动的股票进行实时行情数据的跟踪、分析与调查,从中找出异常数据.之后再对这些异常数据进行比较和判断,定位该股是否具有违规的"老鼠仓"交易嫌疑,以此为证监部门判断某股是否有"老鼠仓"嫌疑提供依据.     

基金投资行为与投资绩效实证研究

本文主要研究2000年末到2004年6月国内基金投资行为与投资绩效。我们将基金交易行为分为:新进入、完全退出和对仓位进行调整3类,并分别研究其投资行为。研究结果显示,我国基金交易频率很高,近90%的基金采用动量投资策略,基金新进入股票时动量效应最强。价值型基金更易采取动量投资策略,高动量组收益高于低动量组收益。     

基于演化博弈的PPP项目运营期政府监管方式选择研究

PPP项目运营期内,投资者可能为了追求私利而采取投机行为。针对这种投机行为,本文从监管的角度,运用演化博弈理论分析了政府监管方式策略选择问题。本文将监管方式分为两类:过程监管和结果监管。结果表明,政府监管部门的策略选择与监管部门结果监管时能够识别投机行为的概率有关。以投资者投机所得的“价值”为标准,当结果监管识别投机行为的概率小于投资者采取机会主义所得的“价值”时,双方最终的策略选择为(不采取机会主义行为,结果监管);相反,则双方之间不存在一组进化稳定策略,博弈的最终结果与双方的收益以及系统所处的初始状态有关。此外,本文还讨论了不同参数变化对双方行为策略选择的影响,为政府监管方式的选择提供参考,以期最大程度抑制机会主义行为。     

知情交易者和不知情交易者的策略互动

本文利用EEOW模型结合高频交易数据,对中国股票市场上知情交易者和不知情交易者的交易策略互动进行了实证研究.研究发现:在中国股票市场上,不知情交易者的交易行为对知情交易者没有影响,但是知情交易者的交易行为却对不知情交易者有显著的影响.当预期到市场上有众多知情交易者时,不知情交易者就减少交易以降低与知情交易者发生交易的概率.这一点与传统模型中的"噪声"交易者假设是不一致的.本文的结论对于今后构建更加贴近实际情况的交易策略模型有很好的指导意义.     

Multiple outlier detection in multivariate data using self-organizing maps title

Summary  The problem of detection of multidimensional outliers is a fundamental and important problem in applied statistics. The unreliability of multivariate outlier detection techniques such as Mahalanobis distance and hat matrix leverage has led to development of techniques which have been known in the statistical community for well over a decade. The literature on this subject is vast and growing. In this paper, we propose to use the artificial intelligence technique ofself-organizing map (SOM) for detecting multiple outliers in multidimensional datasets. SOM, which produces a topology-preserving mapping of the multidimensional data cloud onto lower dimensional visualizable plane, provides an easy way of detection of multidimensional outliers in the data, at respective levels of leverage. The proposed SOM based method for outlier detection not only identifies the multidimensional outliers, it actually provides information about the entire outlier neighbourhood. Being an artificial intelligence technique, SOM based outlier detection technique is non-parametric and can be used to detect outliers from very large multidimensional datasets. The method is applied to detect outliers from varied types of simulated multivariate datasets, a benchmark dataset and also to real life cheque processing dataset. The results show that SOM can effectively be used as a useful technique for multidimensional outlier detection.     

大型仪器利用情况调查数据异常值检测的数学方法比较

高质量的决策越来越依赖于高质量的数据挖掘及其分析,高质量的数据挖掘离不开高质量的数据.在大型仪器利用情况调查中,由于主客观因素,总是致使有些数据出现异常,影响数据的质量.这就需要通过适用的方法对异常数据进行检测处理.不同类型数据往往需要不同的异常值检测方法.分析了大型仪器利用情况调查数据的总体特点、一般方法,并以国家科技部平台中心主持的"我国大型仪器资源现状调查"(2009)中大型仪器使用机时和共享机时数据为主线,比较研究了回归方法、基于深度的方法和箱线图方法等对不同类型数据异常值检测的适用性.选取不同角度,检验并采用不同的适用方法,找出相关的可疑异常值,有助于下一步有效开展大型仪器利用情况异常数据的分析处理,提高数据质量,为大型仪器利用情况综合评价奠定基础,也为科技资源调查数据预处理中异常值检测方法提供有益借鉴.     

Outlier detection in two-stage semiparametric DEA models

In the use of peer group data to assess individual, typical or best practice performance, the effective detection of outliers is critical for achieving useful results, particularly for two-stage analyses. In the DEA-related literature, prior work on this issue has focused on the efficient frontier as a basis for detecting outliers. An iterative approach for dealing with the potential for one outlier to mask the presence of another has been proposed but not demonstrated. This paper proposes using both the efficient frontier and the inefficient frontier to identify outliers and thereby improve the accuracy of second stage results in two-stage nonparametric analysis. The iterative outlier detection approach is implemented in a leave-one-out method using both the efficient frontier and the inefficient frontier and demonstrated in a two-stage semi-parametric bootstrapping analysis of a classic data set. The results show that the conclusions drawn can be different when outlier identification includes consideration of the inefficient frontier.     

Outlier Mining Based on Principal Component Estimation

Outlier mining is an important aspect in data mining and the outlier mining based on Cook distance is most commonly used. But we know that when the data have multicoUinearity, the traditional Cook method is no longer effective. Considering the excellence of the principal component estimation, we use it to substitute the least squares estimation, and then give the Cook distance measurement based on principal component estimation, which can be used in outlier mining. At the same time, we have done some research on related theories and application problems.     

极值分布参数检验的样本崩溃点

检验的样本崩溃点是样本中能逆转判决的离群值的最小比例.本文计算和分析了一类极值分布位置参数的似然比检验的样本崩溃点.并用截尾方法改进了这类检验的样本崩溃性质.     

Outlier detection in interval data

A multivariate outlier detection method for interval data is proposed that makes use of a parametric approach to model the interval data. The trimmed maximum likelihood principle is adapted in order to robustly estimate the model parameters. A simulation study demonstrates the usefulness of the robust estimates for outlier detection, and new diagnostic plots allow gaining deeper insight into the structure of real world interval data.     

Outlier Detections in Autoregressive Models

This article proposes a new technique for detecting outliers in autoregressive models and identifying the type as either innovation or additive. This technique can be used without knowledge of the true model order, outlier location, or outlier type. Specifically, we perturb an observation to obtain the perturbation size that minimizes the resulting residual sum of squares (SSE). The reduction in the SSE yields outlier detection and identification measures. In addition, the perturbation size can be used to gauge the magnitude of the outlier. Monte Carlo studies and empirical examples are presented to illustrate the performance of the proposed method as well as the impact of outliers on model selection and parameter estimation. We also obtain robust estimators and model selection criteria, which are shown in simulation studies to perform well when large outliers occur.     

非正态变异下的非线性轮廓异常点识别方法研究

在质量控制领域,非线性轮廓异常点识别问题是重点研究问题之一。本文综合运用了小波分析、数据深度、聚类分析等数据分析处理技术,提出了一种新的非正态变异的异常点识别方法。文章通过仿真分析技术,将新方法χ²与控制图方法进行性能对比,结果证实新方法能够以更高的准确率和稳定性识别异常点,表现出更好的异常点识别性能。最后将新方法应用于木板垂直密度轮廓实例对新方法进行验证,分析结果表明本方法能够有效识别出异常轮廓数据。     

市场与规制双重不确定下企业环境投资行为选择

通过主体适应性规则构建企业环境投资行为模型,从政府环境规制和市场波动等方面刻画企业环境投资决策面临的不确定性,基于计算实验方法探寻企业在基准、震荡、上涨与下跌等4种情景下的环境投资行为规律。研究发现:政府规制强度越强,企业环境投资越充分,但投资偏差现象越明显。在震荡情景中,企业的环境投资行为表现出非理性状态,在上涨情景中,企业环境投资表现出过度反应。当市场产品价格波动处在单边行情,政府可以通过较为宽松的环境规制实现目标,而当市场产品价格处在震荡波动时,政府需要通过较为严格的环境规制刺激企业进行环境投资。企业的环境投资受到政府规制与市场信号的共同影响,政府的环境规制稳定的持续刺激并不会让企业盲目投资,但政府环境规制的频繁变动却会使企业无所适从。     

Data Clustering Based on Maximization of Outlier Factor

There exist many data clustering algorithms, but they can not adequately handle the number of clusters or cluster shapes. Their performance mainly depends on a choice of algorithm parameters. Our approach to data clustering and algorithm does not require the parameter choice; it can be treated as a natural adaptation to the existing structure of distances between data points. The outlier factor introduced by the author specifies a degree of being an outlier for each data point. The outlier factor notion is based on the difference between the frequency distribution of interpoint distances in a given dataset and the corresponding distribution of uniformly distributed points. Then data clusters can be determined by maximizing the outlier factor function. The data points in dataset are divided into clusters according to the attractor regions of local optima. An experimental evaluation of the proposed algorithm shows that the proposed method can identify complex cluster shapes. Key advantages of the approach are: good clustering properties for datasets with comparatively large amount of noise (an additional data points), and an absence of important parameters which adequate choice determines the quality of results.