基于贡献度随机森林模型的公司债信用风险实证分析

运用贡献度随机森林方法(CRF)方法探讨公司债财务指标比率与其违约率的关系.运用连续属性离散化方法(OB)进行财务指标最优降维;运用WOE变换进行模型变量约简.研究表明,CRF模型的分类性能显著优于其他模型,测试集评估总体正确率达90.47%,AUC统计量、AR比率及K-S值分别提升了2.6%、7.6%、4.38%,变量贡献度量化了各财务指标对违约率影响,为诠释随机森林预测机制提供了依据.     

基于变精度加权平均粗糙度决策树的财务预警研究

运用聚类方法把公司财务状况分为5个等级,分别为财务状况健康,良好,一般,预警和危机,与以往将研究样本分为ST和非ST两类的财务预警模型相比,5分类模型更加精确合理,贴近实际。同时基于指标相关性和指标重要度对33个财务指标进行了约简,得到9个能够反映企业财务状况的财务指标。以约简后的9个指标及5个等级的财务状况来建立决策树,指标体系和财务等级更加合理。树的生成过程运用粗糙集中的变精度加权平均粗糙度作为选择测试属性的方法,每次选择变精度加权平均粗糙度值最小的属性作为分支结点。变精度加权平均粗糙度的应用提高了决策树的防噪声能力,复杂性较低且能有效提高分类效果。实证研究表明将它应用到财务预警领域,提高了财务预警的分类精度。     

因子分析在股票评价中的应用

本文运用SAS软件,对沪市604家上市公司2001年财务报表中的十个主要财务指标进行了因子分析,并将这十个指标归结为三个因子,每个因子都有特定的含义。最后,根据每个股票的三个因子得分情况对该股票作出综合评价。     

面板Logit模型在控制权转移影响因素分析中的应用

以2002～2004年我国A股市场发生控制权有偿转让的上市公司为样本,建立面板Logit模型,利用偏极大似然估计方法估计上市公司各项财务指标对其控制权转移的影响效应.主要结论是:主营业务利润率、净利润增长率、每股净资产、总资产等共11个财务指标对控制权转移有显著影响.     

基于财务指标的股票间关联网络结构特征研究

目前关于股票间关联网络结构特征的研究,主要是基于股票价格时间序列间相关关系构建复杂网络.然而,股价只是衡量股票优劣的外在因素,财务指标更能全面地刻画上市公司的运行情况,反映股票背后的经济实力.因此,以中国74家能源上市公司的财务指标为样本,结合复杂网络理论,构建不同阈值下的股票间关联网络,进行结构特征分析.发现,服务类型的股票在网络中影响较大,社团化趋势显著等.     

媒体信息量异常或有害股票收益

本文借助一个独特的数据样本,运用媒体对股票的剩余关注度模型,实证研究异常媒体信息量与股票收益之间的关系,以期为投资者进行投资决策提供一定的参考和指导。研究发现:异常媒体信息量越大,该股票在下一个月的平均收益率越低,存在媒体效应;由此所构造的零投资组合经CAPM模型、FF三因素模型和Car-hart四因素模型调整后,均能获取显著的超额收益,结果具有稳健性。此外,实证结果还表明媒体效应所带来的超额收益源于媒体信息量异常大的股票组合的显著低收益,本文认为,这种不对称现象产生的原因可能更多的是由投资者情绪导致的股票价格对媒体报道的过度反应,并进而导致较低的期望收益。     

基于贝叶斯法则的空间自相关误差自相关模型变量选择研究

本文将研究贝叶斯法则视角下的空间自相关误差自相关模型(Spatial Autoregressive Model with Autoregressive Disturbances,SARAR模型)变量选择问题。通过将基于BIC准则的子集选择法推广到空间模型,实现SARAR模型的变量选择,并证明在一定条件下,对于SARAR模型的变量选择BIC准则具有良好的渐近性质。同时本文还将利用Monte Carlo模拟验证BIC准则能够很好的实现SARAR模型的变量选择。最后以股票收益率为例,在验证股票收益率具有空间效应的前提下,利用BIC准则对影响股票收益率的众多财务指标进行变量选择。     

基于稀疏主成分的我国上市公司信用风险评价与预测

把我国2016-2018年沪深Ａ股上市公司中164家ST公司作为信用违约样本,492家非ST上市公司作为非违约样本进行实证研究.从营运能力、偿债能力、盈利能力和成长能力等4个方面选取了25个财务指标,然后运用稀疏主成分方法提取主成分因子,并加入公司规模、第一大股东持股比例和股权质押3个非财务指标,作为Logistic回归模型的输入参数.在此基础上构建Logistic模型进行信用风险评价和预测.     

区间值信息系统基于极大相容类的属性约简

区间值信息系统是单值信息系统的一种广义模型,通过引入变精度相容关系以及极大变精度相容类,提出区间值信息系统的属性约简与对象的相对属性约简.进一步,基于区分矩阵,定义一种区分函数与相对区分函数,得到计算区间值信息系统上属性约简与相对约简的具体操作方法.     

基于粗集和熵值的卷烟消费市场潜力评价

运用粗糙集属性约简算法对初始因素指标进行约简,运用熵值法确定指标权重并建立综合评价模型,对贵州省各地区卷烟消费市场潜力进行综合评价,得出各地区消费潜力排序.应用实例表明两种方法结合使用将有效提高评价质量.     

基于GARCH方法研究非效率投资中金融冲击的影响机理

代理理论认为,在动荡和不确定环境下,管理者会做出偏离企业价值最大化的非效率投资行为。为探究金融冲击这个带有不确定色彩的因素,是否会恶化企业非效率投资行为,论文先是使用一个数学模型来说明金融冲击与非效率投资的可能关系,而后以GARCH方法的条件异方差来度量金融冲击的潜变量股市冲击、货币冲击和汇率冲击。最后,实证检验了这三个金融冲击潜变量和非效率投资的关系。研究发现:货币冲击和汇率冲击会显著提升非效率投资,而股市冲击能够显著降低非效率投资。进一步研究表明,货币冲击和汇率冲击会通过显著增加过度投资来加大非效率投资行为,而股市冲击则通过显著减少投资不足来达到降低非效率投资行为。     

投资者情绪和市场利率对证券市场指数收益影响特点的动态刻画

本文基于2006年10月到2015年6月市场层面的投资者情绪和上证综指收益率,刻画了投资者情绪和市场利率对证券市场指数收益率的影响。首先,本文通过误差修正模型研究了短期层面投资者情绪对证券市场收益的影响特点,补充了以往在长期层面和整体收益水平上投资者情绪对市场收益影响的研究。由于市场层面的投资者情绪会受到宏观政策影响,之后本文将市场利率作为政策因素,通过分位数回归分析了不同市场收益水平下,市场利率和剔除了宏观政策因素的投资者情绪对市场收益的影响。研究结果表明:投资者情绪和证券市场收益之间的关系在短期层面上更为显著;当我国的证券市场环境处于“牛市”时,市场利率和投资者情绪均会对证券市场指数收益产生显著的影响,且随着市场收益水平的逐步上升,市场利率的反向作用和投资者情绪的正向作用均会逐渐加强。     

金融风险在股票市场的传染效应及联动行为分析

近年来金融危机频发并表现出了易传染性,引起了众多学者的高度关注。以动态条件相关模型研究美欧股市与中、日、韩股市间的时变相关性,并结合内生多重结构突变模型划分危机传染阶段,选用溢出指数模型分析股市间的风险溢出特性;随后,定义股市间相互影响的联动模式并构建不同传染阶段的加权有向网络图分析股市间的联动行为。研究表明:美欧股市对中日韩股市有明显的传染效应,被传染的速度和持续时间均不相同;金融传染和风险溢出展现出一定的不一致性,危机期间日股的风险溢出效应强于美股;传染效应在联动网络中表现为联动模式的高聚类性和高联动性,相比欧债危机,次贷危机时期股市间展现出更强的联动行为;日股与美欧股市在两次危机中均表现出最强的联动性,其所受影响也最大。     

股市投资回报过程的长相依性与风险度量

对上证指数对数收益率的长相依性进行了统计检验并完成了相应的统计建模以及参数估计.通过选择分数布朗运动作为刻画股票投资回报的驱动过程,并得到了此模型下股指收益的VaR计算的显式表达式.数值分析的结果显示分数布朗运动模型下的VaR值要高于Black-Scholes模型下的VaR值,这表明长相依性质对于股指风险有很大的影响,在相关的金融风险产品的风险度量中应加以重视.     

基于LPRE和LASSO方法的股指追踪研究

将最小化乘积相对误差(LPRE)和最小绝对压缩选择算子(LASSO)方法应用到乘积回归模型,结合BIC信息准则实现股票指数的追踪,成功选取了26支对上证50指数影响较大的成分股,并比较了所提方法与线性模型下LASSO方法的表现,验证了所提方法的有效性.     

基于具有LR型模 糊输出回归模型的上证指数预测

以对称二次型模糊回归模型为基础,引入一般二次模糊回归模型,利用模糊最小二乘法估计未知参数．构建评价标准考察两模型的拟合效果,在样本期内和样本期外分别评价模型的实际拟合与预测能力．     

基于遗传算法和半参数回归的神经网络集成股市预测研究

股票时间序列预测在经济和管理领域具有重要的应用前景,也是很多商业和金融机构成功的基础.首先利用奇异谱分析对股市时间序列重构,降低噪声并提取趋势序列.再利用C-C算法确定股市时间序列的嵌入维数和延迟阶数,对股市时间序列进行相空间重构,生成神经网络的学习矩阵.进一步利用Boosting技术和不同的神经网络模型,生成神经网络集成个体.最后采用带有惩罚项的半参数回归模型进行集成,并利用遗传算法选择最优的光滑参数,以此建立遗传算法和半参数回归的神经网络集成股市预测模型.通过上证指数开盘价进行实例分析,与传统的时间序列分析和其他集成方法对比,发现该方法能获得更准确的预测结果.计算结果表明该方法能充分反映股票价格时间序列趋势,为金融时间序列预测提供一个有效方法.     

基于高斯核支持向量机和遗传算法的优化组合研究

选用2008~2015共8年数据,首先基于高斯核的支持向量机在沪市A股上构建周期性的投资组合,并通过误差图和评价指标与BP神经网络、广义回归神经网络进行比较,结果表明了支持向量机在股票预测上更具有优势.再将改进遗传算法运用于上证股票市场构建最优投资组合,以上证指数作为基准进行比较,得出混合遗传算法优化组合的模型相比单一模型更为有效.     

基于GAS t-Copula模型的金融市场非对称风险溢出效应测度研究

准确测度金融风险溢出效应对于金融风险管理和构建投资组合具有重要意义,而金融市场之间的非线性及动态相关结构一直是风险溢出效应研究中的难点问题之一。本文通过引入GAS t-copula模型与CoVaR方法,结合能够刻画重要典型事实特征的边缘分布模型,构建了金融市场间的风险溢出效应测度模型,以中国内地等五个股市为研究对象,测度美国股市对中国内地等四个重要股市的风险溢出效应,以检验模型的可靠性与准确性。实证结果表明:中国内地等四个股市与美国股市之间呈现出显著为正且时变相关结构,随着金融危机的爆发,相关系数逐渐增加达到最大值;中国内地等四个股市受到美国股市的风险溢出效应呈现出非对称特征,即下跌风险溢出效应强度显著大于上涨风险溢出效应;中国内地股市受到的金融风险溢出效应显著小于香港、日本以及英国股市。     

基于Tsallis理论的中国股市收益分布研究

应用Tsallis提出的非广延统计力学理论以及与之密切相关的非线性Fokker-Planck方程所描述的动力系统,根据我国上证指数和深证指数2004年1月1日～2008年11月13日的高频数据,分析了在三种不同的时间标度下股指收益的概率分布,发现Tsallis分布可以很好地描述两市收益分布的尖峰厚尾有限方差等特征,同时也给出了市场微观动力学层面的解释。揭示出我国上海和深圳股市的价格过程并不符合随机游走,而是反常扩散过程,两市具有十分接近的非线性动力系统特征。所得结论对于研究我国金融市场的资产配置和定价、风险管理和制度建设都具有重要的意义。