中国股票市场的分形结构——股票收益长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳A股算术加权和流通市值加权市场指数的周收益序列以及上证180指数和深圳成份指数中选取的12只代表性股票的周收益序列,采用重标级差分析(R/S分析)和ARF IM A模型对其进行了实证研究.从统计结果来看,样本序列呈现出尖峰和肥尾等有偏特征,明显不满足正态分布的假设,表明收益序列可能具有长程相关或记忆性.进一步的研究发现,沪深两市A股市场指数收益序列和大多数个股(10只股票)存在明显的长期记忆特征,收益分布表现出持久性.从划分不同时段的分析结果来看,中国股票市场渐进趋于弱势有效.     

基于函数型数据分析的金融数据多层凝聚算法

将多层核心集凝聚算法应用于函数型数据分析,并应用于金融数据聚类.首先,依托金融数据的函数型特征对其进行基函数展开;其次,对产生的高维数据进行特征提取;最后,用多层核心集凝聚算法进行聚类.实验对股票波动率曲线进行聚类,挖掘出股票数据波动的内在特征,可以客观地对股票板块进行划分.     

我国股票与债券、黄金间的资产组合功能研究——基于DCC-MVGARCH模型的动态相关性分析

股票与债券、黄金间的动态关系研究对于投资组合的构建、金融市场监管和风险控制具有重要价值。本文在引入了相关性的资产组合功能定义后,利用DCC-MVGARCH模型,检验了2003-2010年期间我国股票与债券、黄金间的动态相关性。结果显示,股票和债券间的相关性具有动态时变特征,我国债券不但是股票的长期对冲保值资产也是2008年股市危机后期的避险资产;股票与黄金间的动态相关性较弱,更接近于显著的常正相关,这揭示出我国黄金仅为股票的长期多元化资产。总体而言,股票与债券、黄金间的相关系数相对较低,反映出市场分割特征依然明显。     

基于在线理论的股票算法交易策略研究

运用在线理论研究多支股票算法交易策略。在El-Yaniv等人研究基础上,构造了单支股票买入问题的在线策略,证明该策略为最优在线策略;将构造的单支股票交易策略应用到多支股票交易策略问题中,设计了多支股票交易策略算法,并以每支股票收益加权进行投资组合;最后选择上证A股二十支股票从2009年到2012年的交易时间价格数据验证本文所提策略有效性。将20支股票随机抽取10支组成一组,选4组分别进行验证,结果表明本文所给策略对于任意选择的多支股票有较好收益。对交易周期分别选取10个偶数长度进行验证,发现交易周期为18天时平均收益最大,平均收益率为5.2%。     

基于高频数据的时间序列长记忆系数比较研究

在高频数据中,交易持续时间序列,交易量序列和收益率平方序列都存在长记忆现象。本文采用半参数方法,对同一只股票的上述三种序列的长记忆参数进分析比较,结果显示,三种序列都存在长记忆现象,而且同一只股票的上述三种序列具有相同的长记忆参数。这些结果为微观市场的相关理论提供了实证。     

股票收益的分形特征的实证分析

本文以具体股价指数为例研究股票市场的分形特征,结果发现股票的收益具有长期记忆性、收益分布具有尖峰、细尾等特点,这对预测及管理证券的风险是有极重要的意义的.     

基于CNN-BiLSTM模型的PM2.5浓度预测方法

针对传统长短期记忆网络(Long Short-Term Memory,LSTM)在预测PM_2.5浓度时只考虑了数据的时序特征而忽略了空间特征的问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)的混合预测模型.该模型结合CNN与BiLSTM模型不仅考虑数据双向的时序特征,还关注不同特征之间的空间关联性,模型通过提取并融合数据的时空特征来实现PM_2.5浓度预测.在北京市2010年-2014年的天气和污染水平数据集上,将该模型与LSTM、BiLSTM、CNN-LSTM模型进行PM_2.5浓度预测实验对比,结果表明CNN-BiLSTM模型的预测误差明显小于其他模型,该预测模型具有更好的预测性能.     

基于小波分析的滑动GA-BP-GRACH模型对股票的预测研究

以“平安银行” 00001号股票收盘价为实证背景,基于小波分析下的滑动GA-BP-GRACH模型对该股票变化趋势进行预测研究,即:通过小波分解得到两类股票变化数据(低频、高频),并建立滑动窗口下的GA-BP神经网络对其低频数据进行预测,鉴于高频数据表现出的波动性特点,采用GRACH模型进行预测.结果显示,两类模型的预测效果均为良好.最后,再基于小波重构得到股票的最终预测数值.实验表明,所述模型在股票预测方面比传统神经网络模型更加优越,对股票变化规律刻画也有着一定的参考价值.     

时态支持向量机模型在股票操纵模式发现上的研究

基于原始时间属性下的时态数据难以发现规律的特点,文章构建了时态支持向量机模型,该模型通过对输入时态数据的粒度变换,获得多个分类模型,从而能够发现多种规律.在此基础上,结合时态型操纵特征构建了股票操纵模式发现模型,最后在证监会披露的操纵股票真实数据上进行数值实验,实验发现细时态粒度数据的分类模型在识别一般操纵和严重操纵上效果较好,粗时态粒度数据的分类模型在识别未被操纵或轻微操纵上效果较好.在未知数据集上实验,该模型可以有效识别不同程度操纵股票的模式,其中1个时态粒度数据下添加市场差异特征的模型表现最好,识别准确率达到了98.25%.文章验证了在不同时态粒度输入下,时态支持向量机模型能够发现在原始数据上不能发现的模式特征,这对解决一些复杂规律在原始特征下难以被发现的问题具有重要借鉴意义.     

不完全市场中投资策略的实证研究

Klaus[1]采用随机动力系统理论分析了不完全市场中市场份额的长期演变行为,找到了可以获得最大收益的投资策略的显式表达式,并证明了这个投资策略是渐进稳定的.本文的工作是以股票作为基础资产,利用中国证券市场上的原始股票数据,检验Klaus的理论成果在不完善的中国股票市场上的运行情况,并对得到的结果进行分析.     

中国股市波动性的隐周期研究

本文运用频谱分析理论研究中国股市波动中的隐周期特征.研究结果表明,中国股市波动中不存在隐周期规律。这一结果表明中国股市市场效率得到提高,股市波动结构特征较数年前有较大的变化.并支持中国股市较高的波动性既可能是由集中而强烈的新信息冲击引起的,也可能是由于市场对信息冲击的吸收能力较差所致,两个层次的因素共同决定了股价的波动这一结论.     

具有固定时滞的经济周期模型的动态分析

在经济活动中,投资行为和资本存量存在一定的时滞效应,这会影响经济周期模型的动态行为,进而使得投资政策对经济的稳定调整复杂化.考虑到资本存量的预期时间以及投资时滞对经济活动的影响,采用Hopf分岔理论,研究具有固定时滞的经济周期模型的均衡点的稳定性以及形成经济周期的条件.研究发现,投资过程中的投资时滞,以及投资决策中对于资本存量的预测时间构成经济周期产生的诱因;同时可通过政府投资政策调整达到预期均衡目标,这对保持经济周期稳定及经济政策制定有一定的指导作用.     

中、欧股市非线性分形特征的比较研究

本文利用R/S重标极差法对中国股市(上证综指和深证成指)日收益的非线性分形特征进行实证分析,并与欧洲股市的五个重要股指进行比较,结果表明:中国股市收益波动比欧洲五大市场存在着更强的长程相关性和非周期性循环,沪、深两市的Hurst指数都明显大于0.6,具有一定的非线性分形特征。     

Multi-Item Inventory Aggregation into Groups

The problem of grouping the many items in stock into a few groups with the provision of a common order cycle or common order quantity per group is modelled as a dynamic program. It is shown that by a simple reorganization of the stock items, the computation time of the dynamic program can be reduced to a manageable size. Further the order cycle grouping is shown to be, usually, superior to the order quantity grouping scheme. Also, the composition of the order cycle grouping is found to be remarkably close to that of the well known A/B/C system of stock control therby giving theoretical credence to that system.     

基于R/S分析的深圳股市非线性特征实证研究

应用HURST指数和R/S分析法对深圳股市进行了非线性特征实证研究,从低频数据到高频数据逐层分析,分别得到它们的H-指数、相关系数、分形维数和非周期循环.进一步,对不同频度数据分别进行对比分析,得到了深圳股市精确的非线性特征.实证结果表明,深圳股票市场存在状态持续性和波动性.     

马尔可夫链及其在股市分析中的应用

本文运用马尔可夫链理论预测股票价格分析股市,提出了股价运行周期和投资收益的最大化理论,并建立其随机过程模型,使决策的长期效益趋于最优,通过实例检验,证明了此模型的可行性和实用性.     

投资者注意的风险补偿对股市回报的预测

利用历史累积交易金额数据,本文构造了中国股票市场增量注意风险补偿和存量注意风险补偿,并检验其对中国股票市场收益率的预测能力。样本外检验结果显示,以上两种注意风险补偿均能显著预测下个月中国股市的超额收益率,其R²分别达到了2.68%和2.50%;与中国股票市场中其他预测变量相对比,增量注意和存量注意风险补偿表现出更强的预测能力。此外,基于不同的样本外检验期、不同的风险厌恶参数以及五种不同的变量构造方式,投资者注意风险补偿均产生显著的预测能力。围绕着经济周期波动,本文对注意风险补偿的预测能力进行了解释,同时还发现,相较于经济衰退期间,经济繁荣期间的投资者注意风险补偿样本外预测能力更强。     

A Note on an Inventory Model with Inventory-level-dependent Demand Rate

This model discusses an infinite time-horizon deterministic inventory model without shortages, where the demand rate at any instant depends on the on-hand inventory (stock level) at that instant down to a certain stock level and then it becomes constant for the remaining period of the cycle. The decision rule for finding the optimal order quantity is also given, and three numerical examples are presented to illustrate the model developed.     

以库存成本为中心的航空备件决策分析

在分析库存成本的基础上,根据等周期补货原则,确定了在一定时间跨度内的缺货时间点、补货时间点及每次的补充量;根据补货周期内部缺货的时间长度与周期长度界定了库存服务水平;最后通过算例对备件决策中的各要素与库存成本的关系进行了分析.     

An exact calculation of the cycle service level in a generalized periodic review system

This paper is focused on the exact calculation of the cycle service level for a generalized periodic review system accepting any discrete demand with a known probability function and any cycle service target. Previously, it was necessary to modify the definition of the cycle service level metric (also known as non stock out probability) so that it could be applied to these cases. The purpose of the proposed (R, S) system is to handle simultaneously fast-moving items, slow-moving items and intermittent or sporadic demand items any of them with high, medium or low cycle service targets.