基于文本挖掘的股评情绪效应分析

结合TF-IDF、Word2vec等文本挖掘方法构建了股市情感词典。基于情感词典,采用SVM方法对股评文本进行分类后构建了文本情绪指数。然后应用所构建的文本情绪指数对股市效应进行了实证研究。实证结果表明,投资者情绪对股票收益率具有短期正向预测作用和长期负向预测作用,其影响具有持续性和潜伏性。     

基于倾向得分广义线性模型的非概率抽样统计推断研究

候选者数据库网络调查下非概率抽样的统计推断问题是网络调查发展中迫切需要解决的问题.提出基于倾向得分广义线性模型的非概率抽样推断方法:将网络候选者数据库的调查样本与参考样本结合,建立Logistic、Probit、C-log-log三种广义线性模型来估计倾向得分,并对网络候选者数据库的调查样本进行倾向得分未加权比例的分组调整与倾向得分加权比例的分组调整来估计总体.研究结果表明:基于倾向得分广义线性模型的总体估计效果较好,并且使用调查权数的Logistic与C-log-log倾向得分未加权比例的分组调整估计最为稳健.     

极端波动、跳跃和尾部风险——基于已实现波动率的股票市场风险动态预测

本文基于跳跃扩散波动理论,利用非参数方法估计波动中跳跃成份,研究我国股市波动中跳跃的动态演变特征,将跳跃作为股市波动的重要因素纳入模型,建立我国股指收益率的非齐次自回归已实现波动率模型,利用条件极值方法对我国股市的波动风险进行动态预测.统计结果表明:在股市大波动时期跳跃发生更为频繁,而且和连续成份相比较,跳跃对股指波动的贡献占据主要地位。和传统的EGARCH模型相比,包含跳跃的已实现波动率模型对股指波动风险预测性能明显优于EGARCH模型风险预测,跳跃对股指波动风险预测具有显著的解释力.对股市历史数据的分析和预测表明,跳跃对于股指日收益率尾部行为具有重要的影响,大跳跃的发生导致尾部风险显著增大。本文研究结果对于政府监管部门监控股市和制定有效的调控措施加强股市风险管理具有重要的参考价值。     

协变量缺失情形下的逆概率加权众数回归估计

数据缺失在实际应用中普遍存在,数据缺失会降低研究效率,导致参数估计有偏.在协变量随机缺失(MAR)的假定下,本文基于众数回归和逆概率加权估计方法对线性模型进行参数估计.该方法结合参数Logistic回归和非参数Nadaraya-Watson估计两种倾向得分估计方法,分别构建IPWM-L估计量和IPWM-NW估计量.模拟研究和实例分析表明,众数回归模型比均值回归模型更具稳健性,逆概率加权众数(IPWM)估计方法在缺失数据下表现出了更好的拟合效果,与IPWM-L估计量相比, IPWM-NW估计量更稳健.     

北京市区县政府网站绩效评估方法研究

政府网站是政府面向公众的窗口,也是政府为人民服务的一种新形式,研究政府网站评估与提升策略对完善政府网站建设有积极的推动作用.分析了2016年政府网站绩效评估指标体系和评价结果.在大数据背景下,以北京市平谷区为例,使用起伏型时间序列模型和加权移动平均法对评估结果进行预测,在已有的数据基础之上,预测了2017年的评估得分.研究可以对北京市各区县未来网站建设的方向有一定的促进意义,同时也对其他地方政府网站的预测提供了具有借鉴价值的方法.     

基于灰色加权马尔可夫链的移动通信市场预测

在传统的用灰色预测模型预测的方法基础上,建立了灰色加权马尔可夫链模型.以中国移动通信市场预测作为实例,介绍了使用这种模型的方法与步骤.灰色加权马尔可夫链模型既考虑了从时间序列中挖掘数据的演变规律,又通过规范化各阶自相关系数为权重,用加权的马尔可夫转移概率矩阵的变换,考虑数据的随机波动,具有严密的科学性,能较好地应用于中国移动通信市场的预测.     

上证指数的预测分析

本文根据上海股市2005年6月到2009年8月的上证指数数据,通过建立数学模型的方法,对上海股票市场的走势情况作出了综合评价,建立短期内预测股市发展趋势模型对上证指数进行预测,并通过历史实际数据对模型进行了验证。     

财经新闻与股市预测——基于数据挖掘技术的实证分析

本研究深度挖掘了财经新闻主题内容与股市市场的相关性,并提出了一种基于理解当日新闻主题分布来分析中国股市涨跌的预测模型。具体来说,我们使用自动文本分析技术与机器学习技术,首先通过概率主题模型对财经新闻文档进行聚类得到其中的主题分布,再结合实际股票市场的交易数据分析其与市场之间的关联程度,最后引入支持向量机算法对股市走势进行预测。实验部分我们抽取了近三个月的新闻数据与沪深股市数据进行分析,结果表明:新闻中国际贸易以及城市化相关主题与股市变动关系密切,通过本文提出的算法能较准确得预测当日股市涨跌,而建立在其上的股指期货策略也取得了很好的效果。     

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.     

加权累加生成的GM(1,1)模型及其应用

根据灰色系统理论中的新信息优先原理知新信息对认知的作用大于老信息的作用,而传统的累加生成没有体现原始数据中新信息的重要性.针对这一问题提出了加权累加生成的概念,并对加权累加生成在单调性、灰指数规律、凸性等方面的性质进行了研究,得到加权累加生成序列具有单调递增性,具有较强的指数规律,并具有下凸性,然后建立了基于加权累加生成的GM(1,1)模型.通过具体算例的计算表明,加权累加生成的GM(1,1)模型的模拟和预测精度比传统的GM(1,1)模型模拟和预测精度高,从而说明了该法的有效性.     

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。     

基于ARIMA与信息粒化SVR组合的股指预测研究

对于证券市场投资者而言,基于合理假设准确预测资产价格未来发展方向与趋势关乎投资成败。本文通过构建一个基于ARIMA与信息粒化SVR的组合预测模型,对股票市场指数价格和收益变化的趋势进行预测。实证研究结果表明:基于ARIMA与信息粒化SVR组合的股指预测模型相较于传统时间序列模型而言,在预测精度和效度方面有较大提升,能够在一定时间周期内对股票等风险资产的价格波动区间进行较为可靠地预测,但目前还只能大致确定时间序列波动的区间范围而不能精确地预测具体点位。未来仍需结合其他预测模型和预判技术进一步深入研究,以有效提升股指趋势预测的准确性和实际指导性。     

投资者心态对股票价格走势的作用机理研究

假设股价变化遵循马尔科夫转移过程,考察具有不同心态的投资者的市场行为,给出投资者心态与股价变化之间相互作用的模型,得到了股价走势的两个基本模式,并用此模型解释股价走势中的动量效应和反转效应.     

投资者情绪指数及中国股市的实证

准确度量投资者情绪,有助于深刻理解市场,进行有效的监管和制定正确的投资策略.从重新界定投资者情绪的定义出发,对投资者情绪与当期收益的关系进行了理论演绎,总结出5条有关投资者情绪与当前收益关系的假说.依据可以获得的投资者情绪代理变量,利用主成分分析构建了中国证券市场投资者情绪指数,进而利用EGARCH模型实证检验了上述5条假说.实证结果表明,理论演绎与市场实际运行有很好的相合性.     

社会互动,投资者情绪传染与资产泡沫——基于股票论坛发帖的实证研究

在资本市场中,投资者并不是相互独立的个体,而是相互学习、相互交流的。随着互联网的迅猛发展,这种社会互动变得更为频繁和普遍,因此社会互动对资产价格的影响也不容小觑。本文先通过理论建模提出理论假设:社会互动存在条件下,投资者互动会加剧市场情绪的传染,进而增加资产泡沫;当投资者情绪高涨时,投资者互动强度显著正向影响泡沫;当投资者情绪低落时,投资者互动强度显著负向影响泡沫;受社会互动影响,投资者活跃的交易会加剧市场情绪的传染,进而增加资产泡沫。之后本文基于股票论坛发帖构建社会互动、投资者情绪指标,验证了中国股票市场中本文理论假设的正确性。     

投资者情绪影响下资本资产定价的区制性研究——基于股票论坛发帖的情感分析

本文首先建立一个考虑投资者情绪的资本资产定价模型,研究发现,投资者情绪是资产定价的系统性因子且对其影响具有区制性(存在三个区制)。在此基础上通过仿真揭示投资者情绪对资产定价影响存在区制性的原因在于当投资者情绪增加时,最优组合超额收益受组合效应与情绪效应的综合影响。最后基于股票论坛发帖的情感分析构建投资者情绪指标,实证检验了本文的理论模型,并发现基于普通的线性回归模型得到的投资者情绪对股指超额收益影响,一方面会在投资者情绪处于第二区制内时将其对股指超额收益影响方向弄反,另一方面会在投资者情绪处于第三区制内时低估其增加导致的股指超额收益平均增加程度。     

社会互动,投资者情绪传染与资产泡沫——基于股票论坛发帖的实证研究

在资本市场中,投资者并不是相互独立的个体,而是相互学习、相互交流的。随着互联网的迅猛发展,这种社会互动变得更为频繁和普遍,因此社会互动对资产价格的影响也不容小觑。本文先通过理论建模提出理论假设:社会互动存在条件下,投资者互动会加剧市场情绪的传染,进而增加资产泡沫;当投资者情绪高涨时,投资者互动强度显著正向影响泡沫;当投资者情绪低落时,投资者互动强度显著负向影响泡沫;受社会互动影响,投资者活跃的交易会加剧市场情绪的传染,进而增加资产泡沫。之后本文基于股票论坛发帖构建社会互动、投资者情绪指标,验证了中国股票市场中本文理论假设的正确性。     

基于解聘补偿的股权激励模型研究

传统的委托代理模型存在激励的短期性与道德风险的单边性两方面的问题．通过引入解聘补偿机制,建立并分析了信息完全对称和不完全对称两种情况下的股权激励模型,研究了委托人解聘倾向对股权激励合同设计的影响机制．研究结果表明：在初始合同中引入解聘补偿,不仅可以有效缓解委托人的道德风险,而且可以进一步提升代理人的工作努力程度．     

中国股市大公司股票与小公司股票收益关系的实证研究

对中国股市的大公司股票与小公司股票的价格与收益关系进行了实证研究,结果表明大公司股票与小公司股票的收益无论在牛市阶段还是熊市阶段都存在较高的相关性;熊市阶段大公司股票收益的自相关程度最高,存在一定趋势性.大公司股票与小公司股票的价格序列是单位根的,但不是协整的,二者的收益序列是稳定的,在牛市阶段和熊市阶段大公司股票与小公司股票收益之间存在双向的领先—滞后后关系.     

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。