自回归条件异方差模型在我国沪市的应用研究

应用自回归条件异方差(ARCH)模型对上海股市2000年—2004年4月上证指数收益率进行建模分析;实证结果反映上证指数收益率具有明显的群集聚集性、波动性、尖峰厚尾的特征,并且ARCH模型的预测能力较强.     

基于物理泡沫破裂模型的股市风险预测

股市泡沫是投资者关注的重要问题之一,如果能够通过计算得到准确的"股灾"时间,投资者就能在股市中做出更加正确的判断和操作,这对股票投资的风险管理是非常有意义的.股市泡沫与物理学上的气泡有很多相似之处,为此以气泡破裂模型为基础,将波动因素融入模型后建立股市泡沫破裂的数学模型.然后利用最小二乘和遗传算法求解出模型中的关键参数,从而得到模型的具体数学形式.利用该模型,对三段时间的上证指数进行了实证分析,得到预测的泡沫破裂(巨幅下跌)时间与真实的破裂时间误差较小,并且预测的破灭时间更容易出现在实际破裂时间的右侧,这说明泡沫的实际破裂时间以更大概率地比预测的要早.利用该模型又对近期的(2014年1月1至2015年6月10)上证指数进行预测,发现预测的破裂时间与真实的破裂时间基本一致,这说明该模型对刻画股市风险有较好的效果.     

上海股市若干问题分析

借助数学模型探讨股票投资问题.以每日获取最大利润为目标,建立线性规划模型;以市场布林线算法为评价标准划分时期,并建立不同时期的多指标模糊综合评价模型;采用三次指数平滑方法对上证指数进行预测并验证;根据股票价格偏离价值程度图,分析上海股市存在的泡沫情况.     

微博情绪与中国股市:基于协整分析

从情绪的角度入手揭示股市涨跌变化的规律一直是心理学,经济学等行为学科的学术兴趣点所在.近些年来,借助互联网平台数据构建社会大众情绪指标,进而探讨情绪与股市关系问题的研究成为该领域的研究热点.首先,文章借助信息科学技术搜集了微博情绪时间序列数据,并以此构建了与股市高度相关的微博情绪综合指数.然后,采用协整检验,误差修正模型等计量经济学方法,探索了微博情绪综合指数与股市走势之间的关系.检验结果发现,微博情绪综合指数与同期的上证指数以及下一个交易日的上证指数之间存在显著的长期均衡关系.而且微博情绪综合指数对下一交易日上证指数收盘价具有显著的预测作用.     

核密度估计在预测风险价值中的应用

通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预测模型.最后,通过上证指数收益率对建立的VaR预测模型进行了实证分析,结果显示两种加权方法对上证指数收益率的VaR预测具有较高的效率.     

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.     

中国股市与汇市的波动溢出效应模型研究与实证分析

选取2009年1月5日-2012年5月22的人民币兑美元汇率和上证综指的日交易数据为对象,采用BEKK—GARCH模型,并结合LR似然比检验,对中国汇市与股市的波动溢出效应进行建模研究与实证分析．实证结果表明,整体样本存在汇率到上证指数的波动溢出,这种溢出是单向的;第二次汇改前,既不存在汇率到上证指数的波动溢出,也不存在上证指数到汇率的波动溢出;第二次汇改后,既存在汇率到上证指数的波动溢出,也存在上证指数到汇率的微弱的波动溢出．     

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。     

上海证券指数的统计分析

金融市场是一个典型的复杂系统，而复杂系统在物理学中已被广泛研究。我们首次有机会获得中国大陆金融市场的上海证券指数若干年内的高频(10秒间隔)数据。本对1999年全年的上证指数进行了统计分析，发现收益率符合Levy稳定分布，而非传统经济学主张的正态分布。对上证指数的时间相关性的研究表明。上证指数的波动率在很长的时间尺度上是相关的。这将有助于在新的框架下建立新的经济学模型。     

基于杠杆效应CARR模型的波动率预测

本文提出了一类新的具有杠杆效应的CARR模型,基于广义伽玛分布探讨了杠杆效应CARR模型的参数估计和波动预测。以我国上证指数的2011年6月至2014年3月的每日数据为研究对象,分别运用EARCH模型、传统CARR模型和杠杆效应CARR模型对上证指数的波动率进行拟合,并根据MAE、RMSE和MAPE三个损失函数进行了预测能力比较分析,结果表明:杠杆效应CARR模型在波动性预测方面比EARCH模型的效果更好一些。     

灰色预测模型在深圳创业板股市中的应用

利用灰色预测理论与优化技术对创业板块中的特锐德、安科生物、鼎汉技术、上海凯宝四支股在2010年6月至2011年4月期间每三日的平均股价进行了预测研究,同时通过实例仿真了2011年5月和6月股市的发展趋势.     

上证综合指数特征分析

本研究利用1978-2010年我国宏观经济的数据、1990-2010上证指数数据,探讨了上证指数的基本特征。统计分析实证研究表明上证指数具有"趋势性,周期性,季节性,随机性"特征,在此基础上运用回归分析等方法建立并得出上证指数统计模型结果。结论表明上证指数不仅具有四大特征,而且具有以四大特征为变量的统计关系式。利用所得到结论对研究上证指数的变化规律,具有理论价值和实用价值。     

基于集成算法的股票指数预测

利用集成算法中的Bagging、Boosting和Random Forest三个方法,选取股票指数中的中小板指数、深证成指数、上证指数、创业板指数4组数据进行分析,得出Random Forest对上证指数、中小板指预测结果较好;Boosting对创业板指预测结果较好;Bagging对深证成指预测较好.并在4个板指中,随机选取了4支股票数据(分别为大连重工、中南建设、中国医药、东方国信)进行分析,得出集成算法在数据为200个的情况下,预测结果较为准确,其中不同方法对不同股票的适宜程度有所不同.     

2010上海世博会影响力的定量评估——影响力的点刺激连带效应定量评估模型

利用互联网数据,在合理假设的前提下,给出了上海世博会对上海旅游业影响的定量评估.利用线性加权综合分析法建立综合评价指标的线性模型,并从两个不同的角度,分别得出上海世博会对上海旅游业的综合评价指标,同时建立灰色系统预测模型,利用2006至2009年的评价指标,对2010年的评价指标进行预测.通过实际的增长值与预测增长值的...     

用自回归模型预测中国股市未来现金股利水平

对中国股市1996年以后所发放的现金股利的分布规律进行了研究,发现中国股市现金股利增量时间序列近似符合平稳过程。在此基础上探讨了利用线性模型技术的自回归(AR)模型对未来股利水平进行预测的一些技术问题,然后运用蒙特卡罗技术对现金股利增量进行了模拟试验,产生了足够多的数据并得出了拟合预报方程。最后对未来四十年中国股市现金股利的发放水平进行了预测。     

运用生存模型对上证指数涨跌天数的研究

本运用生存模型对上证指数连续上涨和下跌天数进行了研究,分析了“T 1”政策和“涨停板”政策对股市的影响。我们发现生存模型对于分析股市的变动是有效的。     

非参数方法在我国证券市场收益波动研究中的应用

以上海证券交易所综合指数日收益率数据为样本,讨论了非参数方法在建立股票价格模型中的应用.在此基础上,对股市收益分布进行了研究,并据此对市场走向进行了预测.     

基于粗糙回归的股票指数变化趋势研究

运用粗糙集结合回归分析预测上证指数变化趋势,首先对预测日前1个月、前1星期、前1天等8个不同时间段进行回归分析,然后根据获得的趋势建立决策表,然后运用粗糙集获取决策规则,最后利用得到的规则预测上证指数的变化趋势.测试结果表明,该方法准确率良好.     

基于双参数Copula沪港股市的相关性分析

通过双参数Copula分析上证指数和恒生指数的尾部相关性,并与单参数Copula及混合Copula进行比较分析,参数估计使用半参数估计法,结果表明:与单参数Clayton Copula、Gumbel-Hougaard Copula以及由两者组成的混合Copula相比,双参数BB1 Copula对数据具有更好的拟合效果;且通过分析发现两股市的上尾相关性大于下尾相关性.     

改进的函数系数自回归建模方法对上海股市实证分析

函数系数自回归模型(FAR)是一类更具有适应性的模型。本文利用函数系数自回归模型对上海股市日收益率进行建模及短期预测,改进现有建模对带宽、模型的依赖变量以及阶数确定方法。并与上海股市日收益率的自回归模型结果进行了比较,结果表明改进的函数系数模型具有很好的预测能力。