基于R／S分析法的股市走势分析

本文根据上证综合指数和深圳成分股2003年1月2日到2006年5月17日的收盘价及换手,对上证综合指数和深圳成分股的收盘价趋势进行了分析。用R／S分析法对收盘价趋势进行了分析,为分析历史数据对收盘价的影响,引入了关联尺度函数,通过求解出上证综合指数和深圳成分股的赫斯特（Hurst）指数,可以求出其关联尺度。根据赫斯特指数及关联尺度,我们分析出了收盘价是一个有偏的随机游动,并给出了上证综合指数和深圳成分股走势的相关结论。     

运用SAS软件系统对上证综合指数的预测分析

本文运用 SAS软件系统中的一些时间序列建模方法及回归分析方法对我国上海证券交易所的上证综合指数作了预测分析 ,得到了较高的预测精度 ,为预测股票市场的整体走势提供了一种方便实用的方法     

贝塔系数变动性的多重分形特征及其量化方法

针对CAPM模型中贝塔系数的时变性观点,本文提出了多重分形去趋势贝塔分析法(MFDBCA),运用该方法检验上证综合A股指数、上证综合B股指数、深圳综指、深圳综合A股指数及深圳综合B股指数的贝塔系数变动性,并对其多重分形程度进行了量化分析,分析了其在投资实践中应用。研究结果表明:它们的贝塔系数变动性呈现出多重分形特征,上证综合A股指数的多重分形程度最小,而上证综合B股指数的多重分形程度最大。本文研究为量化系统风险及利用贝塔投资实践提供了一种新方法,为改进贝塔系数提供了一种猜想。     

上证综合指数收益率的统计分析

本就上证综合指数收益率是否服从正态分布给出两种具体检验方法。得出了上证综合指数收益率分布具有尖峰和厚尾的特性，因此实际中指数收益率服从正态分布的假设是不合理的。从而用能反映尖峰厚尾特征的t分布进行拟合。得出上证综合指数收益率符合t3分布。     

基于GARCH模型族的中国股市波动性预测

收益与风险历来都是投资者与研究者所关注的问题 .本文选取 GA RCH、TGARCH和 EGARCH模型来拟合中国股市的波动性 .实证分析结果表明 ,中国股市的波动具有显著的波动聚类性与持续性 ;由 E-GARCH模型所预测的上证 30指数、上证综合指数和深证成份指数未来一天的波动要明显优于 GARCH和TGARCH模型的对应值 ,而对香港恒生指数 ,三种模型的预测结果无显著的差异 .     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

基于真实波动率和高斯估计的随机波动率模型研究

在随机波动率模型中,由于波动率是不可观测,因此相应的参数估计和统计推断比较困难.将应用真实波动率近似估计积分波动率,进一步基于高斯估计方法给出非线性扩散模型的线性估计,而后再给出随机波动率模型精确的极大似然估计方法.最后,采用上证综合指数和深证成份指数对一系列随机波动率模型进行实证的研究.实证结果表明,均方根模型(Heston模型)较好地描述上证综合指数动态行为,而对于深证成份指数的描述在统计意义上没有显著地解释力.     

Copula函数的选择：方法与应用

针对目前Copula函数在实际应用中的选择问题,本文通过非参数法得到了它们的分布函数图及其经验分布图并进行了比较,然后利用一种解析法对其进一步的选择,并通过Q-Q图比较了各种模型的拟合程度,最后进行了拟合优度检验,得到了最优的Copula。最后对国内的上证A股指数和上证B股指数进行了实证分析,结果体现了该方法的有效性。     

金融传染的非线性动力学研究——基于非线性相互依赖性和支持向量机混合算法

国际间金融市场一体化的不断深入,尤其是美国次贷危机引起的全球金融风暴,使得金融传染对我国金融市场的威胁日益显著。本文运用非线性相互依赖性与支持向量机混合算法,研究上证综合指数,深证成份股指数以及香港恒生指数之间相互影响的情况。通过计算每两个市场指数之间的非线性相互可预测测度,发现每对市场指数之间都存在着很强的非线性相互依赖性,并发现上证指数和深证成指受恒生指数的影响更大一些,该结果将有助于对金融传染的进一步研究及采取针对措施。     

货币供应量对股市影响的STR分析

使用1997—2012年的季度数据,建立了货币供应量M2与上证综合指数的平滑转换回归模型(STR),研究结果发现,货币供应量M2对上证综合指数的影响机制是非线性的,且是正向的影响.非线性关系的存在说明我国货币政策对股票市场的影响比较复杂,这也为我国货币政策的实施提出了挑战.     

基于小波分析的ARIMA模型对上证指数的分析与预测

股票价格的预测一直受到广泛关注,其预测方法虽然很多,但是往往存在预测精度有限、容易陷入局部极小等问题.为了提高股票价格预测的准确性,提出了基于小波分析的A砒MA模型的股票价格预测方法,同时利用该方法对上证指数收盘价的月平均值进行实例分析,并与其他方法的预测结果进行了比较,结果表明了提出方法的有效性.     

股价指数的记忆性特征

本文通过ARFIMA模型(分整自回归滑动平均模型)分析了上证日指数、周指数、月指数序列的记忆性特征,说明股票价格日指数具有长记忆性、周指数具有中等记忆性、月指数具有短期记忆性,这一结论说明了中国股票市场是非有效的,其本身隐含一定的政策含义。     

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.     

Fitting a Gompertz Curve

In this paper, a simple Gompertz curve-fitting procedure is proposed. Its advantages include the facts that the stability of the saturation level over the sample period can be checked, and that no knowledge of its value is necessary for forecasting. An application to forecasting the stock of cars in the Netherlands illustrates its merits.     

中国股市价格和波动性的非线性行为实证研究

深沪综合指数的收益率不服从正态分布,收益率是负斜的,呈现胖尾和峰态;其收益率序列均服从有着分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为和非周期循环特征,深市非周期循环为4个月,而沪市为6个月,深沪股市月收益率序列则为确定性的混沌序列;而沪深股市的波动性也呈现出一定程度的不对称特征,沪深股市之间还存在着波动性的溢出效应,深市还存在着一定的杠杆效应,而且,沪深股市之间还存在着明显的波动性的溢出效应.     

基于符号序列方法的股价指数预测研究

用两种符号序列方法分别对上证指数进行实证统计分析。一种是以日收盘价计算的指数价差的符号序列,另一种是以每日5分钟高频数据计算的多重分形谱参数符号序列。统计结果表明,指数的涨落不是完全随机的,两种方法都能以一定的条件概率来预测指数的涨落;进一步地,在引入股价指数大涨落的阈值和条件平均增益后,发现大幅涨落时,条件与指数变化的关联性比小的涨落要强得多,而且将两种符号序列方法结合可以更好地预测指数的大涨落。     

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。     

上证指数收益率的长期记忆性

本文介绍了利用谱回归对分数积分移动平均自回归 (ARFIMA)模型的分数差分参数进行估计的方法,并据此方法对上证指数收益率的长期记忆性进行了检验,根据分段检验的结果,得出一些有关我国证券市场有效性的结论。     

股市波动性预测模型改进研究

本文从参数估计准则和收益率波动性的定量表达这两方面来探讨股市收益的波动性预测改进方法,并由此提出了以收益率偏差绝对值为代替偏差平方并利用非线性最小二乘法来估计参数的(A)GARCH-NLS模型。最后,我们以国泰君安指数、上证综指以及深证成指1998 1 5-2002 9 25的每日收盘价格为样本来考察各种合理替代所产生的模型对股市波动性的预测性能影响。结果发现,(A)GARCH-NLS模型对股市波动性的预测精确度有了较显著的提高。