A Capital Asset Pricing Model Under Stable Paretian Distributions in a Pure Exchange Economy

In this paper, we established a Capital Asset Pricing Model (CAPM) subject to the assumption that the asset return rates obey symmetric stable Paretian distributions. This assumption seems to be closer to reality than the standard ones such as normality or finite variance. Conclusion similar to the original CAPM formula is drawn in this paper.     

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.     

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.     

特质波动率与股票收益——基于Fama-French五因子模型的研究北大核心CSCD

股票收益与风险之间的关系一直以来都是金融学理论研究的核心问题.近年来,针对股票收益与特质风险之间的关系的研究受到了越来越多的学者的关注.在有效市场的理论下,通过构建多样化投资组合,投资者可以分散公司的特质风险,使组合收益更多的与市场风险相关.然而由于投资者之间信息不对称、市场政策差异化、资金成本不均衡等因素的影响,往往无法构建其目标组合,于是无法分散的特质风险就会在一定程度上影响股票收益.该文章以沪深A股自2000年1月4日至2015年12月31日共计3871个交易日的日收益率数据作为研究样本,通过滚动窗口分析的方法,以最新的五因子模型为切入点,研究发现了在中国股票市场中特质波动率与股票收益之间的负相关关系,并通过构建高特质风险与低特质风险股票组合进一步发现特质波动率与收益之间的负相关关系在经济意义上显著.     

投资者概念关注对股票收益的影响研究—基于百度搜索数据

我国股票市场存在明显的概念炒作现象,扭曲了市场的良性定价机制。本文基于有限注意视角揭示投资者概念关注对股票收益的影响机制,使用百度搜索数据衡量投资者概念关注,以“一带一路”、“5G”和“PM2.5”概念板块的股票为研究样本进行实证研究。结果表明:在控制了Fama-French三因素以及投资者个股关注情况下,投资者概念关注对所属概念板块的股票收益有显著正向影响,但这种影响作用会在随后几期反转为负向影响。投资者个股关注一方面会强化投资者概念关注对股票收益的正向影响,另一方面投资者个股关注越高,个股的流动性就越强,从而会弱化投资者概念关注对股票收益影响作用的反转效应。研究结论丰富了投资者关注的理论研究,为抑制概念炒作提供理论依据和实现途径。     

基于EEMD-Elman-Adaboost的中美股票价格预测研究

针对股票价格序列高度非正态、非线性、非平稳等复杂特征,文章以Elman神经网络为基础,引入集合经验模态分解(EEMD)与Adaboost算法,对中美股票的日收盘价进行预测。首先,利用EEMD算法将样本分解为多个本征模函数分量和1个残差分量。其次,用Adaboost算法优化Elman神经网络,对各个分量进行预测。最后,将各分量预测结果进行求和,作为最终预测结果。研究结果表明:EEMD-Elman-Adaboost模型对中美股票价格预测的均方根误差、平均相对误差、平均绝对误差均比现有的BP、Elman、EMD-Elman、EEMD-Elman模型小,新组合模型融合了EEMD、Elman神经网络、Adaboost算法的优点,具有更强的泛化能力和跟随能力。     

计算股市的基本方程,理论和原理（Ⅲ）：基本理论

由基本方程导出两个理论：１．股票的价值理论３ｖ＊（ｔ）＝Ｖ＊（０）ｅｘｐ（ａｒ２＊ｔ）．２。股能守恒理论,将股能定义为股价ｖ及其导数ｖ的二次函数Х＝Ａｖ＾２＋Ｂｖｖ＋Ｃｖ＾２＋Ｄｖ,在基本方程约束下,将问题归结为沿最优路径的约束优化问题,应用Ｌａｇｒａｎｇｅ乘数,变分法Ｅｕｌｅｒ方程可证Х对任何ｖ、ｖ问题归结为沿最优路径的约束优化问题。应用Ｌａｇｒａｎｇｅ乘数,谱分法Ｅｕｌｅｒ方程可证Х对任何ｖ、     

基于时序图模型结构估计的股票联动研究

我国股市个股价格同时上涨或同时下跌的联动现象极为普遍,传统上使用向量自回归、协整、有向非循环图等方法主要用于少量股票或市场之间的联动性研究,不适于直接对大规模个股之间的联动关系进行研究。文章关注大规模时序图模型结构建立及估计方法,通过将ADL方法引入SPACE算法,提出了可以估计高维低样时序图模型的ADL-SPACE算法;设计模拟实验考察了算法中惩罚参数λ值的设置对于节点自回归相关性捕获的有效性;在实证研究中,文章使用了ADL-SPACE算法对个股联动研究了三方面的内容:1.基于个股联动的代表性行业之间的联动性;2.设计了我国A股市场中行业联动强度,对行业内外联动性进行综合评价和分析;3.采用一阶滞后个股基于时序图模型结果构造了投资组合,模拟显示收益预期表现良好。以上研究均表明时序SPACE图模型方法在大规模股票的联动探测中有较好的应用前景。     

应对通胀,站着挣钱

如果我们相信通胀持续高位,则应该分批配置一定的银行、保险、地产类股票;如果我们相信通胀可控,则应该分批配置基础能源、基础原材料类股票。     

高管个人特征对股权激励模式选择的影响研究

上市公司股权激励模式的选择问题一直受社会各界关注。本文利用2006年到2017年期间实施股权激励的上市公司数据,研究了高管个人特征如何对股权激励模式的选择产生影响。结果表明,被激励高管的个人特征如高管年龄、任期、学历与社会资本显著影响公司股权激励模式的选择,年龄越大、任期越久、学历越高、社会资本越丰富的高管,公司更倾向选择限制性股票激励模式;男性高管越多的公司,越倾向选择股票期权激励模式,然而性别对其影响并不显著。本文在经过一系列的稳健性和内生性检验后,研究结论依然成立。本文研究结果丰富了股权激励相关理论,并为上市公司科学合理地选择股权激励模式提供参考。