CAPM模型对上海股票市场的检验

本文就ＣＡＰＭ模型对上海股票市场的有效性进行了检验，得出了上海股票市场并不符合ＣＡＰＭ模型这一结论，并对此结论进行了分析。  

中国股票市场收益率分布曲线的实证

股票价格行为的随机理论认为市场收益服从正态分布，但在现实中这一假设不一定成立，市场收益率更多地呈现出偏离正态分布的形式。本文检验中国市场的收益率分布形态。  

KMV模型关系函数推测及其在中国股市的验证

在中国这样一个缺少足够信用数据的新兴市场，KMV模型直接利用股票市场的数据进行信息管理，具有广阔的应用前景。然而，KMV模型σA和σE的关系是随市场不同而变化的。本利用中国股市的数据，得出了适应中国市场的σA和σE的关系函数，初步实现了运用期权理论对中国上市公司的信用风险进行估测，具有相当的理论和现实意义。  

股市的灰色预测

本文应用“灰色预测”于股票市场的预测，发现灰色预测在短期预测中富有很高的效率。  

股票市场涨跌停板设置的微模拟研究

本文构建了一个基于订单驱动的人工模拟股票市场模型,并对投资者在连续竞价交易时的投资行为进行了刻画,数值模拟所得的股票对数收益率序列具有尖峰、胖尾等非正态分布特征并显示出明显的波动率聚集现象。通过在模拟实验中设定股票价格的不同涨跌幅限制范围,研究了涨跌停板设置对股票市场波动性的影响,分析结果表明,在忽略诸如恶意操纵等其他因素情况下,适当扩大涨跌幅限制并不会使股票收益的波动增大,相反还会使收益的波动率有较为明显的降低。  

模糊时间数列的分析与预测:以台湾地区加权股价指数为例

随着我国经济快速成长，衍生性金融商品的投资分析，已成为国内财务数学研究热门课题。以股票市场而言，人们总希望比别人早一步掌握行情的脉动，以获取最高的报酬率，然而，影响股市加权股价指数波动的因素众多，要如何进行趋势分析与预测，是很多学者相当感兴趣与研究的主题。本文考虑以模糊统计方法，作模糊时间数列的趋势分析与预测。其望应用模糊统计分析方法比传统的时间数列分析方法能得到更合理的解释，且预测结果可以提供决策者更多的信息，做出正确的决策。最后以台湾地区加权股票指数为例，做一实证上的详细探讨。  

我国股票市场的中长期回报率的过度反应

过度反应是证券市场异象之一。对沪市1993—2001年的股市交易数据，我们分为形成期1年和2年两种情况，分别检验出显著的过度反应，而且数据结果和图表显示形成期越长，随后的反转越明显，“输家组合”的平均超常收益率越高于“赢家组合”。对套利组合的风险因子回归分析仍然支持过度反应的存在。我们认为，我国证券市场还不完善的交易制度。加剧了投资者固有的认知偏差，从而导致价格超涨超跌的过度反应现象。  

中国股票市场风险的实证分析研究

本文从实证角度说明了上证指数和深证成份指数存在着GARCH现象，并建立了沪、深两市股指波动率的IGARCH(1，1)-M模型与EGARCH(1，1)-M模型。将估计的IGARCH(1，1)-M模型与EGARCH(1，1)-M模型比较得出，对上证指数的波动率，IGARCH(1，1)-M模型与EGARCH(1，1)-M模型的模拟效果基本相同，而对深证成份指数的波动率，IGARCH—M模型要略优于EGARCH—M模型。同时还对两市的股指收益的波动率进行了预测分析。  

中国A股市场收益波动的非对称性研究

本文运用ARMA—EGARCH及ARMA-TARCH模型,以1993年1月以来沪深两市的A股指数的日收益为研究样本,检验中国股票市场是否存在波动的非对称性,结果表明:无论是上证还是深证A股市场,收益率波动的非对称性都表现出阶段性特征,股市发展早期,市场表现为反向的非对称性或非对称不明显,随着时间的发展,股市收益的波动则存在非对称性,且表现为杠杆效应。  

对我国股票市场股指波动特性的实证分析

本文以上证综指和深成分指数的最新日收益率为研究对象,应用GARCH、TARCH模型理论,进一步分析了日收益率波动的条件异方差性、非对称性,同时比较了两个股票市场的不同波动特征。