排序方式: 共有19条查询结果,搜索用时 140 毫秒
1.
2.
3.
4.
基于AR-EGARCH-M模型,对1991-2013年上证指数收益率序列的信息冲击非对称性进行分析.首先以年为单位分析了信息冲击的非对称性特征,根据非对称性效应的表现将其划分为6个阶段进一步分析.分析结果显示:A股市场表现出信息不对称性,信息冲击的正负杠杆效应交替出现,但是随着时间的推移,这种不对称性在明显减小.这表明中国股票市场的投机成分不断减少、投资者不断趋于理性,市场有效性水平提高. 相似文献
5.
近年来,金融市场在经济发展中占据了越来越重要的位置,金融数据波动规律成为各国学者竞相研究的热门课题.根据我国近几年来股票市场的波动特点,为其寻找更为合适的模型来拟合股票价格波动规律,即对股票价格波动做进一步分析.提出具有有效市场和分形市场二者优点的FI-EGARCH-M模型,并用所建立的模型对上证指数进行了实证分析. 相似文献
6.
上证指数预测是一个非常复杂的非线性问题,为了提高对上证指数预测的准确性,本文采用基于混沌粒子群(CPSO)算法对BP神经网络算法改进的方法来进行预测.BP神经网络算法目前已经应用到预测、聚类、分类等许多领域,取得了不少的成果.但自身也有明显的缺点,比如易陷入局部极小值、收敛速度慢等.用混沌粒子群算法改进BP神经网络算法的基本思想是用混沌粒子群算法优化BP神经网络算法的权值和阈值,在粒子群算法中加入混沌元素,提高粒子群算法的全局搜索能力.对上证指数预测的结果表明改进后的预测方法,具有更好的准确性. 相似文献
7.
8.
以上证指数高频数据为研究对象,基于上涨、平缓和下跌三个市场状态分析我国金融市场的微观特性.通过分析上证指数在不同时间间隔下的概率分布、自相关性和多分形三个特性,发现上证指数对数增量序列存在厚尾、列维非高斯分布特征,且随着时间间隔的增大,收益序列愈收敛于正态分布,其中,下降趋势收敛于正态分布的速度更快,拟合于列维分布的效果更好.最为突出的是,在自相关函数分析中,上证指数的收益率无长期记忆性,而波动率则具有较强的记忆性.同时,波动率的自相关性存在明显的周期性特征,即T=240 min,且在下降趋势时其相关性最高.在以时间增量刻画的多重分形结构中,对于不同的时间序列、时间间隔,由于受投资期限和流动性的影响,三种股市状态的收益率波动存在着短期和长期性的差异.上证指数的总体宏观行为与国际成熟股市较为一致,但在微观特性上仍存在显著差异,其所特有的周期性是投资者的惯性反冲所致,而自相关性函数较之成熟股市衰减较慢,则表明投资者的投资行为更多地受历史信息的影响. 相似文献
9.
计算资产组合市场风险值的一种有效方法 总被引:1,自引:0,他引:1
市场风险值(VaR)是一种常用的度量风险的方法.本文采用极值理论中的阈值模型来计算VaR.基于中国上证指数和深成指数的收盘价,构造超越阈值的极值渐近概率分布,所得到的计算结果与传统方法相比较,有明显的优越性和更好的精度. 相似文献
10.
上证指数收益率的长期记忆性 总被引:1,自引:1,他引:0
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。 相似文献