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.     

高阶马尔可夫链的降阶模型及其应用

本文通过对传统高阶马尔可夫链模型的状态空间进行阶数重构,导出一个在重构状态空间上的降阶马尔可夫模型。理论分析证明,降阶马尔可夫链模型不但可以描述传统高阶马尔可夫链模型的全部性态,更能表达较传统模型细微的随机结构。然后,应用降阶模型对我国股票指数的动态变化进行实证分析,讨论了阶数的选取和高阶马尔可夫性检验,分析了股票市场内在波动结构。最后,对股指序列作出短期与长期的预测分析。     

中国股市与宏观经济基本面的关系

本文对中国沪、深股指与宏观经济景气指标的相关关系进行统计分析 ,并探讨二者之间的协整关系     

基于时空注意力机制的双向长短期记忆神经网络的股指预测研究

股票市场是一个高噪音的混沌系统，其外部属性之间的相关性问题以及在长期预测时外部影响对股价波动的加剧，导致对股票市场进行准确预测是一项富有挑战性的工作。为解决上述问题，本文利用基于注意力机制的双向长短期记忆神经网络(BiLSTM)对香港恒生指数收盘价进行有效性的实证检验。其中，空间注意力机制用于捕捉输入指标之间的相关性并为其赋予区别权重，时间注意力机制用于描述数据的时间相关性以解决长期预测中的时间依赖问题并为时间步赋予区别权重，BiLSTM神经网络用于拟合数据并构建预测模型。本文还比较了四种基于注意力机制的神经网络方法和六种基线方法，实验结果表明，与当下流行的股票指数预测方法相比，基于双维度注意力机制的BiLSTM可以在短、中、长期预测中均实现更准确的股票指数收盘价预测。     

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。     

风格股票指数的随机动态相依性研究

准确刻画风格股票的联合分布,特别是它们之间的相依性,对基金公司等机构投资者进行资产配置和风险管理都有重要意义。根据已有文献,风格股票指数的相依性与流动性等来自市场的随机变量有关,那么这种动态相依性也可能是随机的。因此,本文在研究我国风格股指数相依性时,考虑了随机形式的动态相依性。文章在Hafner和Manner(2012)随机Copula模型中加入了换手率解释变量,实证分析我国风格股票指数间的相依结构,并从风险管理的角度讨论了随机相依性的经济意义。研究发现,大盘股和小盘股、成长型和价值型股票间的尾部相依性都表现出随机动态特征。考虑随机相依性的投资策略所得组合风险比Patton(2006)模型对应的投资策略低约0.30%-1.20%。对每天、每周或每月调整投资比例的中短期投资者而言,建议考虑风格指数的随机动态相依性。而且,短期投资者在大、小盘股票上投资时,还可以使用换手率信息预测未来1天两风格指数的相依性,以进一步降低组合风险。     

基于熵算法的股票指数高频数据复杂度测算与评价

在日内高频环境下检验基于兼容法的柯尔莫哥洛夫熵、样本熵和模糊熵等复杂度测算方法对我国沪深300股票指数的测算效率,并运用筛选后的有效算法分阶段研究和比较了序列复杂度的变化过程与变化幅度.结果表明,模糊熵算法是一种更适用于我国沪深300股票指数的有效复杂度测算方法,其对相似容忍度的敏感性更低,测度值连续性更好.随时间推移,我国沪深300股票指数复杂度整体呈上升趋势,而相较于发达市场甚至周边新兴市场其复杂度偏低.     

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.     

Crossover Phenomena in Detrended Fluctuation Analysis Used in Financial Markets

A systematic analysis of Shanghai and Japan stock indices for the period of Jan. 1984 to Dec. 2005 is performed. After stationarity is verified by ADF （Augmented Dickey-Fuller） test, the power spectrum of the data exhibits a power law decay as a whole characterized by 1/f^β processes with possible long range correlations. Subsequently, by using the method of detrended fluctuation analysis （DFA） of the general volatility in the stock markets, we find that the long-range correlations are occurred among the return series and the crossover phenomena exhibit in the results obviously.Further, Shanghai stock market shows long-range correlations in short time scale and shows short-range correlations in long time scale. Whereas, for Japan stock market, the data behaves oppositely absolutely. Last, we compare the varying of scale exponent in large volatility between two stock markets. All results obtained may indicate the possibility of characteristic of multifractal scaling behavior of the financial markets.     

恒生指数和上证指数相似性分析

本文通过对恒生指数和上证指数历史数据的处理,给出HURST维数的R/S估计,进而研究两个股票指数的相似性.结果显示97～98香港证券市场和2001年后中国内地证券市场有着很强的统计相似性.