沪深300股指期货价格发现功能的实证分析

价格发现功能是股指期货的一项重要的经济功能.以股指期货与现货市场的相互关系作为出发点,以沪深300指数以及沪深300股指期货连续合约日收盘价数据作为研究对象,采用定性分析与实证分析相结合的手段,深入研究股指期货和现货市场间价格发现关系.     

基于二次优化BP神经网络的期货价格预测

针对BP算法存在的不足,结合神经网络、遗传算法和主成分分析的优点,提出基于二次优化BP神经网络的期货价格预测算法.初次优化采用主成分分析法对网络结构进行优化,第二次优化采用自适应遗传算法对网络参数进行优化,将经过二次优化后建立的BP神经网络模型用于期货价格预测.经仿真检验,用新方法建立的模型对期货价格进行预测,在预测的精度和速度方面都优于单纯BP神经网络模型.     

期货价格预测——反向传播神经网络模型

利用神经网络的 BP算法 ,对较难解决的期货价格问题做了一些研究 ,获得了一定的成功 .     

沪深300股指期货价格发现能力研究

利用沪深300指数及其期货当月主力合约的5分钟高频数据,本文采用Granger因果检验、向量自回归模型、Johansen协整检验及向量误差修正模型,系统分析不同价格趋势下沪深300股指期货的价格发现能力。研究表明:第一,在上涨趋势中期货收益率单方面引起现货收益率变化,现货收益率不是引导期货收益变化的原因;但是,在下跌趋势中现货收益率与期货收益率具有相互引导的Granger因果关系。第二,无论在上涨阶段还是下跌阶段,期货市场都在价格发现能力方面处于主导地位。第三,期货价格与现货价格存在长期均衡关系,当二者短期内偏离均衡时,期货价格引导现货价格向均衡方向调整。     

RBF神经网络电流保护

传统继电器电流保护方案在实施的时候,受到的影响要素主要是来源于电力系统采用何种方式运行,以及各种常见的故障类型,而自适应电流保护解决方案可以很好的避免传统保护出现的弊端和缺陷.在此基础之上构建出一种基于RBF神经网络电流保护解决方案,这种系统主要运用的网络包含了3层RBF神经网络模型,主要的部分构成拥有三种不同的类型:故障方向判别、故障类型与相别判断.为了能够确保该系统能够可靠的实现保护,对其进行了深度的测试和各类型的仿真实验,通过最终获取的实验数据,分析之后得到RBF网络训练效率高效同时证明该电流保护方案在实践当中具备可行性.     

基于RBF神经网络模型的结构可靠度优化方法

在结构构件尺寸、材料属性以及外部载荷等不确定性因素影响下,基于可靠度的优化给出了兼顾结构的成本和安全性能的安全设计方案.由于传统的可靠度优化方法采用嵌套的双层优化列式求解,因此导致计算量过大.为了克服这个问题,学者们相继提出了解耦方法和单循环方法等方法.该文采用RBF神经网络模型用于可靠度优化问题的求解中,通过拉丁超立方方法构造代理模型,并用误差指标来验证代理模型的精确程度,同时自适应更新代理模型直至满足需求.通过与现有可靠度优化4种主流算法的比较,说明了该文提出算法的高效性和稳健性.     

PLS分析与RBF神经网络耦合环境模型

鉴于城市大气环境质量受到诸多复杂因素影响,且各因素间存在多重相关性,本文将偏最小二乘(PLS)分析与人工神经网络径向基网络(RBF)耦合,建立偏最小二乘径向基神经网络模型(PLSRBF),应用于贵阳大气环境质量的检验和预测。实例表明:PLSRBF模型可对原多自变量模型进行降维简化,并可有效提取解释变量信息,防止信息丢失,且具有较强的拟合能力。     

时间序列模型和神经网络模型在股票预测中的分析

利用MATLAB软件编程建立AR模型、RBF和GRNN神经网络模型,滚动预测上证指数开盘价、最高价、最低价和收盘价与实际价格对比,分析误差.结果表明,3种模型用于股票预测均是可行的,误差很小.AR模型不稳定,对个别预测较准;RBF和GRNN网络训练速度都很快,但GRNN比RBF预测效果好.     

BP神经网络在期货价格预测中的应用

影响期货价格短期走势的因素纷繁复杂,具有一定的非线性和随机性,因而难于预测.鉴于神经网络强大的非线性映射能力,利用改进的BP网络,对较难解决的期货价格预测问题进行了研究,提出了一种预测期货价格的方法,并以期货铝的价格为例验证了此方法的有效性.     

合成指标评价的RBF神经网络法研究

合成指标往往没有真值,使其无法通过RBF神经网络法进行学习以获得分项指标在确定合成指标时的具体结构,导致该法不能对指标体系合成指标进行拟合与评价,从而限制了神经网络法在该领域的应用.如果合成指标具备整体递增的属性,则在不失人们对合成指标习惯性要求的前提下,可以通过最小二乘映射法获得合成指标的虚拟真值,以...     

基于ACD模型的股指期货市场流动性研究

利用沪深300股指期货连续合约的高频数据,采用参数估计的方法运用R软件对数据进行处理,消除其日模式并建立ACD模型.还加入了市场微结构噪声,探讨交易量持续期的信息传递机制.实证分析表明,在选取样本中,价格波动和交易量与股指期货市场流动性显著正相关,交易量持续期与股指期货市场流动性显著负相关,信息交易增加导致流动性降低,进而为投资者进行决策提供一定的参考.     

基于随机占优的股指期货市场有效性分析

2015年中金所出台严格监管措施后,股指期货成交低迷,异象频出。为验证严格监管措施对股指期货市场有效性的影响,本文利用随机占优DD测试法,为风险规避者和风险寻求者分别构建升序和降序占优模型。传统DD测试法用等间距划分的方式产生网格,且假设检验的两个判定阈值为相反数,这不符合金融数据的分布规律。因此,本文提出了对DD测试法的两处改进,利用“等频率划分法”产生网格,利用“非对称分位数法”产生阈值。实证方面,本文对三个股指期货及其现货的15分钟数据进行分析,发现在自股灾以来,上证50指数一阶占优于上证50股指期货,形成套利机会,且该套利策略的年化收益率、夏普比率和卡玛比率都非常优异。实证进一步显示,严格监管措施后占优数量达到最高峰,严格监管措施导致的股指期货功能受损比股灾更严重,而这一现象在中金所逐步放松监管措施后得以稍微缓解但没有根本改变。     

中国股指期现货市场间的非对称风险溢出效应——基于分位数Granger因果检验

为了揭示中国股指期现货市场之间风险溢出效应的非对称特征,本文利用已实现半方差将中国股指期现货市场的风险区分为下跌风险和上涨风险,并运用均值Granger因果检验和分位数Granger因果检验,考察两市场之间下跌风险溢出效应和上涨风险溢出效应的差异。研究发现,中国股指期现货市场之间不仅存在显著的下跌风险溢出,还存在显著的上涨风险溢出,而且溢出效应随着分位数区间不同而呈现出显著的非对称特征。一方面,期货市场对现货市场的下跌风险溢出在全部分位数区间均显著,而上涨风险溢出仅在分布的中间位置和上尾显著。另一方面,现货市场对期货市场的下跌风险溢出主要集中在尾部极端分位数区间,而上涨风险溢出主要集中在分布的中间位置和低分位数区间。     

基于统计套利思想的股指期货跨期套利

基于统计套利交易的思想,对沪深300股指期货合约间价差的波动规律进行了研究,并在该波动规律的基础上建立了股指期货的跨期套利模型.从交易的效果来看,我国股指期货市场存在着跨期套利空间.     

中国股指期货市场流动性非线性特征分析与波动趋势预测

针对中国股指期货市场的流动性问题,利用多重分形去趋势波动法研究股指期货市场流动性非线性特征及其成因,并对比分析不同期限下期货市场流动性多重分形程度的差异;进一步,采用趋势熵维数方法识别期货市场流动性的变化趋势,还利用识别正确率和随机识别正确率验证该方法有效性和准确性。研究发现,中国股指期货市场具有明显的多重分形特征;与合约期限较短的股指期货相比,合约期限较长的股指期货流动性多重分形程度更低;股指期货市场流动性多重分形特征主要是流动性时间序列的相关多重分形和分布多重分形造成的;趋势熵维数方法可有效预测期货市场流动性的变化趋势。     

GL算法在股指期货投资中的应用

文章对于证券市场这样的复杂数据系统,通过运用GL算法的5个指标,对股指期货的标的物沪深300指数进行了实证研究。研究表明,GL算法的5个指标,能够揭示指数现货市场的偏离、风险以及稳定性;通过SAS软件数据模拟,发现这5个指标能够很好的捕捉沪深300指数趋势的转变,对股指期货的实际操作具有很强的指导意义。     

股指期货套利中的最优现货组合构建策略研究

针对如何构建与股指期货联动性较好的现货组合问题,本文提出采用两阶段优化策略以提高组合的跟踪准确度。第一阶段,利用基于独立成分分析与模糊C均值算法相结合的时间序列聚类方法将沪深300股指期货对应的成分股进行聚类;第二阶段,对聚类之后的结果进行指数优化复制,以跟踪误差最小为目标,确定跟踪组合的成分股权重。实证研究表明,本文所提出的两阶段优化策略可以较好地改进指数跟踪效果。     

基于Copula-TGARCH模型的股指期货最佳套期保值比研究

本文基于一种新的Copula-TGARCH模型估计股指期货的最佳套期保值比,根据现货和期货收益率序列不同的尾部相依性,用不同的Copula函数形式(Gumbel,Clayton,Gaussian)拟合两者的相关性,并与其它的动态套期保值模型(ECM-CCC-GARCH和ECM-DVEC-GARCH)比较其套期保值的有效性。通过对香港恒生指数现货和期货的实证分析发现:无论样本期内、外,Copula-TGARCH模型的套期保值效果均优于其它模型,而基于非对称Gumbel Copula的套期保值比最佳。     

基于Copula函数的我国股指期货风险及套期保值实证研究

运用SJC-Copula-GJR模型,计算了持有沪深300股指期货多头和空头两种组合的VaR值和最优投资比例,模型的特点是能够准确地描述尾部相关关系,且其对尾部相关性的描述是非对称的,所得结论为投资者进行风险管理提供了可靠的依据.同时,通过构造加权的非线性相关系数来计算沪深300股指期货最优套期保值比率,解决了分布非正态、期货与现货非线性的问题,准确地度量了股指期货收益率序列的动态相依关系,实证研究表明基于Copula函数的套期保值有效性明显地优于传统模型.