基于异质交易者定价模型的资产价格泡沫内生机理研究

资产价格泡沫等市场异常现象使得有效市场假说理论受到质疑,研究者们更多的是从行为金融学的角度对这些现象进行解释,认为是由市场投资者的非理性因素所造成的。本文考虑了市场中投资者决策的异质性,构建了含有长期基础投资者和短期技术投资者的异质交易模型,以说明在投资者均具有理性预期的条件下,有效市场假说理论同样可以解释泡沫的产生。具体而言,技术投资者的交易行为使价格产生波动,基础投资者的存在则对波动起到放大作用,并会进一步导致泡沫的出现,随着基础投资者所占的比例增大,泡沫膨胀的速度加快,由此导致市场的波动越剧烈。研究结果为市场监管者提供了有益的启示:与其设置壁垒限制技术投资者的加入及交易活动,不如让越来越多的技术投资者加入到市场中来,这样更有益于市场的稳定。     

考虑指标关联的网络DEA效率测度研究

现有网络DEA模型通常在测度指标相互独立的假设前提下进行生产系统效率测度,然而这一假设并不与现实完全相符.针对网络生产系统效率测度指标间存在关联关系的情形,引入模糊测度理论中的Choquet积分,对传统网络DEA模型进行了扩展·首先,分别给出了Choquet积分和网络DEA模型的相关基础知识;然后以串联DEA模型为例,构建了考虑指标间关联的网络DEA模型(C-NDEA模型),进而定义了指标关联情形下网络生产系统有效性的判定标准,并给出了相关定理及其证明;最后通过一个算例验证了所构建C-NDEA模型的合理性和有效性.     

波莱尔测度理论思想研究

利用历史分析和比较的方法,探讨了波莱尔在测度论方面的工作.搞清了他在测度理论方面的一些重要思想,对客观评价他在这方面的工作有重要意义。     

贫困测度动态研究

把贫困测度作为样本的函数,即是一个统计量,进而探讨其均值和方差,以及在某一区间的概率.利用中国营养与健康调查8个年度的数据,计算贫困测度的均值.和传统的贫困测度相比,贫困测度作为统计量更多地综合了样本的信息,将静态的贫困测度转化为动态的统计量,为我国扶贫工作提供决策依据更具有理论价值和现实意义.     

企业人力资本价值测度研究

如何运用数学模型测度企业中不同层次的人力资本价值，为人力资本参与企业利润分配提供科学的依据是当前学术界与实业界研究的热点与难点课题。本在分析研究不同层次的人力资本价值传递机制及其测度方法，并用一个案例来检验。     

带中心结构的社会网络关系测度问题探讨

带中心结构的社会网络是典型的现实网络类型.为了兼顾所有节点间关系信息,解决带中心结构的社会网络关系测度问题,选择Tabu搜索算法的块模型,提出综合测度节点角色和地位的指标.仿真实验进一步表明,提出的方法不仅将节点分"块",测度"块"间关系,同时提高网络节点评价维度的全面性、节点自带信息利用的充分性和对节点刻画的准确性,为社会网络关系测度问题研究提供一种工具,具有一定的现实意义.     

河北省基本公共服务质量测度研究

以河北省11个地级市为研究对象,选取集对分析模型对11地市的基本公共服务质量进行测评,以期为河北省推进基本公共服务均等化以及缩小与京津地区的公共服务差距等相关公共政策的制定提供参考依据.研究结论如下:基本公共服务属优的城市有石家庄、唐山和保定;属良的城市有邯郸和沧州;属中的城市有廊坊和张家口;属尚可的城市有承德、邢台和秦皇岛;属差的城市为衡水.     

关于可拓测度的研究

以一新的形式给出可拓测度及 Pλ(· )可拓测度的概念 ,并研究它的性质     

λ-可加模糊测度的一般形式及分布特征

指出在信息处理与决策中应用λ-可加模糊信息测度评价信息的必要性。讨论λ-可加模糊测度的转换函数构造法,给出其转换函数的一般形式,并指出λ-可加模糊测度分布函数的性质,重点分析经典分布参数的变化对λ-可加模糊测度的影响,进而说明:λ-可加模糊测度是一种刻画理性多样性的有效方式,它可用于表达决策人或行为人对共同的小概率事件的激进或者保守的评价。     

基于红利贴现的适应性预期股价决定模型研究

介绍了基于红利贴现的适应性预期股价模型,对适应性预期股价决定模型和理性预期股价决定模型进行了比较,并分析总结了已有的实证结果,得出了适应性预期模型对于成熟股票市场有很强解释能力并将对我国股市有借鉴意义的结论.     

社会互动,投资者情绪传染与资产泡沫——基于股票论坛发帖的实证研究

在资本市场中,投资者并不是相互独立的个体,而是相互学习、相互交流的。随着互联网的迅猛发展,这种社会互动变得更为频繁和普遍,因此社会互动对资产价格的影响也不容小觑。本文先通过理论建模提出理论假设:社会互动存在条件下,投资者互动会加剧市场情绪的传染,进而增加资产泡沫;当投资者情绪高涨时,投资者互动强度显著正向影响泡沫;当投资者情绪低落时,投资者互动强度显著负向影响泡沫;受社会互动影响,投资者活跃的交易会加剧市场情绪的传染,进而增加资产泡沫。之后本文基于股票论坛发帖构建社会互动、投资者情绪指标,验证了中国股票市场中本文理论假设的正确性。     

社会互动,投资者情绪传染与资产泡沫——基于股票论坛发帖的实证研究

在资本市场中,投资者并不是相互独立的个体,而是相互学习、相互交流的。随着互联网的迅猛发展,这种社会互动变得更为频繁和普遍,因此社会互动对资产价格的影响也不容小觑。本文先通过理论建模提出理论假设:社会互动存在条件下,投资者互动会加剧市场情绪的传染,进而增加资产泡沫;当投资者情绪高涨时,投资者互动强度显著正向影响泡沫;当投资者情绪低落时,投资者互动强度显著负向影响泡沫;受社会互动影响,投资者活跃的交易会加剧市场情绪的传染,进而增加资产泡沫。之后本文基于股票论坛发帖构建社会互动、投资者情绪指标,验证了中国股票市场中本文理论假设的正确性。     

股指极端波动下中国股市复杂网络结构及中心性分析

基于复杂网络理论,以2015年、2008年国内两次股灾为背景,分别构建股灾发生前、中、后的中国股市网络,通过度、度分布、平均路径长度等基本拓扑指标,分析中国股市网络特性及网络结构的变化,综合利用度中心性、介数中心性及接近度中心性,筛选出各时期网络中的核心股票、核心行业并分析其变化情况,基于网络特征向量中心性分析股市的系统性风险及变化情况,通过仿真实验分析股市网络的鲁棒性。研究表明:两次股灾背景下的中国股市复杂网络均具有小世界性和无标度性;与2008年国际金融危机相比,2015年国内股灾对中国股市的影响强度更大,且2015年中国股市对金融风险的弹性更大;股灾期间各行业版块具有明显的风险传染性,指出各行业板块对稳定股市、修复股指的作用;股指极端波动时,股灾的外生冲击会使股市的系统性风险加大,与2015年国内股灾时期相比,2008年国际金融危机时期的股市系统性风险更大;中国股市网络对随机攻击具有一定鲁棒性,但对蓄意攻击具有脆弱性,股灾的外生冲击会降低中国股市网络的鲁棒性。研究为把握股市极端波动风险下的市场结构特征、股市风险管理提供了参考。     

Models of information aggregation in financial markets: a review

This article reviews static and dynamic models of information aggregation in the literature. It highlights the key assumptions these models make, the results they obtain and the issues that still need to be explored to further our understanding of information aggregation in financial markets.     

基于神经网络的股票预测模型

针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。 针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism) 给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。     

Dynamical models in economics: The case of inflation

We discuss a fully dynamical microeconomic model where inflation appears as the response of an unstable system to stochastic noise and/or time discretisation of the dynamics. In the model economic agents fix prices and production volumes following simple, robust, suboptimal rules. A global parameter (named viability) measures the degree of stability of the system: for sufficiently small values the system flares into inflationary episodes that may become self-sustained and permanent. Our analysis shows that models relying on agents taking decisions on the basis of goods availability will leave undetermined the global level of future activity. Thus the Monetary Mass constraint reappears in this simplistic contex. © 1997 John Wiley & Sons, Inc.     

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.