随机森林在量化选股中的应用研究

通过分析国内外量化选股模型采用的指标体系,从焦健的六因子模型出发,使用指标相关性分析方法,提出了八因子选股模型指标体系,选用了2013年3月200只股票的样本数据,使用随机森林算法实现了对2013年4月股票涨跌情况较高精确度的预测,通过对比分析焦健的六因子模型,并分析优选后的股票在行业平均收益、最值方面的实际表现,验证了该量化选股模型在中国股票市场上有较好的性能。     

小波分析及信源熵在股市预测分析中的应用

提出了一种预测股市行情的新指标——信源熵 ,结合小波分析和 MATLAB工具来分析预测股票的未来走势 .并用实例说明了信源熵和小波分析在预测股票的走势上有很大优越性和准确性 .     

基于数据挖掘技术的股票收益率方向研究

本文依据数据挖掘技术对股票收益率的变化方向进行探究。通过小波多尺度分解,将股票价格转化为不同频率域下的子序列数据、并对其中的高频序列进行降噪。构建极度梯度提升树(XGBoost)、以及其它主流机器学习算法,对沪深300和中证500指数中成分股的涨跌进行了拟合并预测。研究发现XGBoost的平均准确率分别达到了54.69%和55.13%,同时依据预测信号构建的投资策略可产生稳定收益,表明该方法具备较强的预测能力。在此基础上,对机器学习算法存在的“黑箱”问题进行了阐述和研究,对模型选股的逻辑进行了探析:提出一种因子权重的度量方法,研究发现市净率、市盈率、能量潮等指标在模型中是较为重要的判别指标,并通过偏相依关系度量了模型中各因子对于股价涨跌方向的边际影响,得到模型倾向于选择市盈率、市净率较小的股票等一些结论,使算法的逻辑更为清楚。     

基于在线理论的股票算法交易策略研究

运用在线理论研究多支股票算法交易策略。在El-Yaniv等人研究基础上,构造了单支股票买入问题的在线策略,证明该策略为最优在线策略;将构造的单支股票交易策略应用到多支股票交易策略问题中,设计了多支股票交易策略算法,并以每支股票收益加权进行投资组合;最后选择上证A股二十支股票从2009年到2012年的交易时间价格数据验证本文所提策略有效性。将20支股票随机抽取10支组成一组,选4组分别进行验证,结果表明本文所给策略对于任意选择的多支股票有较好收益。对交易周期分别选取10个偶数长度进行验证,发现交易周期为18天时平均收益最大,平均收益率为5.2%。     

仪征化纤股票收益率的R/S分析

仪征化纤股票收益率日数据和周数据的分布特征等方面进行了分析,并对其进行长期记忆检验与周期确定.结果表明这只股票与有效市场假定不相符,它具有自相似性、状态持续性、长期记忆周期等明显的分形特征.     

基于周期异方差季节单位根的加权估计与检验

为检验周期异方差的季节单位根模型,基于加权最小二乘估计,提出检验统计量,并在原假设下得到检验统计量的极限分布,与各个季节的周期异方差无关,是标准Wiener过程的泛函.模拟结果和实例分析都表明了用该方法检验季节单位根模型的有效性.     

属性层次模型(AHM)在选股决策中的应用

应用属性层次模型(Attribute Hierarchy Model,简称AHM)理论,对投资股票项目中的股票进行评价,进而做出合理的选择决策,并通过实例验证了此方法的有效性.     

基于跳扩散过程的可转换债券的定价

本文标的股票的方程采用跳扩散方程,首先规定一个跳跃的涨跌区间,这样就可以很快的找出跳跃点,我们根据跳跃点将股价聚类,然后把各个类看成是总体中抽取出来的一个样本,我们就可以估计出跳扩散方程中的所有参数.由于我们的标的股票的方程是含跳过程,因此无法找出完全保值的自融资策略,但我们可以根据风险最小化的原理给出可转换债券的价格,最后运用Monte Carlo模拟计算出了南京水运转债在0时刻的价格。     

股本规模、涨跌幅限制与触限频率的实证研究

本文运用广义矩估计(GMM)方法,对沪深上市公司价格触限频率与股本规模之间的关系进行回归分析。结果表明:流通股本规模越小的公司,其价格触限频率更高,而中小企业板股票的价格触限频率高于主板股票近两个百分点。研究说明中小企业板的涨跌停幅度应大于主板幅度,以更好地体现价格限制制度的作用。     

股权分置改革试点G股的超常收益实证研究

本文采用事件研究法就股权分置试点改革过程中G股股票是否存在超常收益进行了实证分析。实证分析表明股改试点公司股票在试点公司完成股改后复牌当天确实存在着显著的正的超常收益,其中第一批试点公司G股股票的平均超常收益率高于第二批试点公司G股股票的平均超常收益率,深交所试点公司G股股票的平均超常收益率略高于上交所试点公司G股股票的平均超常收益率,中小企业板试点公司G股股票的平均超常收益率高于主板试点公司G股股票的平均超常收益率,高对价试点公司G股股票的平均超常收益率高于低对价试点公司G股股票的平均超常收益率。     

基于格兰杰因果检验遍历性分析的中国股市和国际股市的时变联动特征研究

通过判断检验结果是否依赖滞后阶数的选取(遍历性分析)来考察格兰杰因果关系的稳定性,并基于该方法,构建了度量中国股市和国际主要股市之间关联程度的指标.虽然中国股市制度上的开放是稳步推进的,但发现中国股市同国际股市波动的关联程度是经历了一个先下降再上升的过程.此研究对认识中国股市的波动生成机制,以及防范境外风险向境内的传导提供了有益参考.     

考虑投资者风险态度的随机模糊投资组合模型及实证

考虑投资者面临证券市场随机和模糊的双重不确定性,把证券收益率视为随机模糊变量。在前景理论下考虑投资者的风险态度,建立不同的随机模糊收益率、期望收益隶属度函数和目标权重,构建考虑投资者风险态度的随机模糊投资组合模型。采用实证方法把市场分为下降和上升两个阶段,研究不同风险态度投资者的投资组合差异及模型表现。结果表明:投资者的风险态度会影响投资组合的结构;考虑投资者风险态度的随机模糊投资组合模型,能够满足不同风险态度投资者对投资收益和风险的差异需求,且在实际投资决策中具有可行性。     

基于时序图模型结构估计的股票联动研究

我国股市个股价格同时上涨或同时下跌的联动现象极为普遍,传统上使用向量自回归、协整、有向非循环图等方法主要用于少量股票或市场之间的联动性研究,不适于直接对大规模个股之间的联动关系进行研究。文章关注大规模时序图模型结构建立及估计方法,通过将ADL方法引入SPACE算法,提出了可以估计高维低样时序图模型的ADL-SPACE算法;设计模拟实验考察了算法中惩罚参数λ值的设置对于节点自回归相关性捕获的有效性;在实证研究中,文章使用了ADL-SPACE算法对个股联动研究了三方面的内容:1.基于个股联动的代表性行业之间的联动性;2.设计了我国A股市场中行业联动强度,对行业内外联动性进行综合评价和分析;3.采用一阶滞后个股基于时序图模型结果构造了投资组合,模拟显示收益预期表现良好。以上研究均表明时序SPACE图模型方法在大规模股票的联动探测中有较好的应用前景。     

Microfoundations for diffusion price processes

We study microeconomic foundations of diffusion processes as models of stock price dynamics. To this end, we develop a microscopic model of a stock market with finitely many heterogeneous economic agents, who trade in continuous time, giving rise to an endogeneous pure-jump process describing the evolution of stock prices over time. When the number of agents in the market is large, we show that the price process can be approximated by a diffusion, with price-dependent drift and volatility coefficients that are determined by small excess demands and trading volume in the microscopic model. We extend the microscopic model further by allowing for non-market interactions between agents, to model herd behavior in the market. In this case, price dynamics can be approximated by a process with stochastic volatility. Finally, we demonstrate how heavy-tailed stock returns emerge when agents have a strong tendency towards herd behavior.     

中国股市收益率分布特征的实证研究

金融数据除了具有尖峰厚尾特性以外,也表现出了尾部概率的非对称性,即偏尾特征。本文采用非对称Lap lace分布对我国沪深股市的样本收益率数据进行了实证分析,研究表明,我国股市的中长期收益率数据存在明显偏尾特征,与Compell的行为金融学解释恰恰相反,这种偏尾特征的具体表现不是左尾比右尾厚,而是右尾比左尾厚,研究还表明深市收益率偏尾特征对时间水平的灵敏度比沪市要高。     

中、欧股市非线性分形特征的比较研究

本文利用R/S重标极差法对中国股市(上证综指和深证成指)日收益的非线性分形特征进行实证分析,并与欧洲股市的五个重要股指进行比较,结果表明:中国股市收益波动比欧洲五大市场存在着更强的长程相关性和非周期性循环,沪、深两市的Hurst指数都明显大于0.6,具有一定的非线性分形特征。     

Can CDS indexes signal future turmoils in the stock market? A Markov switching perspective

Single-name Credit Default Swaps (CDS) are considered the main providers of direct information related with a reference entity’s creditworthiness and, for this reason, they have often been the core of news on the current financial crisis. The academic research has focused mainly on the capacity of CDS in anticipating agencies’ official rating changes and—in this respect—on their superior signalling power, compared to bond and stock markets. The aim of this work is, instead, to investigate the ability of fluctuations in CDS indexes in anticipating the occurrence of stock market crises. Our goal is to show that CDS indexes may provide investors and institutions with early warning signals of financial distresses in the stock market. We make use of a Markov switching model with states characterized by increasing levels of volatility and compare the times in which the first switch in a high volatility state occurs, respectively, in CDS and stock market index quotes. The data set consists of daily closing quotes for 5 years CDS and stock market index prices, covering the time period from 2004 to 2010. In order to capture possible geographic differences in CDS index capacity of foreseeing stock market distresses, data referring to two different regions, Europe and United States, are analyzed.     

基于VECM-MGARCH模型的人民币汇率与牛熊股市关系研究

2005年以来人民币汇率均处于升值过程,而股市却经历了牛、熊市的历程.本文基于VECM-MGARCH模型实证研究了人民币汇率与我国股市处于牛、熊市期间二者之间的动态关系,结果发现,汇率和股价之间不存在线性的相互影响关系.就波动性而言,股市处于牛市期间,二者之间存在相互影响关系;熊市期间,这种非线性关系消失.人民币升值预期的减弱及股市的下跌是导致二者关系变化的主要原因.