基于非线性时间序列模型的股票分析与预测

时间序列模型在股票价格的分析与预测中有着极其重要的应用.本文针对沪深300日收益率建立了ARIMA-GARCH拟合模型.首先对数据进行对数处理、平稳性检验、自相关检验、偏自相关检验和ARCH效应检验,然后消除条件异方差性,最后通过实证分析得到了模型的有效性与准确性.     

马尔可夫链及其在股市分析中的应用

本文运用马尔可夫链理论预测股票价格分析股市,提出了股价运行周期和投资收益的最大化理论,并建立其随机过程模型,使决策的长期效益趋于最优,通过实例检验,证明了此模型的可行性和实用性.     

跳跃扩散过程的期权定价模型

假定股票价格的跳过程为计数过程,建立了股票价格服从跳扩散过程的行为模型.运用随机分析中的鞅方法,推导出了股票价格的跳过程为计数过程的欧式期权定价公式,推广了已有的结果.     

基于网络舆情支持向量机的股票价格预测研究

提出一种基于网络舆情和股票技术指标数据的支持向量机回归模型(NPOSVM),提高了股票价格的预测精度.模型首先将抓取的微博、股吧等股评观点分为正面和负面两类,计算正面观点所占的比例作为网络舆情,然后对网络舆情和股票技术指标数据作主成分分析,最后对保留的主成分运用支持向量机回归建模预测.实证分析国药股份(SH600511),仿真结果表明网络舆情与股票价格之间的相关系数为0.76;基于股票技术指标数据的支持向量机回归模型(TI-SVM)预测平均相对误差为1.29%、趋势准确率为57.14%,而NPO-SVM预测平均相对误差为0.66%、趋势准确率为71.43%.于是证明,NPO-SVM模型显著地提高了预测精度,是一种有效的预测股票价格的模型.     

非平稳市场中适应性在线投资组合策略设计与分析

考虑到股票市场的表现往往是非平稳的, 过去较长时间的股票价格对当前的投资决策影响较小, 因此基于近期股票价格数据设计在线投资组合策略. 首先, 将上一期的策略与固定长度的股票价格近期数据对应的最优定常再调整策略加权平均, 设计了一个在线投资组合策略. 其次, 进一步采用在线学习的方法选择加权平均的权重, 设计了一个适应性的在线投资组合策略. 利用实际股票价格数据对构造的策略进行数值分析, 结果表明与基准策略和已有的在线投资组合策略相比, 设计的策略具有较好的性能.     

基于ARMA-GARCH模型的股票价格分析与预测

利用时间序列模型对大众公用(600635)股票价格进行分析与预测.首先,通过对数据的初步分析,建立ARMA拟合模型;然后,通过模型检验发现模型残差中存在条件异方差性,通过加入GARCH项消除条件异方差性,得到了ARMAGARCH拟合模型;最后实证分析结果表明了模型的有效性与准确性.     

股票价格序列中随机跳跃存在性的一种检验方法

提出股票价格序列跳跃的一种检验方法.假设价格具有连续样本路径,建立一个关于股票价格样本观察的统计量,利用中心极限定理求得该统计量的极限分布为正态分布,这样,当该统计量超出基于极限分布算出的临界水平时,可以拒绝原假设,认为样本中存在跳跃.用此方法来应用于中国股市沪深股票指数,得到了中国股市存在随机跳跃的直接证据.提出的跳跃检验方法无需对连续部分的波动率形式作过多的假设,克服了波动率模型对检验准确性的影响.结果对金融资产的定价、投资和风险管理都具有积极的意义.     

股票价格的分形拟合方法研究

主要研究股票价格的变化及对其拟合的方法.在介绍了关于分形和遗传算法的要点后,首先从理论上说明了分块分形插值的逆问题,进而做了具体的数据分析,对大量股票价格数据进行模拟,得到了较为满意的结果,说明这种方法是可行的.     

基于多元Hamacher-ANFIS的股票价格预测

应用减法-模糊聚类算法、多元Hamacher算子以及自适应神经模糊推理系统(ANFIS)提出了一种中国股票市场价格建模及预测的多元Hamacher-ANFIS模型.首先多元Hamacher算子与ANFIS相结合,对ANFIS种各规则的隶属度测度机制和规则参数更新机制进行了修正,建立基于减法-模糊聚类的多元HamacherANIFS模型;再从沪深两市各选取了总市值最大的5支股票,计算出它们在同一时间段的历史波动率,并以此为依据得到模型对该股票预测性能的权重;最后运用减法-模糊聚类算法初始化模型参数,对每个数据组进行5重交叉检验,并根据之前得到的权重计算出模型关于检验集的综合R2值.实验结果证明,与现有方法相比,该模型增强了对复杂目标函数的学习能力,提高了对股票价格的预测精度.     

模型FI-EGARCH-M的建立及实证分析

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.     

次分数布朗运动下可分离交易可转债的定价及其风险参数

科学合理的定价是可分离交易可转债交易的基础.考虑到金融资产价格序列的长记忆性,应用次分数布朗运动的It?公式和无风险套利原理,建立标的资产支付连续红利且资产价格遵循几何次分数布朗运动的可分离交易可转债定价模型.并利用Mellin变换求解得到定价模型的解析解.最后,分析几个风险参数对可分离交易可转债价值的影响,并通过数值...     

股票收益的分形特征的实证分析

本文以具体股价指数为例研究股票市场的分形特征,结果发现股票的收益具有长期记忆性、收益分布具有尖峰、细尾等特点,这对预测及管理证券的风险是有极重要的意义的.     

Market calibration under a long memory stochastic volatility model

In this article, we study a long memory stochastic volatility model (LSV), under which stock prices follow a jump-diffusion stochastic process and its stochastic volatility is driven by a continuous-time fractional process that attains a long memory. LSV model should take into account most of the observed market aspects and unlike many other approaches, the volatility clustering phenomenon is captured explicitly by the long memory parameter. Moreover, this property has been reported in realized volatility time-series across different asset classes and time periods. In the first part of the article, we derive an alternative formula for pricing European securities. The formula enables us to effectively price European options and to calibrate the model to a given option market. In the second part of the article, we provide an empirical review of the model calibration. For this purpose, a set of traded FTSE 100 index call options is used and the long memory volatility model is compared to a popular pricing approach – the Heston model. To test stability of calibrated parameters and to verify calibration results from previous data set, we utilize multiple data sets from NYSE option market on Apple Inc. stock.     

中国证券市场价格及波动率长记忆性实证研究

证券市场股价运动是否存在长记性,近年来的实证研究结论不一.其中重要原因是数据选择的局限和检验方法的不统一.通过自相关函数、修正的R/S和GPH方法对中国证券市场的日和五分钟数据进行了递进检验,得出了一些与众不同的结论.     

混合分数布朗运动下欧式期权模糊定价研究

本文采用混合分数布朗运动来刻画标的股票价格的动态变化,以此体现金融市场的长记忆性特征。在混合分数Black-Scholes模型的基础上,基于标的股票价格、无风险利率和波动率均是模糊数的假定下,构建了欧式期权模糊定价模型。其次,分析了金融市场长记忆性的度量指标Hurst指数H对欧式期权模糊定价模型的影响。最后,数值实验表明：考虑长记忆性特征得到的欧式期权模糊定价模型更符合实际。     

基于LMSV模型的半参数方法对股市波动长记忆特征的识别

在金融时间序列波动具有显著的长记忆性这一背景之下,研究了LMSV模型长记忆参数的估计问题。首先,分析了LMSV模型的相关性质;接着,根据LMSV模型和ARFIMA模型的良好对应关系,提出了估计LMSV模型长记忆参数的半参数方法;最后,基于股市数据,验证了波动半参数方法的有效性。     

高频数据交易量久期与价格变化的动态行为研究

本文基于Log-ACD模型和一类非参数模型,研究了股票价格持续上升时期和价格持续下降时期,交易量久期与价格变化的动态关系。研究表明在不同的市场格局下,价格变化对交易量的影响会有显著区别。另一方面我们发现阈值的选取会影响交易量久期的统计性质,阈值变大时交易量久期的长记忆性会变弱。本文在理论上也有所创新,采用了本文前两位作者提出的新的方法估计Log-ACD模型的参数,该方法在误差服从厚尾分布时具有良好的统计性质。利用新的估计构造了Wald检验统计量,检验价格变化的方向对预期交易量久期是否有显著影响。     

Parameter estimation of an agent‐based stock price model

The influence of the behavior and strategies of traders on stock price formation has attracted much interest. It is assumed that there is a positive correlation between the total net demand and the price change. A buy order is expected to increase the price, whereas a sell order is assumed to decrease it. We perform data analysis based on a recently proposed stochastic model for stock prices. The model involves long‐range dependence, self‐similarity, and no arbitrage principle, as observed in real data. The arrival times of orders, their quantity, and their duration are created by a Poisson random measure. The aggregation of the effect of all orders based on these parameters yields the log‐price process. By scaling the parameters, a fractional Brownian motion or a stable Levy process can be obtained in the limit. In this paper, our aim is twofold; first, to devise statistical methodology to estimate the model parameters with an application on high‐frequency price data, and second, to validate the model by simulations with the estimated parameters. We find that the statistical properties of agent level behavior are reflected on the stock price, and can affect the entire process. Moreover, the price model is suitable for prediction through simulations when the parameters are estimated from real data. The methods developed in the present paper can be applied to frequently traded stocks in general. Copyright © 2013 John Wiley & Sons, Ltd.     

Predicting DAX trends from Dow Jones data by methods of the mathematical theory of democracy

The mathematical theory of democracy operates on the indices of popularity and universality which are used to find socially optimal representatives and representative bodies. Regarded mathematically, neither the ‘society’, nor its ‘representatives’ are necessarily human, so that some objects can represent the behavior of other objects. This idea is applied to predicting the DAX-trends (German stock index) from the actual Dow-Jones data; the current fluctuations of stock prices in New York are regarded as representative indicators of future stock price fluctuations in Frankfurt. In particular, it is found that American Express anticipates on the average the price ±fluctuations of 2/3 of the DAX stocks. The statistical significance of the null hypothesis that such a bias from the uncertainty 50% can occur by chance is only 3.5%.     

上证指数收益率的长期记忆性

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。