运用SAS软件系统对上证综合指数的预测分析

本文运用 SAS软件系统中的一些时间序列建模方法及回归分析方法对我国上海证券交易所的上证综合指数作了预测分析 ,得到了较高的预测精度 ,为预测股票市场的整体走势提供了一种方便实用的方法     

我国货币供应量的ARIMA模型与预测

本文介绍了符合金融系统预测规律的ARIMA时间序列模型,并根据我国货币供应量实际数据对2008年5月-2009年4月货币供应量走势进行了预测检验。实证预测结果显示与实际№相对照,模型预测精度较高,平均相对误差绝对值仅为1．56％,说明ARIMA模型能比较准确地预测我国货币供应量走势,可为我国货币供应量的预测和走势提供可靠的参考依据,并由此预计在2009年9月货币供应量将突破60万亿元。     

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.     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.     

上证指数收益率的极值研究

在极值理论广义极值分布模型的基础上,对上证指数日回报率的极值作了实证研究.给出了近两年间出现的极值的概率与等待时间,为风险的度量提供了量化的依据.     

沪、深股市波动不对称性的实证分析

本支应用系数多变量EGARCH模型来研究我国沪深股市的波动不对性,结果发现:在全样本时期,收益率呈现深市向沪市的单向溢出,而沪深两市则都呈现显著的波动不对称性特征。分时段来考察,B股对境内投资者开放前后呈现收益率由深市向沪市的单向溢出到双向溢出现象;而波动性的实证结果则显示,以B股对境内投资者开放为间断点,沪市波动不对称性有明显加强的趋势,而深市波动不对称性则呈现由不显著到显著的特征。     

基于ARMA模型的股价分析与预测的实证研究

利用ARMA模型对招商银行(600036)的股票日开盘价(2010/10/13-2011/4/8)数据进行分析,并预测出未来3天(2011/4/11-2011/4/13)的股票开盘价数据.与实际数据相对照,模型预测误差小,说明ARMA模型非常适合于短期预测.     

基于粒度计算的探索性分析建模研究

从现有探索性分析模型建模方式的局限性出发,提出了探索性分析模型的粒度原理,建立了基于粒度计算的探索性分析模型,给出了该模型的因素集粒化、因素水平值域粒化以及混合粒化三种粒度获取方式,针对探索性分析模型的追溯问题,分析并建立了粒度空间各层次间的层级关联映射和软构层映射.在此基础上,能够建立探索性分析模型的一般性数学描述.     

Stock market forecasting by using a hybrid model of exponential fuzzy time series

The initial aim of this study is to propose a hybrid method based on exponential fuzzy time series and learning automata based optimization for stock market forecasting. For doing so, a two-phase approach is introduced. In the first phase, the optimal lengths of intervals are obtained by applying a conventional fuzzy time series together with learning automata swarm intelligence algorithm to tune the length of intervals properly. Subsequently, the obtained optimal lengths are applied to generate a new fuzzy time series, proposed in this study, named exponential fuzzy time series. In this final phase, due to the nature of exponential fuzzy time series, another round of optimization is required to estimate certain method parameters. Finally, this model is used for future forecasts. In order to validate the proposed hybrid method, forty-six case studies from five stock index databases are employed and the findings are compared with well-known fuzzy time series models and classic methods for time series. The proposed model has outperformed its counterparts in terms of accuracy.     

HARCH Processes are Heavy Tailed

Heterogeneous Auto-Regressive Conditional Heteroskedastic processes were introduced by Mu¨ller, Dacarogna, Dave´, Olsen, Pictet and von Weizsa¨cker in order to improve traditional ARCH-type models describing financial time series. In a later paper Embrechts, Samorodnitsky, Dacorogna and Mu¨ller asked how heavy the tails of stationary processes of this type are. We provide a partial answer to this question, using mainly monotonicity arguments to compare HARCH processes to other processes with a simpler recursive structure.     

沪深股市杠杆效应的实证分析

运用 E-GARCH模型对沪深股市的杠杆效应进行了实证分析 ,结果表明 ,日收益存在着明显的杠杆效应 ,收益对波动强度的影响具有非对称性 .     

股票收益率和新息的尾部估计

利用极值理论来考虑上证综指收益率的尾部.为了选择合理的超越门限,采用平均剩余函数和De-Haan矩估计相结合的方法.在学生t分布和广义误差分布的新患假设下,用GARCH和EGARCH新息的ARMA模型拟合指数收益率,并且使用极值理论的极大似然方法估计模型残差的尾指,估计结果表明收益率的尾指和模型的残差尾指基本一致.     

上海股市收益率序列簇生特征局部线性平滑分析

本文从分析上海股票市场收益率序列的基本特征入手,重点利用非参数方法分析收益率序列波动性的簇生特征.首先通过一系列描述指标说明股市收益率序列具有的基本特点,利用非参数方法估计收益率序列的密度函数.进一步利用非参数回归分析的方法,分析股票市场的波动性,说明股市收益率序列的簇生特征是一个一般规律,在防范股市风险的时候应该注意到这一特点.     

中国股市大公司股票与小公司股票收益关系的实证研究

对中国股市的大公司股票与小公司股票的价格与收益关系进行了实证研究,结果表明大公司股票与小公司股票的收益无论在牛市阶段还是熊市阶段都存在较高的相关性;熊市阶段大公司股票收益的自相关程度最高,存在一定趋势性.大公司股票与小公司股票的价格序列是单位根的,但不是协整的,二者的收益序列是稳定的,在牛市阶段和熊市阶段大公司股票与小公司股票收益之间存在双向的领先—滞后后关系.     

移动GSM网话务量的ARIMA模型的建立及其预测

本文用ARIMA模型对株洲移动GSM网的话务量进行了建模分析和预报,研究表明ARIMA模型不但适合株洲移动GSM网话务量的非平稳时间序列的特点,而且预测效果比较理想。结果表明,ARIMA（1,1,1）提供了较精确的预测结果,可以用来对未来几周的话务量进行预测,有一定的实际价值。     

A note on bilinear time series models

Conditions for the existence of a stationary solution for certain forms of bilinear difference equations are derived.     

关于股市重尾现象的实证研究

本在比较不同国家的金融市场的指数收益率的分布特征的基础上，就分布的重尾现象进行深入的研究。同时分析了收益率分布的两侧尾部：左侧尾和右侧尾(高损失和高回报)的情况。在验证重尾这个定性结论的基础上，具体量化重尾发生在分布中的位置。最后通过重尾情况比较了不同国家金融市场的金融风险。最后得出结论：中国股市的重尾现象发生在下分位点2．8％以前，所以在估计5％小概率下的高损失不宜采用重尾的参数方法。     

对我国股票市场股指波动特性的实证分析

本文以上证综指和深成分指数的最新日收益率为研究对象,应用GARCH、TARCH模型理论,进一步分析了日收益率波动的条件异方差性、非对称性,同时比较了两个股票市场的不同波动特征。     

上海股票市场收益的随机波浪模型

对金融资产收益分布状况的主要研究方法是先提出分布模型,然后进行实验验证;因缺乏必要的机理分析和研究手段单一,使其理论研究和应用研究都受到一定的制约.为克服这些不足,将金融资产收益联系起来看,根据其涨跌周期性构建出随机波浪模型,并利用模型导出随机波浪波高和周期的分布公式.通过实证分析,证明随机波浪模型具有一定的适用性;所用的时频分析方法以及所得结论有益于对金融资产收益分布状况进行更深入的理论和应用研究,也有益于指导市场参与者进行短期和长期交易.