贸易战前后中美股市联动性研究

选取标普500指数和上证综指为研究变量,运用ECM模型研究贸易战前后中美两国股市的联动性.将标普500指数和上证综指的历史交易数据分为2个时间段,2018年3月23日(该日特朗普签署总统备忘录,标志中美贸易战正式打响)为分界点.时段1为2017年1月3日-2018年3月22日,该时间段内,中美还没有开始打贸易战;时段2为2018年3月23日-2019年6月7日,为中美贸易战开打后的时间段.分段研究中美贸易战开打之前和开打之后中美两国股市的联动性,研究发现:1)无论贸易战打响之前还是打响之后,我国股票市场都受到美国股票市场的影响,而反过来,中国股票市场的走向几乎不会对美国股市造成影响;2)中美贸易战开打之前,中美股市联动性较强,中国股市走向很大程度上依赖于美国股市行情;而贸易战开打之后,中美两国股市联动性降低,我国股市对美国股市的依赖性减弱.     

Copula模型在沪深股市相关性研究中的应用

本文利用沪深股票市场数据,研究了二者之间的相关结构,尤其是尾部相关情况。由于股票收益率序列存在着条件自相关和条件异方差,为避免这些对Copula参数估计的影响,我们先对收益率序列进行AR(4)-GJRGARCH(1,1)-t建模,得到的标准化残差经BDS检验为独立同分布(i.i.d.)序列,再进行Copula建模。实证结果表明,沪深股市存在很强的正相关性,以及对称的尾部相关。这与大多数国外学者认为股票市场之间存在非对称相关现象的结论不同。本文通过图形检测和解析方法相结合来选择对数据拟合最好的Copula函数,结果表明学生t-Copula可以很好地刻画沪深股市的相关性。     

基于DAG-SEM模型的中美股票市场间信息溢出研究

以中美贸易战为背景,研究美国股票市场、中国A股市场与香港股票市场的动态溢出效应。运用DAG-SEM模型和信息指数模型的静态和动态分析法测度市场间波动率信息溢出的方向、强度以及动态变化过程。研究发现:在贸易战期间,美股、港股和A股之间的溢出强度均增加。中国内地股市与美国股市呈双向信息溢出,标普500指数与沪深300指数的“方向交替”多于道琼斯与沪深300指数。特别地,贸易战白热化阶段,即2018下半年至2019上半年,中国内地股市对香港股市的信息溢出强于美国股市,成为港股信息溢出的主要传导者。     

金融风险在股票市场的传染效应及联动行为分析

近年来金融危机频发并表现出了易传染性,引起了众多学者的高度关注。以动态条件相关模型研究美欧股市与中、日、韩股市间的时变相关性,并结合内生多重结构突变模型划分危机传染阶段,选用溢出指数模型分析股市间的风险溢出特性;随后,定义股市间相互影响的联动模式并构建不同传染阶段的加权有向网络图分析股市间的联动行为。研究表明:美欧股市对中日韩股市有明显的传染效应,被传染的速度和持续时间均不相同;金融传染和风险溢出展现出一定的不一致性,危机期间日股的风险溢出效应强于美股;传染效应在联动网络中表现为联动模式的高聚类性和高联动性,相比欧债危机,次贷危机时期股市间展现出更强的联动行为;日股与美欧股市在两次危机中均表现出最强的联动性,其所受影响也最大。     

组合GM(1,1)幂模型及其应用

GM(1,1)幂模型是灰色Verhulst模型的推广.由于初始条件选取影响GM(1,1)幂模型的精度,将平均相对误差函数分别看成是幂指数、发展系数、灰作用量的函数,利用蚁群算法进行参数辨识,从而建立多个单项GM(1,1)幂模型.利用这些单项模型建立了线性组合GM(1,1)幂模型,组合权系数利用最大相对误差最小化原则采用粒子群算法确定.实例表明,组合GM(1,1)幂模型的建模精度高于传统GM(1,1)幂模型,同时也说明方法是有效的和可行的,具有重要的理论意义.     

中国股票市场的非对称动态相关性研究

基于沪深A、B股1994.1.3到2012.7.31的四组日回报率数据,本文研究了中国股票市场间条件波动率和相关系数的动态性与非对称性,分别建立了EGARCH模型和非对称形式的动态条件相关模型(DCC)进行分析。研究表明,我国股票市场的条件波动率在利空消息冲击时普遍表现出很强的非对称性,其中深B股市场的波动率非对称性表现为市场受利好信息冲击时的反应更强而不同于其他三个股票市场;尽管股票市场间条件相关系数存在着不同的非对称表现形式,但是无论是A股市场还是B股市场,其条件相关系数都表现出显著的动态非对称性。     

基于股票分布模型的平均建仓成本价分析

股票价格分布理论的基础上,对平均建仓成本价及其分散程度进行了分析,发现平均建仓成本价与其一期滞后的分散程度成显著的负相关关系.     

绿色建筑前期设计阶段的多目标优化及多属性决策模型

综合考虑建筑物的体型参数、围护结构参数和功能布局的影响,运用层次分析法将描述性的功能目标转化为定量值,建立绿色建筑前期设计阶段的能耗、成本和功能的多目标优化模型。针对模型变量的离散性,以邻域拓扑结构改进粒子群算法,防止陷入局部最优,得到绿色建筑方案的Pareto解集。在绿色建筑多属性决策中引入马氏距离与组合赋权方法,对最优方案进行排序决策。通过案例分析验证该模型的效果,在保证一定功能的前提下,可获得较低的能耗和成本,实现绿色建筑设计理念。     

Non-Probabilistic Structural Reliability Analysis Integrating the PSO and the Kriging Model北大核心CSCD

针对复杂结构可靠性分析中面临的隐式功能函数和小样本问题,提出了一种粒子群优化和Kriging模型相结合的结构非概率可靠性分析方法。采用多维椭球描述结构不确定参数,运用粒子群优化对模型相关参数进行求解,并构建隐式功能函数的Kriging模型进行可靠性分析。三个算例结果表明所提方法有效可行,精度和效率均优于基于Kriging模型的非概率可靠性分析方法。     

沪深股市回报率、波动率和交易量关系的实证研究

本文首先对回报率与交易量之间的关系进行了研究,发现并不存在非对称的数量关系,但存在双向的葛兰杰因果关系;同时将交易量对波动率的解释能力进行了研究,发现在沪市交易量对波动率具有解释力,而在深市交易量对波动率没有解释力。     

Calibration of the SABR Model in Illiquid Markets

Recently the SABR model has been developed to manage the option smile which is observed in derivatives markets. Typically, calibration of such models is straightforward as there is adequate data available for robust extraction of the parameters required asinputs to the model. The paper considers calibration of the model in situations where input data is very sparse. Although this will require some creative decision making, the algorithms developed here are remarkably robust and can be used confidently for mark to market and hedging of option portfolios.     

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.     

求解高维复合体函数的智能优化算法

由于粒子群算法在处理高维复杂函数时存在容易陷入局部最优的问题,提出了多种群子空间学习粒子群算法(SLPSO),采用多种群进化模式,在粒子更新公式中加入了全局最优粒子,加快了粒子收敛速度,同时在种群之间采用了交叉学习的方法,大大提高了算法的全局搜索能力.另外,还增加了一种子空间学习方法,充分地利用粒子的历史经验,有效地避免了陷入局部最优的问题.通过在高维基准测试函数的仿真实验表明,SLPSO算法的测试结果都明显优于其他两种算法,随着函数维数增加,SLPSO算法测试结果的下降幅度明显低于其他两种算法.在6个极其复杂的复合函数的测试中,SLPSO算法有2个测试函数结果非常接近理论值,其他4个也明显优于其他三种算法.     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

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.     

基于支持向量机的粒子群神经网络集成股市预测模型

为有效提高神经网络集成的泛化能力,先利用量子粒子群和主成分分析提高集成个体的泛化能力,再利用泛化能力强的支持向量机回归集成生成输出结论,建立一个基于支持向量机的粒子群神经网络集成股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好.     

股票回报率与汇率的关系——基于中国的实证

考察了上海股票市场A股的回报率与人民币汇率的关系．首先,经过单位根检验发现：股票回报率与人民币名义汇率是一阶单整。接着,利用Engle—Granger协整检验得到：在5％的显著性水平下,股票回报率与人民汇率没有长期均衡关系,但不能够拒绝短期单方向的Granger因果关系,即人民币名义汇率是股票回报率的Granger原因．     

股票价格波动的塑性性质及模型探讨

首先基于股票价格和成交量，根据股票的量价规律，分析了股价波动的塑性性质；然后使用计量经济学方法建立描述股价波动的塑性模型，包括股价塑性基本模型、基本模型的一阶自回归模型、幂指数模型及幂指数模型的一阶自回归模型，基于12支样本股对这些模型进行参数估计和检验；最后对4种形式的股价塑性模型进行了总结。由4种模型均能够通过经济学检验和统计学检验可知股价波动具有塑性性质，且幂指数模型描述股价塑性较为科学、合理。     

有交货时间限制的大规模实用下料问题

研究的是有交货时间限制的单一原材料下料问题(规模较大).对于一维下料问题,本文得到一个有各自交货时间的模型.针对该模型提出一种新的算法:DP贪婪算法.计算结果是总用料800根即可完成需求任务,材料利用率为99.6%.对于二维下料问题,在一维的基础上建立了二维的求解模型,运用我们自己设计的降维思想结合一维的DP贪婪算法,给出解决该模型的算法.计算结果是总用料451块即可完成需求任务,材料利用率位99.2%.算法设计时考虑了普遍的情况,所以算法在解决大多数实际下料问题,特别是大规模下料问题时是切实有效的.     

南方集体林区贮木场原木库存随机预报模型的研究

本主要论述应用多变量CAR模型预报南方集体林区贮木场原木库存量动态变化，并用计算机模拟。结果表明该方法模型预报精度高，且应用方便。