相似度为基础的股票短期价格行为实验研究

本文使用以相似度为基础的比较方法对股票短期价格变动进行了分析.文章首先以特定务件对股票数据进行筛选以进入观测实验,以此模拟股票技术分析的分析方法,在此基础上对多个离散的小数据片断进行分析.在以20天的小片断数据为基础分析了我国股票短期价格行为后,丈章得到了以短期价格变动相似度为依据的股票价格预测是不可能的,不同相似度样本之间差距不显著的结论.     

大数据环境下的股票预测探究

我国股票市场经过30多年的发展,逐渐形成了一个庞大的股票信息数据库,随着时间的积累,数据库中包含了大量的股票数据信息。当前,大数据应用得到了蓬勃发展,大数据技术也得到了较广泛的普及。为股票所产生的历史数据进行收集,整理,分析提供了便利,为通过探究历史数据对股票未来价格预测提供了可能。本文通过对大量的股票历史数据进行分析,利用MATLAB软件所带的BP(back propagation)神经网络模型对股票数据进行处理并分析。旨在为广大的股票投资者提供更科学、更理性的建议。     

基于RSI与BB的股票趋势分析

股票市场是金融市场中的重要组成部分,在金融生活中具有不可撼动的地位。本文根据kaggle比赛网站提供的纽约证券交易所和纳斯达克上市交易的所有美国股票的完整历史每日价格和成交量数据,选取某些股票对其波动进行分析并对未来变化趋势预测。使用RSI分析股票在周期内的安全系数,根据Bollinger Bands(BB)对其价格与价值的相对位置之间的关系分析。RSI分析发现,股票的范围大多集中于弱区和强区之间,RSI在50左右浮动,因此这些股票均在投资操作中都处于可观望区。BB分析发现,这些股票安全系数较高,股票的变化相对稳定,此时股价处于整理态势之中,相对而言比较适合投资。在投资操作中,投资者可以对这段时期的股票持观望或买入态度。     

先行宏观指标与我国资本市场指数的关系检验

本文研究发现,生产者物价指数(P P I)与股市收益率存在某种关系。通过对选取数据上一期的PPI指数和当月股市收益率进行回归分析,发现PPI与股票收益率的回归系数非常显著。由此判断PPI作为一个变量可以很好地对股票收益率进行预测。之后又针对沪深300指数进行详细分析,通过控制变量的方法,进一步验证了本文的判断。研究结果表明,上一期的PPI与当期的股票收益率成显著的负相关关系。     

基于ARIMA模型和神经网络模型的股票价格预测——以百联集团为例

本文将分别利用时间序列的ARIMA模型和神经网络,对国内零售业"航母"——百联集团旗下的友谊股份(600827.SH)和上海物贸(600822.SH)股票的价格进行预测,并将这两种预测方法进行对比,选择最优的方法进行预测。最后发现ARIMA模型和神经网络的模型预测效果都很好,但是神经网络相对更好。     

基于F-O模型的股票内在价值评价

本文运用给杜邦财务分析体系对F-O模型进行了改进和解释,并引入非限售股票比率和股票规模两个因素预测股票价值。结果表明,改进后的模型预测拟合度较高,可以较好的预测股票内在价值。本文计算的中集集团具有较好的投资价值,值得考虑购买。     

基于BEYR的动态资产配置策略实证分析——中美两国市场比较的视角

本文以2006年5月至2016年1月的中美两国债券-股票收益比(BondEquity Yield Ratio,BEYR)为样本,对基于BEYR的动态资产配置策略的可行性进行实证分析。使用Markov机制转换模型对BEYR所处机制概率进行预测,以此组建股票/债券动态转换组合并对组合业绩进行回测。结果表明,与任意股票/债券静态组合相比,Markov转换组合的业绩明显占优,也优于基于其他几个可选模型的动态转换组合的业绩。     

股票收益率均值回归理论及数量方法研究

随着我国股票市场日趋完善,均值回归理论在股票收益预测中的应用也日益显现。均值回归理论不仅是证券投资理论的一个历史性跨跃,亦是股票市场可预测理论的一个突破性进展。针对股票长期收益的预测问题,本文从证券投资理论的发展历程入手,对均值回归相关理论进行了梳理,评述了多种经典或前沿的数量方法,从理论和实证两个角度对股票收益率的均值回归进行了分析,找寻到了股票收益率可预测的确定性证据,并揭示了股票市场价格发现功能的实现过程,以期对均值回归理论的发展现状作出总结,旨在为其今后进一步发展提供参考。     

聚类分析在金融投资分析中的应用

聚类分析在金融投资类方面有很大的研究价值。本文将聚类分析和方差分析相结合进行投资分析,对股票的收益性,成长性等方面进行分析,建立较为合理的指标体系,衡量样本股票的“相似程度”,再通过聚类分析为投资者确定投资范围和投资价值。结果表明该方法能帮助投资者准确了解和把握股票的总体特性,预测股票的成长能力,使投资者做出最佳的投资决策。实验研究表明此方法在金融投资分析中具有有效性和实用性。     

基于区间数的集团序及其在股票筛选中的应用

在已有的精确数的集团序的基础上,定义了一种基于区间数的集团序.并把其运用在股票市场中,通过神经网络对股票收益率进行预测,确定预期区间收益率,根据股票收益率的性质,提出了一种对此类数据进行规范化的方法,并根据股票的收益率和波动率对股票进行分类筛选,通过实证分析说明了该方法的实用性.     

基于SAS的ST与非ST股票的选择

通过对139只股票的资产负债率，总资产周转率和总资产利润率三方面的分析，找出预测一只股票是否属于ST股的方法，方便投资者在选股票的时候确定所选股票是否属于ST股票。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。     

我国股票价格波动性和市场风险分析——以我国商业银行股票的实证分析为例

本文讨论了我国股票价格波动性形成的机制,对波动性的成因进行了分析。通过计量模型对我国六家商业银行股票的波动性进行了实证分析,建立计量模型验证了我国商业银行股票数据(2006-2013)存在明显的异方差性,并对时间序列进行了分析和比较。该研究对于了解我国股票市场及商业银行类相关股票的风险具有一定参考价值。     

单指数模型的最优风险投资组合研究

本文根据威廉·夏普的单指数模型建立最优风险投资组合,选取2008年1月至2012年12月间的沪深300指数月收益率和来自IT产业、零售产业和能源产业的6只股票月收益率进行回归分析,同时预测股票的Ot和B值,根据回归和预测数据进行最优风险组合的构建。     

CAPM资本资产定价模型的应用——浦发银行股价预测与风险系数研究

CAPM模型的关键在于β系数的衡量计算,它是资本系统性风险的度量指标,反映了资产价格对市场价格平均水平的敏感程度。掌握了β系数,也就基本可以掌握这个经典模型从而为投资决策服务。本文选取事后估计β系数(其中以日β系数(一个交易日为一日)为代表,同理可得周β系数(5个交易日为1周)和月β系数(30个交易日为1月),就不再一一赘述)对股票市场进行有效的预测。以金融产业中浦发银行这只股票作为代表。在传统计算方法之外,运用布鲁姆修正,统计学ARMA模型预测等方式对β系数进行改进,并通过比较分析其数学内涵和经济含义,以期得到更好的预测结果。     

A股市场迎来新并购时代

在政府加快上市公司“私有化”的过程中,外国投资者成为优先考虑的买家在停牌10天之后,2月17日,中石化集团旗下四家子公司——石油大明(000406)、中原油气(000956)、扬子石化(000866)和齐鲁石化 (600002)的股票一经复牌,便全部封死在涨停板上。投资者对这四只股票投以高度关注的原因,     

我国股市非对称反应影响因素的实证分析

本文运用T-Garch-M模型对我国股票市场的特征风格指数和不同样本期的综合指数进行了实证分析,结果表明,市道(牛市或熊市)、市盈率高低、盈利状况(绩优或绩差)、股价高低和股票风格特征(价值股或成长股)等因素对我国股票市场信息非对称反应有显著影响,股票规模大小(盘子大小和市值大小)对非对称性反应的影响不显著。     

基于Logistic回归的股价上涨概率预测研究

将Logistic回归应用在多因子模型时,模型可利用反映股票涨跌信息的因子与股票收益率的历史数据实现Logistic回归对未来股价上涨概率的预测。实证分析结果显示,2012—2018年运用Logistic回归筛选出的大概率上涨的股票组合可获得较高的平均收益率、胜率和夏普比率,Logistic回归在沪深市场上可成功发挥其对股价上涨概率的预测功能。     

中国证券市场上存在α吗?——基于股票型基金的业绩表现

本文拟对我国101支股票型基金的投资绩效进行实证研究,分析股票型基金的超额收益(α收益)在中国证券市场是否真正存在。研究发现,在股票型基金市场中的确存在α收益,但想要获取α收益有一定的难度。     

股票估值在我国的应用与展望

股票估值就是站在投资者的角度,采用一定的方法对个别股票的内在价值进行预测,并与其现行市价作比较,以判断该股票是否具有投资价值的活动.它对合理估计股票内在价值、判断投资方向、防范投资风险尤为重要,本文重点对股票估值方法的应用及其前景进行探讨.