上市公司商业信用融资的政策性波动分析

随着我国货币政策波动性的调整,上市公司的企业信用融资出现波动,通过对2010-2012年我国上市公司的数据进行实证分析,在我国货币政策紧缩时,上市公司内控质量较低的企业出现了商业信用融资困难,而在内控质量较高的上市公司中,虽然获得的商业信用融资也会有所下降,但总体而言,高质量财务内控有助于上市公司在货币政策波动时获得商业信用融资。本文从货币政策波动性方面,重点提出了上市公司主动行为以获取更多商业信用融资的可能,并提出加强上市公司财务内控质量及强化信息披露,确保信用融资。     

基于EMD-SE-LSTM模型的股指日内已实现波动率预测──以中证500指数为例

由于股指波动率具有非平稳、高嘈杂、非线性等特征,而传统的预测模型在建模时要求数据平稳、线性或近似线性,所以很难精准预测股指波动率。为提高股指波动率的预测效果,采用经验模态分解(EMD)、样本熵(SE)和长短期记忆网络(LSTM)构建的模型对股指日内已实现波动率进行预测。以中证500指数为例,经过EMD分解得到一系列分量,再根据分量的样本熵大小进行重构,最后利用LSTM对重构后的各序列进行预测。结果表明,EMD算法对LSTM模型的预测精度有很大的提升,相较于传统模型,EMD-SE-LSTM模型在预测股指波动率时精度更高,拟合优度更好。     

高频数据下积分波动率矩阵的伪似然估计、预测及应用

研究目标:利用高频数据准确估计和预测高维积分波动率矩阵,并将矩阵的预测值应用于资产投资组合的构造中。研究方法:通过保留p×p维已实现波动率矩阵的特征向量,对积分波动率矩阵的特征值进行预测,本文将积分波动率矩阵的估计和预测问题转化为p个一维积分波动率的估计和预测问题。研究发现:对高维已实现波动率矩阵过于发散的特征值进行调整能够提高矩阵估计的准确性;对资产收益率的积分波动率矩阵建立动态模型可以提高矩阵预测的精度。研究创新:将高维矩阵的估计和预测问题转化为矩阵特征向量的估计以及一维特征值的估计和预测问题;基于高频数据并建立资产收益率积分波动率矩阵的动态模型提高了资产投资组合的样本外表现。研究价值:本文提出的积分波动率矩阵估计和预测方法能够保证矩阵估计值和预测值的正定性;本文的预测方法能够提高矩阵的预测精度,能够在复杂的金融市场中构造低风险的资产组合。     

石油价格波动及对策探究

近些年,石油价格波动的问题比较严重,这对我国能源的安全和我国未来经济的建设造成了一定的威胁,要减小石油价格波动带来的威胁,就应当更加严密的判断和分析油价的波动情况,对这种情况进行全方位的监控.在长期对石油价格走势进行监控的过程中,应当随时对石油价格变化所带来的危害和影响进行及时而全面的分析,找出能够解决石油价格波动造成危害的对策和方案,并且根据石油价格的走势不断的对方案内容进行整改和完善,使我国在日后的发展过程中,减少石油价格波动所造成的影响.     

股票市场与人民币汇率的波动溢出效应——基于多元GARCH模型的实证分析

本文采用多元BEKK-GARCH模型,立足于人民币汇率波动与我国股票市场现状,利用“汇改后”美元对人民币的汇率与上证综指的日数据,实证分析了我国汇市与股市之间的波动溢出效应,并对宏观政策的制定与投资者对风险的规避提出建设性意见.     

在波动中把握机会

如果找一个能左右国际黄金白银市场价格的最大,那就是近期整体上美元继续强势上涨,大宗商品市场全线下挫,跌幅最大的就是以黄金白银为首的贵金属为主。     

上市公司股权激励中的盈余管理研究——基于苏州金螳螂建筑装饰有限公司案例

正随着2006年《上市公司股权激励管理办法(试行)》、《国有控股上市公司(境内)实施股权激励试行办法》和《企业会计准则第11号——股份支付》的出台,股权激励在具体实施过程中可能遇到的障碍得到了消除,在政策、治理和运行实施上得到了支持。经过多年的发展,股权激励制度越来越为上市公司所采用,截止至2012年,共有396家上市公司推行了483项股权激励计划。尽管其被广泛应用,但还是不可避免地存在业绩异常、股价波动大、管理层辞职套现的现象。在这样一个背景下,本文以苏州金螳螂建筑装饰股份有限公司(以下简称"金螳螂")作为案例,通     

赎回私募前做好三大功课

近几年来阳光私募发展迅速,但良莠不齐,从年度业绩排名看,差距不小,业绩波动率较大.投资者在参与投资后会根据基金的表现情况选择赎回或兑现,那么,私募投资者在赎回前该做哪些功课呢？     

人民币国际化的德国经验

当前,人民币国际化正处于前所未有的好时机。回顾国际货币格局的演变历程,加之近年来中欧政治互信水平的不断提高和中欧经贸联系的日益密切,德国、德国马克以及欧元将是人民币国际化绕不开的＂关键词＂,它们也将为人民币国际化提供有益的借鉴。环境和路径选择英镑和美元的国际化除了依托雄厚的经济实力,＂强权＂更是重要因素。