多元回归-马尔可夫复合模型在上证综指预测中的应用

本文研究了近年我国股票市场与国际股票市场指数之间的关联性,为了弥补一般多元回归模型对于随机波动性强的数据的预测误差大的缺陷,建立了多元回归-马尔可夫模型,通过对比分析,该复合模型较一般的多元回归模型预测效果更佳。最后利用复合模型对上证综指进行了短期预测。     

股票趋势预测分析研究 ——基于百度指数

针对股票价格无规律、复杂的跌涨预测问题,考虑到投资者关注度可能对股票产生的影响,文章将百度旗下的百度指数作为投资者关注度的衡量标准,并确定与预测股票具有相关性的关键词.结合用于股票市场预测的神经网络模型——长短期记忆模型(LSTM模型),在对数据进行相关性分析、数据清理、数据归一化后,带入模型进行预测.实验结果表明:在...     

中国股票市场波动和宏观经济波动关系的实证分析

股票市场发展和宏观经济发展之间存在各种联系，本文通过多元回归和VAR模型来研究两者波动之间的关系。结果表明，同期之间股票市场波动和宏观经济波动之间存在着一定的关系，但是这种相互关系还很弱，宏观经济波动对股票市场波动的解释能力也很弱；宏观经济波动对股票市场波动的预测能力要强于股票市场波动对宏观经济波动的预测能力。本文认为，导致这样结果的可能原因是影响股票市场的因素太多，我国的股票市场受政策或重大事件的影响比较大。     

沪港通对沪市股票市场有效性的影响

为了研究沪港通对沪市股票市场有效性的影响,本文选取2000—2015年上证股指,运用 R／S 分析并结合 DFA 统计量得出：沪市股票市场存在明显的长期记忆性,但沪港通之后其长期和短期记忆性显著下降。基于 ARFIMA 模型的预测效果与长期记忆性特征之间得出对应关系：如果长期记忆性显著,则预测效果好;如果记忆性不明显,则预测效果差。本文对沪港通前后进行长度为10步的分数阶自回归模型预测,结果显示 ARFIMA 模型对沪指收益率整体的预测效果较好,但沪港通开通之后模型的预测效果却明显减弱。     

中国股票市场流动性的实证研究

本文根据我国A股市场股票的日交易数据计算出市场非流动性比率的时间序列,采用ARMA-GARCH族模型建立我国股票市场流动性AR(1-TARCH(1,1))模型。结果表明,我国股票市场流动性具有持久性,流动性成本可以预测收益。此外,我国股票市场流动性的波动具有非对称性。     

投资者情绪与股票市场收益的实证研究

本文通过主成分分析构造投资者情绪综合指数,并利用VAR模型和脉冲响应函数验证了投资者情绪和股票市场收益的互动关系,结果显示:投资者情绪对股票市场收益具有显著的影响,并能在一定程度上预测收益,但两者间的冲击效应具有不对称性。     

投资者情绪与股票市场收益的实证研究

本文通过主成分分析构造投资者情绪综合指数,并利用VAR模型和脉冲响应函数验证了投资者情绪和股票市场收益的互动关系,结果显示:投资者情绪对股票市场收益具有显著的影响,并能在一定程度上预测收益,但两者间的冲击效应具有不对称性。     

基于注意力机制的LSTM股价趋势预测研究

针对中国股票市场,提出了一种基于注意力机制的LSTM股价趋势预测模型。选取42只中国上证50从2009年到2017年的股票数据为实验对象,根据股票市场普遍认可的经验规则,分别对每个技术指标进行量化处理得到股票涨跌的趋势数据,并和交易数据混合作为预测模型的输入,然后使用基于注意力机制的LSTM模型提取股价趋势特征进行预测。实验结果表明:引入股票离散型趋势数据到预测模型中,能够在已有交易数据和技术指标的基础上提升预测精确度,与传统的机器学习模型SVM和单一的LSTM模型相比,基于注意力机制的LSTM模型具有更好的预测能力。     

灰色GM(1,N)方法在股票预测中的应用

对股票价格的预测,直接影响投资者的投资决策,与投资者的经济利益密切相关。股票市场特有的的波动性和不确定性,给股票的预测带来困难。20世纪80年代兴起的灰色系统理论,应用于股市预测的探索已经取得一定成就,已经采用过GM(1,1)模型、灰色神经网络模型、以及灰色马尔可夫模型等预测方法。文中拟采用GM(1,N)模型对股票价格进行预测,并与GM(1,1)模型进行比较,证实了GM(1,N)拥有更好的精度。     

Logistic模型在股票市场中的应用

伴随着社会经济的发展,及目前大数据技术在经济、 政府统计、 生物统计、 信息技术等各种领域的广泛应用,人们越来越希望能够将大数据的技术应用到金融市场中去,运用大数据的方法对金融风险进行控制.本文介绍的logistic模型是回归中的一个常用的模型,在实际生活中应用十分广泛.本文将logistic模型应用到股票市场中,过去的历史数据为基础,拟合logistic模型,对单只股票的涨跌进行二分类的预测.     

银行信贷与股票市场关联性实证研究——基于后金融危机数据

文章通过运用经济计量模型中的向量自回归模型检验2009年1月到2012年3月的月度数据来研究后金融危机以来我国股票市场与银行信贷的关联性,在格兰杰因果关系检验的基础上进行脉冲响应函数分析及方差分解的操作.检验结果表明后金融危机时期我国股票市场与银行信贷相互关联性程度较小,各自的预测效果不明显.针对实证结果提出我国股市要加强政策制度的监管与执行、不断进行金融创新的政策建议,以期我国金融市场稳定、健康、持续发展.     

股票价格分类指数的波动研究

一、引言 股票市场是一个风险和利益共存的市场,其中各因素间的关系错综复杂,是一个非线性函数估计和外推问题,应用传统的分析方法(如指数平滑方法、ARMA模型等),可以预测一段时间内股票指数变化的大致趋势,但是这需要事先知道各种参数,以及这些参数在什么情况下做怎样的修正.相比之下,神经网络技术能自动从历史数据中提取有关经济活动的内在联系,可以克服传统定量预测方法的许多局限以及面临的困难,同时也能避免许多人为因素的影响,因而成为股票市场建模与预测中强有力的方法和技术,已经有些文献对此进行了探讨.     

基于GARCH-VAR模型的股票市场风险度量研究

国内外预测股指股票市场风险基本采用对波动性估计具有精度、准确度和可信度较高的GARCH模型族。因此本文构建VaR-GARCH模型族,并以上证指数和恒生指数为对比做了实证分析,由模型结果揭示两地金融资本市场的差距,并根据模型结果提出针对内地金融资本市场不足之处的改进措施。     

移动平均线有用吗? --基于上证指数的实证研究

本文讨论了在中国股票市场上，移动平均线是否具有获取超额利润的能力。针对上证指数，标准检验证明持有期可变的移动平均线方法能够带来相当大的超额利润。而且时间越短，这种预测能力越强；持有期固定的移动平均线方法则不具备预测能力。异步交易和交易成本会削弱但不会完全抵消这种预测能力，自助法检验则说明两个简单的期望回报时变模型无法解释这种预测能力，这些都说明中国股票市场可能存在一定程度的无效性。     

数据挖掘技术在股价分析中的应用

随着我国经济体制改革的不断深化,资产证券化的步伐不断的加快,股票市场在资本市场中的重要性日益的突出,社会投资的模式也日益的增多,例如基金投资等等,人们的投资理念日益增强.从荷兰诞生最早的股份有限公司开始,人们就没有停止过对股票市场的探究,而探究的最终目的都是在降低风险的同时保证可观的收益,因此股票数据的分析预测具有很大的现实意义.随着经济理论以及数理模型的不断改革,各种预测方式和分析模型应运而生,投资者可以有更多的选择去运用自己熟悉的分析手段.近年来,随着数据挖掘理论的发展,大数据时代的爆发,证券市场的交易行为开始逐渐被纳入了大数据挖掘研究的领域.     

股票市场因素在财务困境风险评价中的应用——基于风险模型的实证分析

本文以Logistic离散时间风险模型为评价工具,检验了股票市场因素变量对中国上市公司财务困境风险的解释力与识别力.实证结果显示:公司的相对市值规模、股票换手率及股票收益率的波动性与财务困境风险显著相关.这说明股票市场生成与扩散信息及外部治理的功能发挥了一定作用.决策者应根据型Ⅰ类与型Ⅱ类错误成本的比率选择合适的截点.加入了股票市场因素变量后,与只包含财务变量模型的评价结果相比,模型的总体解释能力有了很大的提高,识别能力也有所增强.     

中小板、创业板价格决定模式研究

有效市场理论认为,信息刺激价格波动;股票价格是由一个信息集决定。F10信息是中国股票市场比较完备的信息集。本文通过逐日收集、处理F10信息,提取出其中6大类40余个数量指标;建立相应的套利定价模型,利用逐步回归方法,找出我国中小板、创业板的股票市场价格影响因素和定价模式,并进行分析比较。结果表明,各个股票市场关注的第一大类要素都是未来收益预测要素;中小板和创业板同时关注明年收益和后年收益;资产类因素对创业板股票价格有重要影响。     

大中华区股票市场波动特征、关联性与一体化

大中华区由于语言和人文地理的天然联系,以及近年来两岸三地在各方面的广泛深入合作,股票市场的典型化特征出现了一定程度的趋同性。本文采用动态相关的 HYGARCH 模型对大中华区的股票市场进行研究,发现该模型能有效捕获大中华地区股票市场的波动聚类性、非对称性和长记忆性特征。动态时变相关结果表明：随着股票市场的逐渐开放以及两岸三地的通力合作,大中华区的股票市场动态相关系数总体呈现上升趋势,股票市场的一体化程度在逐步提高。     

基于买卖强度的交易策略及其实证分析

文章引入了点过程中的Hawkes过程来进行股票买卖强度的拟合与预测,并提供了基于该有效预测的交易策略。文中首先对所使用的Hawkes过程进行了介绍,并从理论上说明其在高频金融数据拟合中的优势;之后叙述了极大似然方法在Hawkes模型参数估计中的具体应用;最后,结合由wind数据库中选取的内地股票市场中的股票实例,使用Hawkes过程进行强度预测、策略构建与盈利情况分析,证实了该模型在实际拟合中的优势与策略的有效性。     

转型期股票市场和经济增长:微观行为机制分析

本文对股票市场与经济增长的关系进行了微观分析。在建立模型的基础上分析了股票市场对经济增长作用的传导机制,结合中国转型期经济的实际情况对股票市场和经济增长的关系进行了考察和假设。从总体上说,中国的股票市场对经济增长的作用影响不大。