中国股票市场的节日效应研究——基于收益和波动的视角

为研究中国股市节日效应的存在性及特征,本文利用2007年12月28日—2017年10月30日上证综指日收益率数据,基于引入虚拟变量的GARCH (1,1)-M模型,从收益和波动两个角度研究中国股市的节日效应。综合检验发现,中国股市存在基于收益的节前效应,同时表现出基于波动的显著的节前和节后效应;节前节后股市风险均显著降低,但只有节前收益受到了风险的影响。具体分析每一节日发现,部分节日具有节日效应,且各节日的节日效应不同,个别节日的异常收益与风险有关。法定节日比传统节日的节日效应显著,这一现象的产生与休市有关,而休市能对节日效应产生正向影响。     

基于EGARCH—GED的节日效应变尺度分析

本文采用ARMA(1,1)-EGARCH-GED(1,1)模型,对1992年以来的上证综指数据进行不同时间长度的分析,比较不同时间长度的模型系数的强弱变化,得出假日效应,无论节前还是节后,总体上来说尽管显著的存在,却变弱了,而节前效应中春节、元旦效应趋弱,国庆效应走强,节后效应中春节、国庆效应趋弱。而引入周一、周五和一月效应三种日历效应后,尽管节日效应受到微弱影响,却不改其衰弱趋势,说明市场理性在增强,市场在趋于弱有效。     

基于EGARCH—GED的节日效应变尺度分析

本文采用ARMA(1,1)-EGARCH-GED(1,1)模型,对1992年以来的上证综指数据进行不同时间长度的分析,比较不同时间长度的模型系数的强弱变化,得出假日效应,无论节前还是节后,总体上来说尽管显著的存在,却变弱了,而节前效应中春节、元旦效应趋弱,国庆效应走强,节后效应中春节、国庆效应趋弱。而引入周一、周五和一月效应三种日历效应后,尽管节日效应受到微弱影响,却不改其衰弱趋势,说明市场理性在增强,市场在趋于弱有效。     

新股申购效应

本文以上证综合指数为例,用ARMA(1,1)-GACH(1,1)模型对2014年新股申购改革以后是否存在新股申购导致申购前指数大跌的效应进行了研究,研究发现中国股市存在新股申购效应。也就是由于新股申购的概率太低,需要冻结大量资金,所以存在申购前存在买股票换取现金的行为,导致指数大跌。具体研究发现,只有申购前T-2日存在正的申购效应,其他日期的日历效应不显著,所以说中国存在新股申购效应。     

股票市场春节节后效应的实证研究:来自中国A股市场的证据

在证券市场特定交易日的异常收益率现象研究中,有关节日效应的研究是最受关注、争议最多的之一.国内外学者多年来重点对节前交易日规律性地出现异常收益率的现象进行了详尽的研究,但对节后效应,尤其是中国市场传统节日节后效应的系统研究尚鲜见.本文主要运用GARCH(1,1)模型对中国A股市场1997～2011年间数据进行实证检验,验证了春节节后效应的存在,并发现节后交易日市场异常波动性是节后效应的重要原因之一.     

基于EGARCH模型的黄金周对中国股市影响研究

现行国内外学者在股票市场发现“周末效应”、“节日效应”及“休市效应”等现象,但并未对这一现象给出合理性解释。本文针对中国独有的黄金周长假,以上证指数为例进行实证研究,发现中国股市存在效应为正的黄金周节前效应。这一结论验证了股票价格的异常波动与休市有关。结合中国股市的实际情况,得到需要“提高市场信息公开的透明程度”和“提升投资者自身的投资素质”两个启示。     

旅游餐饮行业的“节日效应”

当前,假日经济已经成为了不容忽视的现象,旅游餐饮业是假日经济最具有拉动作用的行业.就此,本文分析了法定节假日前后旅游餐饮业的“节日效应”,即股票市场当中的旅游餐饮行业在特定日期是否存在超额回报的问题,通过数据分析,发现虽然旅游餐饮行业由于节日消费的拉动作用存在显著的节前节后效应,但对于周内效应来说,并没有明显的周一和周五效应.     

上海股市节日效应实证研究

季度效应自从被发现以来,就不断地涌现各种各样的实证研究,并在很多国家的实证研究中被证明。我国也有学者对此做了研究说明,但对于节日效应则几乎没有研究。本文对上海股市节日效应做了系统分析,发现上海股市存在元旦效应,但并不存在春节、五一和十一效应。     

中国股市大中小盘股时间效应的比较分析

本文以中信大中小盘指数的日相对收益率序列①为研究对象,运用ARMA-GARCH-M模型对我国股票市场大中小盘股的时间效应进行了系统的比较分析,分析结果表明,中国股市大中小盘股均表现出各自的时间效应特征,具体表现为大盘股存在正的星期五效应和1月份效应,但不存在节日效应;中盘股不存在星期效应,而存在正的1月份效应和节后效应;小盘股存在正的星期一效应和节后效应以及负的12月份效应。中小盘股的日相对收益率与其波动性显著相关。     

商业信用如何影响企业生产效率?

商业信用作为非正规金融制度的一种使用形式,在企业之间被广泛使用。本文分析商业信用对企业生产效率的影响,其作用机制包括"融资效应"、"质量保障效应"、"竞争效应"和"强制性效应"。在此基础上,使用上市公司数据,通过构建ADL(1,1)动态回归模型,运用系统GMM方法控制内生性问题,检验商业信用对企业生产效率的长、短期影响。研究发现,短期内商业信用可能通过负向的竞争效应和强制性效应抑制了企业生产率的提高,而长期中可能通过融资效应促进生产率提高。     

对上证日收盘指数进行规律性探索——基于GARCH(1,1)模型

上证指数作为国内最早上市,最具权威的指数,一直是经济研究人员和投资者关注的焦点。通过GARCH(1,1)模型来实际剖析上证日收盘指数的运动规律,包括收益率序列存在的波动聚集性和尖峰厚尾等特征,并对收盘指数进行一定预测,并得到改进后适用于我国上证日收盘指数市场的GARCH(1,1)模型,以此使广大投资者可以更好的通过上证指数运动规律判断股市行情,做出适合自己的判断。对投资者投资上证日收盘指数市场做了指导。     

中国股市月份效应和节口效应实证研究

本文利用上证综合指数每日收益率的数据,使用虚拟变量和GARCH模型对中国股市月份效应和节日效应进行检验,发现中国股市一月效应和春节效应非常显著,投资者可以利用这些市场异常现象获取超额收益.最后本文对市场异常现象做一些简单的解释.     

中国股市月份效应和节日效应实证研究

本文利用上证综合指数每日收益率的数据,使用虚拟变量和GARCH模型对中国股市月份效应和节日效应进行检验,发现中国股市一月效应和春节效应非常显著,投资者可以利用这些市场异常现象获取超额收益。最后本文对市场异常现象做一些简单的解释。     

灰色预测在股票价格中的研究应用

股票价格的预测对于投资者的投资决策有着实质性的影响,因此,通过建立正确的股票预测价格模型对于投资者的投资决策有一定的指导作用。本文运用股票价格的灰色预测方法,并且通过MATLAB程序,研究灰色GM(1,1)模型以及它的修正模型Verhulst模型在股票市场中的应用。在短期内,GM(1,1)模型可以做出股价的预测,但是由于在实际应用中没有考虑到其他因素对于其自身的影响,因此对于长期的股票价格预测,由于其数据变动序列庞大,模型的精度有所降低,而修正的Verhulst模型则更适合研究实际长期股价变化的预测。     

基于改进多尺度阈值去噪的人民币汇率实证分析

考虑到金融时间序列中噪声的干扰,有必要在金融建模研究中做适当的去噪处理。不同于传统的小波阈值去噪,本文应用改进的多尺度阈值技术对人民币/美元汇率序列进行去噪处理,并基于不同误差分布情况下综合分析,确定ARMA（1,1）-GARCH（1,1）-T为最佳拟合模型,最终给出预测效果,证实了应用新的多尺度阈值方法去噪后的汇率模型预测精度较高。     

基于GARCH模型的中国股票市场波动性研究

2015年我国股市经历了大起大落,股市的剧烈动荡使我们有必要对其目前的波动性进行研究,发现其问题所在。本文主要对我国股市近几年的波动情况进行了研究,从股市波动的统计分析入手,再借助GARCH族模型对我国股市的波动特性进行了完整的分析。本文以上证综合指数为研究对象,以2009年4月1日到2016年3月31日共1700个日收盘价数据为样本区间对我国股票市场波动性进行了研究。通过建立GARCH(1,1)模型、TGARCH(2,1)模型和EGARCH(1,2)模型对上证综指的波动特征进行了实证分析,得出上证综指存在ARCH效应且其波动存在聚集性、持续性和非对称性的特点。     

基于灰色预测的商品房价格影响因素及预测研究

在这篇论文里面分析武汉市09年到15年期间对商品房价格影响的因素时使用的是灰色关联分析方法进行的定量分析。在对未来武汉市商品房价格的情况进行预测的时候使用了G M(1,1)模型,这样有利于政府对房地产市场宏观调控。在这次研究的时候是综合的进行分析,将很多学科的知识融在一起,主张从实践的过程中发现问题,进而进行理论研究,然后再用于实践中进行检验。     

大盘蓝筹助指数节后发力——晨星证券市场月评

9月16日～10月15日(以下称"本月")期间,中国股市以国庆黄金周为界,呈现节前傍徨盘整、节后突然发力上行的格局.上证指数轻盈跳过5500点以上各个关口,在月度最后一个交易日实现了6000点大关的突破.     

产品销售预测的数学模型及应用

本文以灰度预测模型GM(1,1)为基础,选择机械零件直柄钻进行销售预测.利用Excel对直柄钻的2008年的月销售量进行统计(见表格1),通过对模型的合理性检验后,建立灰色系统预测模型GM(1,1),得出直柄钻销售预测相对误差为.应用GM(1,1)模型对产品进行短期预测时的相对误差范围均达到要求,说明GM(1,1)模型应用于产品销售预测是可行的     

产品销售预测的数学模型及应用

本文以灰度预测模型GM(1,1)为基础,选择机械零件直柄钻进行销售预测。利用Excel对直柄钻的2008年的月销售量进行统计(见表格1),通过对模型的合理性检验后,建立灰色系统预测模型GM(1,1),得出直柄钻销售预测相对误差为。应用GM(1,1)模型对产品进行短期预测时的相对误差范围均达到要求,说明GM(1,1)模型应用于产品销售预测是可行的。