基于非线性混合模型对股市价格预测兼对比分析

为更精确地预测股市价格未来走势,提出一种新的预测模型：首先采用HP滤波将时间序列分解为趋势序列和周期序列,然后根据序列建模要求,对趋势序列采用自回归模型（AR）进行拟合和预测,对周期序列采用GARCH模型族进行拟合和预测,最后将趋势序列预测值和周期序列预测值相加,与原序列进行比较,进而选择模型精确度较高的模型。通过实证对比其他模型分析,该模型预测效果较好,可以为金融预测提供帮助。     

灰色预测在我国股票市场中的应用

本文主要针对股市收益率序列特殊的“尖峰厚尾”的特性,采用不需要分布假设的灰色预测方法来预测上海股市异常点,发现灰色预测的灾变预测模型能很好地应用于我国股市。     

灰色预测在我国股票市场中的应用

本文主要针对股市收益率序列特殊的"尖峰厚尾"的特性,采用不需要分布假设的灰色预测方法来预测上海股市异常点,发现灰色预测的灾变预测模型能很好地应用于我国股市.     

我国股市与宏观经济发展关系的实证研究——基于深圳股市数据的协整分析

选用我国2000～2006年间股市和宏观经济中的相关季度时间序列数据，运用EVIEWS5．0软件对我国股市与宏观经济之间的关系进行了实证分析，分析结果肯定了股市在我国经济发展中的重要性，证明我国当前股市与宏观经济存在一定的长期稳定关系，并进一步得出股市对我国宏观经济发展既有促进的一面，又有抑制的一面，并提出相关政策建议。     

中国消费者物价指数预测——基于小波变换与支持向量回归的分析

将小波分析和支持向量回归(SVR)模型引入消费者物价指数CPI的时间序列分析中,利用小波降噪对原始时间序列进行小波变换,充分提取和分离金融时间序列的各种隐周期和非线性,把小波分解序列的特性和分解数据随尺度倍增而倍减的规律充分用于SVR支持向量回归模型的建模。将该方法应用于中国宏观经济指标CPI的分析与预测,可以有效预测CPI的变动方向,并显著提高CPI的预测精度。     

基于非对称的石油价格与金砖国家股市的关联分析

目的/意义石油在经济增长和社会发展过程中发挥着重要的作用,而股票市场作为宏观经济的“晴雨表”,在经济预测和价值发现中发挥着重要作用。因此,运用计量经济学方法对金砖国家股票市场与国际石油价格之间的因果关系进行分析具有较高的研究价值和意义。方法/过程使用非对称格兰杰因果关系检验方法和2015年1月5日到2017年9月13日的日度频率数据来研究石油价格与金砖国家股市的关系。结果/结论 研究结果表明:在金砖国家中,巴西与中国的情况相同,其股市均不会与石油价格之间产生因果关系;而俄罗斯、印度、南非的情况类似,国际石油价格变化率可以为其股市收益率预测提供信息,而南非的股市收益率可以为国际石油价格变化率预测提供信息。总体来看,石油对一个国家的股市产生的影响比较大,而股市很难影响石油价格,这说明在当前及今后很长时间内,石油仍对经济发展有很大的影响。     

中国股市波动与经济波动的传递性研究

基于1994~2004年度的月份数据,对股市波动与经济波动的关系进行研究。我们采用Schwert(1989)的12阶自回归模型对各经济变量序列的波动性进行估计,并进一步通过Granger因果检验和冲击反应函数考察各波动序列之间的内在关系。检验结果表明:在Granger因果检定中,股市波动并未受到总体经济波动的影响,说明股市在一定程度上反映了当前的经济信息;股市波动与经济波动的冲击反应函数则显示,股市波动与经济波动之间的影响大体在6~8个月以内传递完毕。     

基于R/S分析的我国股市暴涨暴跌期间的记忆性研究

我国股市两年来经历了一次完整的暴涨和暴跌过程,为揭示这轮完整行情的基本特性,本文运用R/S和修正的RS方法对我国股市的记忆性进行了实证研究。研究表明,我国股市在暴涨暴跌期间指数的对数收益率序列及指数序列均不存在长期记忆性,指数序列的H值普遍高于对数收益序列,最后对这种现象进行了分析。     

ARIMA模型在省级全社会固定资产投资预测中的应用

ARIMA模型较好地解决了非平稳时间序列的建模问题,并且在时间序列的短期预测方面有很好的表现,借助于EViews等统计软件,可以方便地将ARIMA模型用于时间序列问题的研究和预测。利用河南省1989至2006年的全社会固定资产投资总额数据,运用计量经济学软件EViews,基于时间序列分析方法建立相应的ARIMA模型,进行预测分析,为各级政府和企事业单位相关的管理决策,提供数量化的参考信息。     

经济时间序列确定趋势与随机趋势辨析

讨论确定趋势时间序列与随机趋势时间序列在统计性质上的不同特点,比较两类时间序列在预测值,预测误差以及外部冲击的动态乘数等方面的差异,并分析在实际应用中不同时间趋势对建模分析的影响。     

盛衰与复兴

股市崩溃后的铁路革命,耗费了数十年时间,这一现象仍将出现在由Internet引导的信息革命。假如他们的预测正确,电子商务将在数十年的建设发展之后最终站稳脚跟。     

基于R/S分析的我国股市暴涨暴跌期间的记忆性研究

我国股市两年来经历了一次完整的暴涨和暴跌过程,为揭示这轮完整行情的基本特性,本文运用R/S和修正的RS方法对我国股市的记忆性进行了实证研究.研究表明,我国股市在暴涨暴跌期间指数的对数收益率序列及指数序列均不存在长期记忆性,指数序列的H值普遍高于对数收益序列,最后对这种现象进行了分析.     

基于R/S分析的我国股市暴涨暴跌期间的记忆性研究

我国股市两年来经历了一次完整的暴涨和暴跌过程,为揭示这轮完整行情的基本特性,本文运用R/S和修正的RS方法对我国股市的记忆性进行了实证研究.研究表明,我国股市在暴涨暴跌期间指数的对数收益率序列及指数序列均不存在长期记忆性,指数序列的H值普遍高于对数收益序列,最后对这种现象进行了分析.     

数据流缓冲队列控制算法的研究与实现

数据流具有突发、潜在无限等特性。如能根据单位时间内流入、流出内存数据量以及内存最大容量提前预测流数据是否过载,从而决定如何执行缓冲队列管理,以便保证内存始终不会溢出具有重要意义。通过对时间序列所具有的分形行为进行研究,能够预测时间序列的特征和规律,定性判断数据流流速变化趋势。控制内存缓冲队列长度的算法：定长Δ算法和自适应算法。经实验测试和分析得知,具有可以准确地预测数据流流速变化趋势和可以有效地进行缓冲队列管理的功能。     

基于非线性混合模型对股市价格预测兼对比分析

为更精确地预测未来走势,提出一种新的预测模型：首先采用HP滤波把时间序列分解为趋势序列和周期序列,然后根据序列建模要求,对趋势序列采用自回归模型（AR）进行拟合和预测,对周期序列采用GARCH模型族进行拟合和预测,最后将趋势序列预测值和周期序列预测值相加,与原序列进行比较,进而选择模型精确度较高的模型.通过实证对比其他模型分析,该模型预测效果较好,可以为金融预测提供帮助.     

中国股市特质波动的影响因素检验——基于结构突变视角

通过直接和间接分解法得到14种股市特质波动,运用中国股市数据证实了这些特质波动序列具有强而显著的相关性。选取代表性特质波动、宏观经济增长及其波动、表征投资者行为偏差的换手率等变量,基于结构突变点判别对变量序列进行退势,并运用退势平稳序列检验影响特质波动的主客观因素,结果发现:投资者行为偏差及其与前期经济增长的交互作用趋于推高股市特质波动,而前期宏观经济波动对股市特质波动有平抑作用。     

CAPM在上海股票市场的实证检验

资本资产定价模型(CAPM)自诞生以来经历了无数次的检验，既有支持和肯定，也有质疑和挑战。采用时间序列回归和横截面回归对CAPM在上海股市的有效性进行了实证检验。结果发现，股票收益率与β之间的相关性并不显著，更不存在线性关系。这说明CAPM在上海股市并不适用。     

我国股票市场波动性的实证分析

应用ARCH模型族等数量经济理论和方法,对中国股市波动特征进行了实证分析。结果表明沪、深股市波动序列具有宽平稳性且波动与收益率之间存在显著的波动回馈效应,并且其杠杆效应也是显著的。     

小波在经济数据分析中的应用

经济数据作为一种时间序列，和小波分析中的信号具有相同的特性。因此，完全可以将经济时间序列看成经济信号，应用小波进行实际经济分析和预测。     

R/S分析与中国股市的分形特征

应用R／S分析法对中国股票市场实进行实证研究,探究中国股市的自相似性和长程相关性等分形特征;通过计算深圳成指、上证综指及各行业指数每日收益序列所对应Hurst指数及相关统计量,证实中国股市存在分形特征。但沪深两市平均循环周期存在着明显的差异。同时,各行业指数间也存在着明显的差异。