ADL(p,q)模型在深沪股市中的应用

本文根据ADL(p,q)模型,借助计量经济学软件Eviews,研究了上证综指和深证综指股市在一定时间段上大盘日、周、月收盘指数与其对应成交量之间的关系,建立了相应的ADL(p,q)模型,并分别对收盘指数进行了预测,预测效果较为理想,从而为广大投资者提供了一种数学预测方法.预测模型表明在显著性水平下,成交量对收盘指数存在着显著影响.股市存在弱形式有效性.     

BP神经网络在股市预测模型中的应用——以上证股票价格收盘指数为例

本文介绍了股市的特点以及股市预测的困难性,提出了利用BP神经网络的方法来解决股市预测问题。首先文章介绍了人工神经网络模型以及应用最普遍的BP神经网络,然后以上海证券交易所每日股票价格收盘指数为分析对象,对网络进行训练后,利用BP神经网络对股票价格收盘指数进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度非常高。     

股指期货成交量、持仓量、波动率与价格关系探究及应用

通过对股指期货成交量、持仓量、收盘率及波动率分别建立相应GARCH族模型,探究出他们之间变化关系,然后运用成交量和持仓量相结合指标预测T+1日现货指数走势,运用波动率的变化规律预测现货指数阶段行情.     

上海股市收益率与成交量的Granger因果检验

本文运用GARCH模型及Granger检验对上海股市综合指数每日收益率与成交量进行了因果实证检验，结果表明：上海股票市场收益率与成交量在滞后1阶到15阶上存在着收益率对成交量影响显著的单向因果关系，是非对称的，并得出上海股市并不存在“价随量涨”的结论。     

岭回归方法在股市中的应用

利用岭回归方法,借助于Eviews和MATLAB应用软件,对我国上海股市自1996年5月23日到2004年11月5日的大盘综合指数(日数据,周数据和月数据)进行研究,消除多重共线性后,建立了收盘指数与开盘指数,最高指数及最低指数间的多元线性回归模型,并进行了预测。同理得到深圳大盘成分指数相应的多元线性回归模型。     

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。     

岭回归方法在股市中的应用

利用岭回归方法,借助于Eviews和MATLAB应用软件,对我国上海股市自1996年5月23日到2004年11月5日的大盘综合指数(日数据,周数据和月数据)进行研究,消除多重共线性后,建立了收盘指数与开盘指数,最高指数及最低指数间的多元线性回归模型,并进行了预测.同理得到深圳大盘成分指数相应的多元线性回归模型.     

上海股市收益率与成交量的动态关系研究--基于分位数回归模型的分析

研究股市收益率与成交量之间的动态关系具有重要的理论和现实意义,而传统的最小二乘法只能刻画出股市收益率与成交量之间的平均关系,而可能低估或高估在不同情况下二者之间的真实关系。本文采用分位数回归模型对上证综合指数的收益率与成交量关系进行深入分析的结果表明：在收益率的左端,收益率与成交量之间存在显著负相关关系,而在收益率的右端,两者之间存在强烈的正相关,这种现象反映出中国股市投资者中普遍存在着“羊群效应”。     

基于Eviews上证综合指数预测

本文采用自回归移动平均模型(ARIMA),选取上证综合指数2000年1月28日至2015年10月30日单月收盘数据进行短期预测,并以2015年11月和12月数据检验预测结果,结果显示ARIMA(11,1,11)模型对上证综合指数有较好的预测性,为投资者在股票市场的投资提供了有效参考。     

我国股票市场指数与国际股票市场主要指数的联动性研究——基于协整分析

本文对2012~2015年中国股票市场与国际主要股票市场的每日收盘数据进行统计分析,运用协整检验实证了上证综合指数分别与国际四大股指指数之间存在协整关系。中国股市与国际股市之间逐渐接轨,中国股票市场日趋成熟。     

中国得感冒,全世界打喷嚏——从"黑色星期二"看中国影响

2月27日,星期二,中国股市出现了十年来最大一次暴跌, 1500余只股票有近800支跌停。沪深两市单日跌幅近9％。不可思议的是,当天,从东半球到西半球,除越南和中国台湾以外,全球主要股市也随之跌跌不体。在美国道琼斯工业股票平均价格指数收盘下跌了400多点,是“9．11”事件以来(2001年9月17日后)的最大跌幅;反映欧洲股市总体行情的道琼斯斯托克600指数下跌了2．7％,英国金融时报指数收盘时跌幅为2．3％;新兴市场国家股市受影响更加明显,从俄罗斯到拉美国家都出现了股票     

中国股票市场波动性研究：模型选择及实证

以日收盘数据计算出的市场日收益率作为研究的基础数据,利用准极大似然估计方法QML估计三种ARCH类模型(GARCH、T-GARCH和E-GARCH)对中国股市波动性与稳定性的运行效果进行了实证研究的结果,得出EGARCH(1,1)模型是最优的拟合模型。运用最优模型实证发现中国股市不仅波动性很大,而且波动是不对称的。     

基于EGARCH模型上证指数收益率波动研究

现实经济生活中,股价指数序列的发展变化呈现出时变性、随机性、非线性的特点.投资者要想在瞬息万变的证券投资市场上通过自己的投资获得尽可能大的收益,就必须把握证券价格波动的韵律、脉络,对证券的市场价格走向作出准确的判断.本文利用赫斯特(I. E Hurst)提出的R/S分析方法,在确认我国沪市股价指数序列为持久性的随机过程的基础上,分别就收盘上证指数序列和收盘深证成指序列建立了EGARCH(p,q)模型,并对模型的预测性能作出了评估,旨在为证券投资者的科学投资提供依据.     

我国股市羊群效应存在性的实证分析

本文根据时间序列分析方法,构建了方差AR(p)和标准差AR(p)两个波动模型,同时,基于上证指数日收盘价的数据,采用Eviews软件对两模型做了估计和检验。结果成功地证明了我国股市存在羊群效应,进而说明了我国股票市场缺乏有效性。为提高我国股票市场的有效性,降低股市的主观风险,本文给出了一些相应的建议。     

从成交量分析股价走势

股市成交量是股票市场不可缺少的变量,也是分析股市行情的重要指标之一。股票的市场价格是由供求关系决定的,股价的变化只有三种,上升、下跌和不变,而成交量在价位上升下跌的交替中不断变化,时而与股价同步,时而又与股价相背离。而一般的投资者在看行情表时,往往只注意股价与指数的涨跌,而忽略成交量所显示的意义。投资者如能利用成交量和股价的关系对股票行情作出判断,将在可能准确预测股价变     

以改进后的MS-TGARCH模型研究股票市场的波动不对称性

本文引进成交量作为影响波动规律的时间因素,用多种状态转换模型对沪深300指数进行了实证研究,发现了中国股市目前有同西方市场相同的波动规律,并从这几年股市的发展角度作出了解释,最后提出几点对投资者和管理者的建议。此外,文中还提出了一个新的模型,此模型能明显提高估计精度。     

基于GARCH族模型的我国沪市股票波动非对称性研究

股票市场普遍存在着价格波动集聚性的特点,GARCH模型即冠以自回归条件异方差名模型是描述这一现象的有效计量工具。GARCH模型建立在ARCH模型基础上,同时衍生出GARCH族模型,用来解释波动性的特征。本文用本文选取2000年1月到2015年6月的上证综指日收盘指数数据GARCH模型及其衍生模型描述股票波动剧烈,并验证了我国股市存在收益异方差的特征。     

ARIMA模型在杭州市全社会固定资产投资预测中的应用

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。将ARIMA模型应用于杭州市全社会固定资产投资数据的分析与预测,得到较为满意的结果。     

美国股市

【上周五】美国劳工部周五公布,2月份非农就业人数减少6.3万人,这加重了市场对美国经济陷入表退的担忧情绪,拖累美固股市周五收盘下跌。并创下19个月最低收盘位。道琼斯指数收至11893.69点,下跌146.70点,纳斯述克指数收至     

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。