波浪理论对中国股票市场的解读及预测

本文主要是依据波浪理论对中国股市进行解读和预测,为更准确分析预测股票市场,首先讨论GDP总量与中国股市运行趋势之间的关系,其次运用艾略特波浪理论研究上证指数并利用历史数据,研判上证指数每一个大的循环起点和终点及其总体的趋势,最后结合基本面分析预测了股指的未来走势及现状低落的原因。     

波浪理论是对投资者心态的描述

有效市场假说提出后,众多的市场异象不断挑战着有效市场假说理论,行为金融理论应运而生,技术分析派又得到了理论的支撑。行为金融理论重视投资者心理而非简单的证券价值估值,而波浪理论是技术分析流派中最为神奇、最为准确的一种,并得到投资者的普遍认可。文章通过分析认为波浪理论实质上反映了投资者的共同心态。     

应用交错原理探讨上证指数未来的可能走势

交错原理是艾略特波浪理论的重要原理之一。上证指数是我国最重要的股票指数。通过交错原理来探讨上证指数的未来可能走势。     

刍议波浪理论在股票投资中运用的启示

浪理论是技术分析大师艾略特所发明的一种价格趋势分析工具,可用以分析股市指数、价格的走势,它也是世界股市分析上运用最波多,而又最难于了解和精通的分析工具,至今已有50多年的历史。该理论自从问世后,便被广泛地应用于世界各地的证券市场,成为证券     

深证成指运行时间中的一些重要比率关系

艾略特波浪理论不仅能时股票市场的运行进行刻画,而且它是股票市场目前最好的预测工具之一.本文在运用艾略特波浪理论对深证成指近20年来的运行进行波浪划分的基础上,应用黄金分割率揭示了深证成指历史走势中一些重要比例关系,借助于这些比例关系,对一些重要的高低点位的运行时间进行了预测.     

论逆推法在波浪测市中的运用——对沪综指走势的实证分析

由于习惯于顺向思维，许多投资者在运用波浪理论对后市进行预测时，经常感到十分迷茫，失去方向感。运用逆向思维方式并结合波浪理论的特点，提出逆推法的概念和思维模式经对沪综指走势的实证分析，更加坚信波浪理论在预测股价走势时的准确性。     

宏观经济变量对上证指数影响的实证研究

本文从理论和实证方面研究了上证综合指数与宏观经济之间的关系,构建出宏观经济因素影响上证综合指数的模型。具体而言,上证综合指数与居民消费价格指数、工业增加值、人民币兑美元汇率呈正相关关系,与商品零售价格指数呈负相关关系。在构建模型的过程中还证实了即股价指数对于宏观经济变量的响应有一定的滞后性的这一观点。     

利用技术分析突破外汇交易瓶颈——基于形态理论的实证研究

外汇市场所运用到的技术分析一直以来都备受争议。本文从理论研究视角出发,介绍了道氏理论和波浪理论,并综合赞同及驳斥技术分析的两种观点,进一步从实证研究的视角对如何合理有效的运用相关技术分析做出了深入探讨。另外,本文还简要介绍了外汇交易的特点,以彰显技术分析在外汇市场中的运用相比较于在其它金融市场运用的更加得心应手之处。     

上证指数和宏观经济变量的关系的实证研究

本文通过对2005年到2010年的GDP、广义货币供应量(M2)和上证指数的月度时间序列数据进行序列平稳性检验,格兰杰因果关系检验和协整检验,得到上证指数和广义货币供应量之间存在一种长期的均衡关系,广义货币供应量可以作为上证指数的领先指标的结论.     

股指期货对股市正反馈交易行为的影响

利用正反馈交易模型与非对称冲击TARCH模型,本文实证研究了我国股指期货的推出对股市投资者正反馈交易行为的影响。结果表明：我国股市当前存在正反馈交易行为;股指期货的短期抑制效应不大,长期抑制效应渐现但不显著;股指期货有利于投资者对消息的理性反应,是抑制股市正反馈交易行为的重要原因。     

沪深两市股指时间序列突变点贝叶斯检测模型研究

股指时间序列突变点的检测是股指波动规律研究领域中的一个重要问题。依据贝叶斯原理提出的突变点检测分析模型,用Matlab工具软件对该模型进行了仿真,并且在实证分析中应用该模型分别对上证综合指数和深证成份指数月度时间序列数据进行了突变点检测分析,准确地确定了两市的突变点,和相应的后验概率分布,并解释了突变点形成的经济和政策背景。     

Positive and negative word of mouth (WOM) are not necessarily opposites: A reappraisal using the dual factor theory

Prior research has not systematically investigated the enablers and inhibitors in conjunction to measure consumer behavior toward mobile wallets (m-wallets), focusing either on the adoption or the resistance perspective only. Similarly, antecedents and consequences of the dichotomous nature of word of mouth for m-wallets have also remained obscure so far. The present research proposes to address this void in the accumulated learnings by examining both enablers and inhibitors of mobile wallets (m-wallets) as antecedents of valence of word of mouth (positive and negative; PWOM and NWOM, respectively). Grounded in Dual Factor Theory, this study aims to explore consumers’ continued use intentions resulting from the WOM valence. The findings reveal that enablers (perceived information quality, perceived ability, and perceived benefit) drive PWOM, while the inhibitors (perceived cost, perceived risk, and perceived uncertainty) spur NWOM. Furthermore, the results show that only PWOM drives the continuance intentions of m-wallet users. Therefore, the study proves that the antecedents of PWOM are different from those of NWOM.     

会计信息对上海证券市场股票价格影响作用的实证分析

股票价格的变动受多种因素的影响,其中会计信息对股票价格的影响显得尤为重要。会计信息是股票市场信息的主要来源,是影响股票价格的直接因素。因此通过对深沪股市股票价格与会计信息的实证分析,能进一步明确不同会计信息对股票价格的影响程度,及二者之间的关系,从而为投资者在投资时使用财务数据提供理论依据。     

上证50指数收益率特征及其波动性分析

研究国内非综合指数即成份指数(上证50指数)的收益率特征及其波动性,可以估计得出对指数风险收益具有较好预测作用的自回归———GARCH(1,1)-M模型,并实证分析指数收益的风险特性、稳定性、波动性等特征,这对当前探讨上证50指数相关指数衍生品推出及其投资分析均具有重要意义。     

投资者情绪与沪深300股指期货定价偏差关系研究

股指期货已发展成为全球金融衍生品主流品种,股指期货定价问题事关市场套利行为,一直备受投资者关注。本文基于投资者情绪视角,运用VAR模型、脉冲响应、方差分解等方法,深入探讨沪深300股指期货定价偏差与投资者情绪的关系。研究发现:投资者情绪与沪深300股指期货定价偏差之间构成因果关系,且呈现正向影响;股指期货定价偏差受投资者情绪影响而长期存在,其对投资者情绪的影响短期效果显著。     

隐性交易成本与资产定价——基于上证180指数成份股票交易数据的实证研究

文章利用上证180指数成份股票的高频数据计算隐性交易成本,探讨其与资产定价的关系。发现:(1)隐性交易成本与换手率、规模和收益率都存在着明显的线性负相关关系。在股票收益率下降时期,隐性交易成本通过流动性深度成本间接影响股票收益率。(2)较之隐性交易成本,规模因素与换手率因素对收益率的影响有着更好的测度性。很可能是因为这两个因素与流动性深度成本也有着显著相关性。(3)隐性交易成本与规模因素整体上呈线性负相关关系,分段上的关系则很可能是凹函数与凸函数的组合。     

股指期货与股票市场波动性关系的实证研究

以日本的N225指数期货、韩国KOSPI200指数期货和我国台湾地区证交所加权指数(TWSE)期货作为样本,通过GARCH模型的序列建模,从样本总体和分阶段子样本分别对其股指期货推出与股票市场波动性的关系进行实证检验。结果表明,台湾地区的股票市场引入股指期货后现货市场的波动性并未受到影响,而日本和韩国股票市场在引入股指期货之后其波动性加剧,但这种波动性的加剧仅仅是短期性的,长期内并无影响。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。