基于神经网络对我国股票市场技术分析的实证检验

本文研究的主要目的是通过对我国股票市场进行实证分析,揭示运用技术分析这一分析工具在我国股票上进行投资是可行的。其大致思路是,通过介绍技术分析和神经网络的相关理论,利用BP神经网络对非线性问题的良好处理能力,对股票相关技术指标与收盘价进行训练,最后利用训练好的网络根据其他的技术指标进行价格预测,通过预测值与真实值的对比并得出相关结论。     

基于RBF神经网络对价值投资理念在中国股票市场的有效性研究

本文首先从价值投资理念的概念出发,介绍并分析了目前国内外学者对这类问题研究的情况,针对股票市场的非线性特征引入RBF神经网络概念。在接下来的实证分析部分,为了最大限度地减少实验分析的误差,选取沪、深股市中的百货商场行业作为研究对象,通过聚类分析并最终选取4家财务状况最接近的公司作为分析对象,借助神经网络理论中的RBF网络作为分析工具,通过对这几家公司的主要财务指标与财务指标公布后影响收盘价波动的平均值之间关系进行分析并验证,得出相关结论。     

证券投资基金抱团式投资对市场的影响研究

自2020-2022年以来，证券市场关于基金“抱团”式投资与市场剧烈波动引起监管机构及投资者广泛关注。证券投资基金主要通过其专业投资组合能力，分散风险并提高投资者收益，促进证券市场平稳发展。但在实践过程中，非理性因素在一定程度上影响基金经理的投资行为，甚至对股票市场稳健运行产生重大影响。本研究将以历史基金投资策略及市场表现为依据，针对基金抱团式投资对资本市场的影响进行研究，旨在发现证券投资基金抱团式投资策略现存的问题、产生的原因并提出解决对策，建议从监管机构、基金公司、上市公司等角度进行优化，防范市场剧烈波动的风险。