基于GD-FNN的股票市场泡沫模型

针对股票市场内部结构复杂性和外部因素多变性, 构建一种基于预测的股票市场泡沫模型. 以上证指数为研究对象, 在价格和成交量的基础上, 将与股票市场密切相关的宏观经济指标引入泡沫模型指标体系, 并对指标体系中各变量之间长期均衡关系和因果关系进行数量分析. 在此指标体系下, 构建向量自回归模型(VAR)模型衡量股票市场基础价值, 并据此分析宏观经济指标对市场的影响; 同时构建基于椭圆基函数且能够动态调整网络结构的广义动态模糊神经网络模型(GD-FNN)对上证指数进行拟合预测作为股票市场的市场价值, 并通过GD-FNN模型提取的模糊规则对股票非线性系统运行模式进行分析. 最后, 根据预测的股票市场市场价值与基础价值之间的偏差计算泡沫度, 并提出相应的预警策略.     

基于成交量的股价序列分析

不管是基于交易时间进程，还是基于日历时间进程，股价的时间序列分析都是基于固定的时间进程来研究价格变化规律。本文认为基于固定时间推进的股价时间序列分析缺少考虑成交量的重要影响，提出基于成交量过程推进的股价变化模型。从交易的时间、股价和成交量的三维空间出发，提出维度转换的思想，把从时间维度转换到成交量维度，重新构造基于成交量的股价序列的研究方法。这种方法把成交量融入到价格序列中，体现了量价配合的思想。这种模型不同于以往的时间序列分析只是对原来的序列从模型上或参数上改进，而是对序列本身进行重新构建。通过对重新构造的基于成交量的股价序列和原来的收盘价和平均成交价时间序列进行误差自回归——GARCH模型的实证比较分析表明，维度转换的思想和重新构造序列的方法是可行的，也是有效的。     

上证指数收益率、波动性与成交量动态关系研究——基于日数据的非线性动力学实证分析

对上证指数的收益率、波动性与成交量的动态关系进行了实证分析.采用EGARCH(1,1) M模型和ARMA(4,3) ARCH(1)模型分别测度上证指数收益率的波动性以及成交量的波动性,使用逐步回归法建立了收益率与成交量(R-V),收益率的波动性与成交量(hR-V)以及收益率的波动性与成交量的波动性(hR-hV)等的二维动力学模型,并用动力学方法研究以上诸二维系统的动力学行为.研究结果表明,虽然大量研究结果表明股市收益率时间序列存在混沌现象,但由收益率与成交量、波动性与成交量等构成的二维动力系统并不存在混沌现象.     

基于BP神经网络的股市建模与决策

给出一种基于BP神经网络的股票市场建模、预测及决策方法。研制成功了股票预测与系统，只需输入当天收盘价、成交量等七个容易得到的股票信息，系统就能给出下一交易日的买卖决策。通过对综艺股份及许继电气两支股票的预测与决策实验，表明所提方法有效，且易于操作，有实际应用价值。     

非线性回归的弹性分析在股票投资与行情预测中的应用

根据我国沪深股市中个股在每一阶段内的每日成交量与每日收盘价的统计数据 ,应用最小二乘法分段拟合了成交量关于价格的非线性回归方程 ,并通过对回归方程的弹性分析 ,揭示了量价变化之间相互作用的内在规律 ,为股票投资和市场预测给出了一种比较实用的技术分析方法 .投资者只要及时把自己所选定的股票在近期内的日成交量与日收盘价的原始数据输入本文所给的数学模型 ,就可根据模型输出的弹性数值序列的变化特征 ,预测出该股的后期行情 ,然后调整自己的投资策略 .     

基于Takenaka-Malmquist自适应时频分布的特征指标——来自上证和深证的数据

股票价格指数度量并反映了股票市场总体价格水平及其变动趋势，包含了丰富的市场信息，受到投资者和政策制定者的普遍关注.利用一定的数学方法对其进行分析和研究，挖掘股指的潜在价值，对加快资本市场治理，提升金融效率，促进国民经济的平稳快速发展具有十分重要的意义.本文利用基于Takenaka-Malmquist自适应傅里叶分解（简称自适应傅里叶分解或AFD）的时频分布，有效提取了股票价格指数的时频特征，分析股票市场的变动趋势.为满足自适应傅里叶分解的要求，首先利用H-P滤波算法对时间序列进行预处理，去除时间序列的趋势项，然后利用AFD算法处理周期项数据，在此基础上得到股票价格指数的时频分布，并进一步分析股指变动趋势.基于自适应傅里叶分解的算法可以有效提取股指在时频两域的信息，避免了单一域分析的缺陷，且比现有的小波分解方法具有更高的分辨率和准确度.为检验指标的有效性，本文利用上海证券交易所的上证综合指数（代码000001）和深圳证券交易所深证成份指数（代码399001）实证检验了指标的有效性，结果表明基于自适应傅里叶分解的时频分布提出的股市技术分析指标可以用于中短期股票市场的变动特征分析.     

预测传播结构与人工金融市场的易变性

为了探索价格预测信息传播动力结构与市场价格波动特征之间的关系,建立了一个基于元胞自动机的人工金融市场模型.在模型中,引入了动态有向图来表征异质投资者之间信息传播的邻居关系网络;投资者个体在邻居影响下进行价格预测与投资决策,从而形成市场价格.通过对仿真交易价格时间序列的R/S分析,发现邻居关系网络结构对于投资者预测的同质化有重要作用;投资者预测同质化倾向强的资本市场时,价格时间序列的易变性随之增强,市场价格趋于不稳定.     

机构投资者对中国股市波动性影响的实证研究

以中国股票市场上的上证指数与深证成份指数的日收益率为样本，采用GARCH与EGARCH模型，来研究机构投资者对中国股票市场波动性的影响。实证研究的结果发现，在大力发展机构投资者后，股指收益率波动性数值减小。波动的平稳性增强，波动的杠杆效应减弱，这表明机构投资者能够有效地降低股市的波动性。     

不同市态下投资者情绪与股市收益、收益波动的异化现象——基于上证股市的实证分析

基于上证股市的相关数据,分析不同市场态势下投资者情绪与股市收益及其波动的异化现象。结果表明:我国投资者情绪对股票市场的收益并无显著影响;而股票收益却对投资者情绪的作用显著:牛市阶段股票收益与投资者情绪正相关,而熊市阶段则为负相关;投资者情绪对收益波动的影响在不同市态下也存在异化现象:熊市阶段投资者情绪对预期收益波动的冲击存在非对称效应,乐观倾向比等量的悲观倾向对波动的冲击更大;而牛市阶段收益波动主要受投资者悲观情绪的影响,且不存在非对称效应。这与国内外的相关研究结论不同。     

投资者情绪影响香港股票市场吗?

本文选取香港股票市场的封闭式基金折价率,initial public offering(IPO)首日收益率,IPO数量,市场成交量和换手率等五个原始情绪指标,利用主成分分析法构造了综合投资者情绪指数,然后应用autoregressive moving average-generalized autoregressive conditional heteroskedasticity(ARMA-GARCH)族模型分别剔除了综合投资者情绪指数与香港恒生指数中的趋势因素和季节因素等外在影响,对ARMA-GARCH模型的残差作相关性分析和Granger因果关系检验.研究表明,ARMA-GARCH族模型能有效处理投资者情绪指数和香港恒生指数的自相关性和异方差性.Granger因果检验发现在短期内恒生指数收益率是投资者情绪的Granger原因,即当香港股市处于上升阶段时,投资者情绪会更加乐观,而当股市处于下降阶段时,投资者情绪则会变的更加悲观.     

A Study of Multi-Scale Relationship Between Investor Sentiment and Stock Index Fluctuation Based on the Analysis of BEMD Spillover Index

According to behavioral finance theory, investor sentiment generally exists in investors' trading activities and influences financial market. In order to investigate the interaction between investor sentiment and stock market as well as financial industry, this study decomposed investor sentiment, stock price index and SWS index of financial industry into IMF components at different scales by using BEMD algorithm. Moreover, the fluctuation characteristics of time series at different time scales were extracted, and the IMF components were reconstructed into short-term high-frequency components, medium-term important event low-frequency components and long-term trend components. The short-term interaction between investor sentiment and Shanghai Composite Index, Shenzhen Component Index and financial industries represented by SWS index was investigated based on the spillover index. The time difference correlation coefficient was employed to determine the medium-term and long-term correlation among variables. Results demonstrate that investor sentiment has a strong correlation with Shanghai Composite Index, Shenzhen Component Index and different financial industries represented by SWS index at the original scale, and the change of investor sentiment is mainly influenced by external market information. The interaction between most markets at the short-term scale is weaker than that at the original scale. Investor sentiment is more significantly correlated with SWS Bond, SWS Diversified Finance and Shanghai Composite Index at the long-term scale than that at the medium-term scale.     

投资者情绪与期货市场功能——基于沪深300股指期货的研究

本文以2015年股指期货市场实行交易限制措施事件作为自然实验样本，研究了不同市场环境下投资者情绪对沪深300股指期货风险管理功能和价格发现功能的影响及其差异.研究结果表明，在无交易限制的市场环境下，投资者情绪对沪深300股指期货的风险管理能力和短期动态价格发现能力有显著的负面影响；而在有交易限制的市场环境下，投资者情绪对沪深300股指期货市场风险管理能力的影响出现反转，但其对股指期货市场价格发现能力的负面影响却进一步加剧，本文分析这一现象是由于交易限制规则实施后股指期货市场流动性和市场深度极度匮乏、逆向选择效应增强所致.与现有研究相比，本研究可以更有效地从市场微观结构角度揭示投资者情绪对金融市场的影响存在差异的原因.此外，本研究结果在以双重差分模型和以互联网搜索指数作为投资者情绪代理变量的检验中同样稳健.     

中国股市指数与投资者情绪指数的相互关系

选取"新开交易账户数"作为投资者情绪的代理变量,应用ARMA-GARCH类模型研究了投资者情绪与股市收益率之间的相互关系.结果显示ARMA-GARCH类模型能有效拟合投资者情绪变化率和上证综合指数收益率的自相关性和异方差性.Granger因果检验表明上证综合指数收益率是投资者情绪变化率的一个显著影响因子,而并没有发现投资者情绪的变化率对上证综合指数的收益率Granger因果显著.根据市场表现的不同特征, 投资者利用这一信息调整情绪.当市场处于上升阶段时, 投资者情绪会更为乐观,有更多新的投资者进入股市; 当市场处于下降阶段时,投资者就会转变为较为悲观, 场外的投资者就会处于观望状态,不急于进入股市, 这样反映在股市上就是"新开交易账户数"减少.     

Noise Trading,Investor Sentiment Volatility,and Stock Returns

This article analyzes the mechanism of investor sentiment impact on stock price based on the noise trading theory of Delong et al. The market turn over, close-end fund discount, and growth rate of investor accounts are chosen as indirect investor sentiment index to construct comprehensive sentiment index on the basis of factor analysis approach. The relationship between investor sentiment and stock returns in China's stock markets is tested using the regression method of ordinary least squares (OLS) and generalized autoregressive conditional heteroskedasticity in mean model (GARCH-M). The results show that investor sentiment is a systematic factor in forming stock prices. Stock price fluctuates with the fluctuation of investor sentiment, but the impact due to positive and negative investor sentiment changes is different. The impact of positive changes is stronger than that of passive changes. The volatility of stock returns caused by investor sentiment changes is a systematic risk.     

基于价格不完全揭示信息资产定价的B股折价

我国B股折价问题作为证券市场分割的异例,受到国内外众多学者的关注.注意到投资者情绪和股票流动性在股价上涨和下跌两个方向的不同作用,本文分别对A股和B股建立了价格不完全揭示信息的理性预期均衡资产定价模型,来研究投资者情绪和噪音交易者行为对B股折价的影响,并通过实证研究对模型结论进行了验证.本文的研究结果表明,A股不知情者的情绪与B股折价正相关,A股噪音交易者行为与B股折价负相关,B股噪音交易者行为与B股折价正相关,同时,由于制度原因造成的系统性差异也是B股折价的一个重要原因.     

Dependence between stock returns and investor sentiment in Chinese markets: A copula approach

Using data of newly opened stock trading accounts in China as a proxy of investor sentiment index,the authors employ the time-varying copula-GARCH model with Hansen’s skewed Student-t innovations to investigate the dynamic dependence between investor sentiment and stock returns.The empirical findings show that shifts in investor sentiment are asymptotically positively correlated to stock returns in extreme value situations in both A shares market and B shares market in China,that is to say,stock prices will increase(decrease) more when investors become more bullish(bearish).Also, results show that the dependence between investor sentiment and stock returns is time-varying,which means that the traditional Pearson’s correlation based on normal distribution is not enough to describe the relationship between stock market behavior and investor behavior.     

基于投资者关注的股价走势预测与交易策略设计——股票间交叉模式视角

股票搜索量作为投资者关注的重要代理变量,其变动情况与该股票价格走势的关系得到了学界与业界的广泛关注.另一方面,股票间的价格同步性一直是股票市场中人们重点关注的话题.基于此,本文在个股层面探究了相关股票搜索量变动与目标股票价格走势的关系模式,利用延迟时态关联分析提出了发现股价预测规则的方法,并进一步设计了个股层面的交易策略.同时,本文以我国A股市场股票为研究样本,针对特定场景检验了个股层面交易策略的效果.实验结果表明:利用相关股票搜索量与目标股票价格的关系,可以获得显著的超额收益.     

DOES INVESTOR SENTIMENT PREDICT STOCK RETURNS？ THE EVIDENCE FROM CHINESE STOCK MARKET

This paper examines the proxy variables of investor sentiment in Chinese stock market carefully, and tries to construct an investor sentiment index indirectly. We use cross correlation analysis to examine lead-lag relationship between the proxy variables and HS300 index. The results show that net added accounts （NAA）, SSE share turnover （TURN）, and closed-end fund discount （CEFD） are leading variables to stock market. The average first day return of IPOs （RIPO） and relative degree of active trading in equity market （RDAT） are contemporary variables, while number of IPOs （NIPO） is a lagging variable of stock market. Using the sentiment proxy variables with most possible leading order, and forward selection stepwise regression method, the empirical results on monthly stock returns reveal that three leading proxy variables can be used to form a sentiment index. And the out of sample tests prove that this sentiment index has good predictive power of Chinese stock market, and it is robust.