基于主体的股市模型及其复杂动力行为

股票市场的许多复杂现象是传统金融理论所不能解释的.本文根据复杂经济系统思想建立了一个随机多主体股市模型,并综合利用数理分析和计算机模拟的方法对其进行研究.研究发现:受交易主体模仿感染倾向、价格追踪倾向和策略转移倾向等因素影响,模型呈现出基础价值均衡、非基础价值均衡、周期和混沌等市场形态;计算机模拟再现并解释了股市普遍存在的特征性事实.     

具有多种市场形态的多主体股市演化动力机制

股票市场呈现出的多种波动形态,对其内在机制的探讨备受学者和业界的关注.建立多主体股市演化模型,并抽象出一个常微分方程系统描述其核心动力机制.对该系统的定性分析和数值实验表明,受交易主体模仿学习倾向、价格追踪倾向和交易策略转移倾向等市场环境参数影响,模型呈现出基础价值均衡、非基础价值均衡、周期和混沌等市场形态.     

股票市场的流动性与混沌研究

从证券市场的微观结构角度,运用混沌经济学的方法,对股票市场的流动性及交易群体数量变动问题进行分析.建立交易者数量动态模型,给出维持市场流动性及买卖双方交易数量混沌状态的临界条件,通过调控影响不同交易群体数量的参数,探讨如何实现市场的流动性和均衡状态,并指出政策调控市场的可能性,最后给出股市交易群体变动的仿真计算.     

有效证券市场的理性泡沫与股票内在价值的信息滤波

对有效证券市场上理性泡沫的产生条件、度量方法和形成原因进行了分析;并对我国股市的泡沫进行了相应的实证分析.在上述研究的基础上,探讨了与度量股市泡沫相反的问题,即如何从股票价格的波动中滤去泡沫从而识别出股票内在价值的信息.用Kalman滤波方法对股票内在价值进行信息滤波与预测.     

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.     

股市预测中的小波神经网络方法

首先论述了股市时间序列中的明显随机性 ,可能是由于非线性确定性系统中混沌行为的缘故 ,利用混沌的确定性可以进行短期预测 .混沌时间序列预测首先要重构相空间 ,接着充分利用小波变换时频分析的局部化特性 ,提出了一种改进的小波网络结构 ,探讨了股市预测模型问题 .经实例验证 ,该方法能有效地提高预测精度 ,避免了人工神经网络模型和指数自回归的固有缺陷 .     

基于情绪传染的自适应变主体股市演化

投资者信念传染、投资思想体系演化及其对市场的影响,是当前金融(包括行为金融)研究领域的热点问题之一.借鉴SIRS型传染病模型的建模思想,并融入交易者自适应进出市场的机制,建立基于情绪传染的自适应变主体股市演化模型.对模型进行理论和数值仿真分析发现:①在同一核心演化机制下,股市情绪传染与自适应机制内生地驱动股价呈现基本面价值稳定均衡、局部收敛与发散等不同形态;②股市情绪极值点与股价极值点不同步.     

基于Markov机制转换模型的我国股市周期波动状态研究

运用Markov机制转换模型,研究我国股市在不同状态之间的周期转换.研究结果表明, 四状态异方差马尔科夫机制转换模型最能刻画我国股市周期波动特征; 1996年12月26日-2010 年 12月 31日涨跌停板限制下, 股票价格的变动可以分为快速下跌、缓慢下跌、缓慢上涨和快速上涨四种状态;我国股市总体上体现出急涨慢跌的态势, 缓慢下跌是其主要波动状态;股市阶段性波动大体上分为波动较大和波动较小两种期间.     

羊群行为加剧股票价格波动吗?

羊群行为是否加剧股票价格波动,已有研究甚至给出截然相反的结论.假定交易者买卖观点的转变主要受其对股票基础价值认知和其他交易者行为的影响,本文构建描述市场平均投资态度和股票价格变化的数学模型,利用离散动力系统的相关理论研究模型的稳定性,并根据金融市场稳定与否对羊群行为程度进行界定.研究结果表明,在轻度羊群效应区间内,股票价格相应地呈现微幅周期波动;在中度羊群效应区间内,股票价格在经历一段时间的阻尼式波动后收敛至均衡价格,并且在此区间中存在最优的羊群行为,它促使股票价格以最快的速度逼近均衡价格;而在重度羊群效应区间,股票价格发生大幅的非理性波动,可以导致股市严重泡沫和金融危机的产生.     

基于EMD与神经网络的中国股票市场预测

应用EMD分解算法、混沌分析和神经网络理论提出了一种中国股票市场建模及预测的EMD神经网络模型.首先应用EMD分解算法把原始股市时间序列分解成不同尺度的基本模态分量,并在此基础上进一步分析, 表明中国股市存在混沌特性;再经混沌分析和神经网络进行组合预测,提高了模型对多种目标函数的学习能力, 有效提高了预测精度. 实验表明:与现有方法相比, 该方法具有较高的精度.     

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。     

中国股票市场的有效性分析

市场有效性不仅是一个资本市场健全发展的主要标志,而且是许多传统理论的基本前提。虽然一般采用事件研究(巨额交易、股票分割等)和市场异象(规模效应、季节效应等)来对市场有效性进行研究,但从股票市场过度反应的探讨中可知,过度反应是一种进行市场有效性研究的好方法。本文则对公司股票由于ST公告这一事件所导致的市场价格异常进行研究,试图证明中国股票市场存在过度反应。通过实证分析,得出中国股票市场存在过度反应,即市场是非有效的。     

我国股市与汇市间信息传导的实证研究

运用Granger因果检验方法和DCC-MGARCH模型,对我国沪深300指数、上证综合指数以及深证综合指数与人民币对美元汇率之间的联动关系进行了实证研究,与国内很多研究文献所得结论不同,研究发现股价与汇率之间均不存在长期的稳定协整关系,只存在外汇市场对股票市场的短期单向价格引导关系和单向波动溢出效应。     

Cointegration and Causality Relationship Between Stock Market,Money Market and Foreign Exchange Market in Pakistan

This paper examines the relationship between stock market(KSE-100), money market(M2 and 180 days T-bill rate), and foreign exchange market(ER: PKR/USD) in Pakistan by using monthly data covering the period from 2000:M1 to 2015:M12. The study investigates long-run equilibrium relationship between these three financial markets by employing Johansen and Juselius[1]cointegration tests. Long-run and short-run causality relationship between stock market and other macroeconomic variables is also established by employing vector error correction model(VECM) and pairwise granger causality tests. The results of multivariate cointegration test(trace test) indicate a one cointegrating vector, and the significant normalized cointegrating coefficients are evident of long run equilibrium relationship between all the selected variables. Negative and significant ECT(-1) for all variables during full sample period witness the presence of long-run causality connection among variables, while during the military regime and democratic regime, significant difference of long-run causal connections are identified across the regimes. Moreover, the results of granger causality test also indicate that there are significant variations in the causality relationship among variables across the regimes. Therefore, it is essential for forecasting, planning and policy making to consider the importance of political governance system while analyzing the historical cointegration among financial market and make the necessary adjustments accordingly.     

国际股市联动条件下中国股市与汇市的非线性相依性关系研究

与以往仅对市场间相依关系进行静态、孤立的研究不同，基于全局化视角，在国际股市联动条件下研究中国股市与汇市间的相依关系。选取2006-01-04~2019-02-28沪深300指数、人民币兑美元汇率中间价、美国S&P500指数、欧洲STOXX50指数、香港恒生HSI指数、日本N225指数、英国FTSE100指数以及全球股市MSCI指数为研究样本，聚焦于2008年全球金融危机和2015年中国股灾两次极端波动事件，采用R-vine Copula方法研究国际股市联动条件下中国股市与汇市间的非线性相依关系，并构建参数动态化的动态R-vine Copula方法进行稳健性检验。研究结果表明：国际股市与中国股市和汇市之间分别存在着正向联动关系；在国际股市联动条件下，中国股市对汇市具有引导作用，且两者间的相依关系可以由资产组合平衡模型解释；中国股市与汇市在国际股市联动条件下间的相依关系弱于不考虑国际股市联动条件时的相依关系，且这种偏差在金融危机、股灾等极端波动后会显著增加。本研究对国际投资者合理配置资产规避风险、政府监管部门制定相关政策具有重要参考意义。     

基于神经网络、多分辨分析和动力学重建理论的股市趋势预测

根据动力学重建理论和多分辨分析的基本思想 ,利用小波变换重构股市系统的光滑吸引子 ,从而避开了预测的不适定问题 .以重构的状态矢量作为神经网络的多维输入 ,以上海证券交易所的上证指数为例 ,分别对 1 999年的 5 .1 9行情以及 2 0 0 0年的 2 .1 4行情后的几个关键点位进行预测 ,结果表明 ,效果是令人满意的.     

上海证券市场日内价格变化的影响因素研究

采用次序probit回归方法研究指令驱动市场中日内交易价格变化的影响因素.将我国上海证券市场日内交易价格的变化量分解为信息成本、存货成本、流动性成本和累计买卖压力四个部分,并利用上证50指数样本股的高频交易数据进行了实证,结果表明在上海证券市场上这四个部分在解释日内交易价格的变化方面均显著,但这四个部分在个股上的表现强弱不同;同时发现不同于纽约证券交易市场(NYSE)和香港证券交易市场(SEHK),上海证券交易市场(SSE)的信息成本与存货成本之间没有统一的大小关系,信息成本不总是比存货成本大,反之亦然,这说明在我国股票市场上,信息成本与存货成本均是股票日内价格变化的不可忽视的解释因子.     

股票市场相变假说下的股市流动性产生机理

在总结相关文献的基础上,对流动性产生的机理进行了分析。在卖空限制约束条件下,从股票市场相变假说的角度,研究了股票市场投资人群的市场情绪与股票市场的流动性强弱之间的关系。结果表明,股票市场流动性的强弱是由股票市场上噪声交易者的市场情绪决定的。针对中国证券市场提出了一些政策性建议。     

中国证券市场波动性的实证分析

考虑了中国证券市场的股权分置、企业规模、信息不对称等实际因素,通过对均衡价格中各因素的分析得到了一个波动性模型.实证研究表明,股本规模越小的公司,波动性越大,且股权分置改革将有助降低市场波动性.