利率变化与股市波动关系的实证分析

利率作为重要的宏观经济调控工具,每一次调整都引发了股票市场的波动。分析我国近几年来股市波动与利率变化的关系发现,利率调整对股市的影响并不总是负相关的,理论上利率对股市的干预效应在实践中难以得到验证,股市的波动更多地受到来自利率以外的因素的影响,利率干预股市在现阶段我国经济实践中还存在着理论与实践的背离。     

基于神经网络的上证指数预测模型

神经网络依据数据本身的内在联系建模,具有良好的自组织、自适应性,有很强的学习能力、抗干扰能力。它能自动从历史数据中提取有关经济活动中的知识,可以克服传统定量预测方法的许多局限以及面临的困难,同时也能避免许多人为因素的影响。本文基于人工神经网络原理,研究了宏观经济影响下上海股市,用2005年6月到2008年11月的月度沪市上证指数作为训练数据预测08年11月份以后三个月的上证指数,并与实际数值进行了对比。最后分析了神经网络应用于股市预测的时效性。     

完全信息条件下股票发行政策的博弈分析

在我国股市中，政府一直承担着发展和监管股市的双重职能．因此政策成为影响股市的一个重要因素，其作用过程是政府与投资者之间进行的一场动态博弈．本文以股票发行政策为变量建立完全信息博弈模型，通过对该博弈分析，揭示相机抉择的股票发行政策使政府具有快速扩容的倾向，并在投资者理性预期下，股票发行政策不影响股价波动．     

主成分分析与因子分析在肺心病发病情况分析中的应用

通过SPSS软件对青海海西州地区肺心病发病例监测登记资料进行统计分析，利用主成分分析和因子分析，分析出了民族因素、气象因素中对肺心病月发病率起主要影响作用的因素，两种分析方法得到了相同的分析结果．最后，分析出了主成分分析与因子分析的联系和区别．     

宏观经济背景下中国股市标度研究

股市是经济的‘晴雨表’,在不同的宏观经济背景下,股市对其反应都有所不同.本文通过对上证指数、恒生指数以及随机抽取的个股使用静态DFA方法对其不同的宏观背景下的股市标度进行研究,通过对比发现,不同的宏观经济形势下,股市标度有显著差异.     

我国上市公司资本结构影响绩效的实证分析

该文首先构建了能全面反映我国上市公司资本结构特征的指标体系,然后用因子分析方法将这些指标综合成彼此互不相关的少数几个主因子．在此基础上,用主因子对代表公司绩效的托宾Q值作多元回归分析．最后,根据所建模型分析了资本结构中影响公司绩效的主要因素,以及这些因素与公司绩效之间的关系,为上市公司优化其资本结构和提高公司绩效提供决策依据．     

基于灰关联分析-神经网络的组合预测模型

应用SOM神经网络对股市收盘价与其影响因素的总样本进行分类,对其中任一类作灰关联分析,得出各影响因素对股市收盘价的影响程度大小排序;选择灰关联分析的6个优势因子作为输入参数,建立股市收盘价预测的BP网络模型;用ST中纺B的数据作为实例进行验证,结果表明该模型能较准确地预测股市收盘价.     

中国私人投资影响因素的实证研究

使用灵活的加速模型对影响中国私人投资的宏观经济因素进行实证研究．结果显示，私人投资与上一期的GDP增长正相关，与提供给私营部分的银行贷款正相关，与上一期的私人投资正相关，与宏观经济不稳定性负相关．然而，除了经济增长因素之外，其他解释变量对于私人投资的影响都不是很大．     

基于因子分析探究大学生学习状况主要影响因素

运用因子分析方法对影响大学生学习状况的诸多因素进行详细分析，目的是真正了解大学生的学习状况，并找出存在的优点和不足，对应采取措施进行管理，使学生能更好获得知识，改善学习现状，将相互关联的因素提炼成5个相互独立的综合因子，分析得到：决定我校学生学习状况好坏的主要因素是学习态度，从宏观上为学校教学工作提供参考，为教学改进提供依据．本文以成宁学院在校学生作为调查对象，此方法同样可以运用到其他高校，方法具有推广性．     

基于som网络-灰关联分析-BP网络预测模型

提出一种基于som网络-灰关联分析-BP网络预测模型,用于股市收盘价的预测．首先采用som神经网络将特性分散的样本划分成不同的子类,然后采用灰关联分析方法,解析了各影响因子对股市收盘价的影响程度,以反映股市收盘价的影响因子作为输入变量,构建了股市收盘价的BP网络预测模型,结果表明：利用灰关联分析,可得出各凶子对股市收盘价影响程度的大小排序,能为股民提供参考;基于BP网络模型的预测结果准确,通过对所采集的股市数据进行测试,证实本文所提出的方法具有有效性．     

基于朴素贝叶斯分类算法的股指预测研究

预测大盘指数的涨跌幅度在股票投资中具有重要的意义。大盘指数的涨跌既与国家的宏观经济政策有关,也与大盘指数自身运行状态有关。结合朴素贝叶斯分类算法和股票大盘指数涨跌的影响因素建立了大盘指数分类预测模型,以上证指数为例进行了实验,结果表明分类预测模型有效,准确性较高。     

股票价格影响因素研究

以上证(A股)指数作为因变量，通过选取影响股市整体水平的指标，运用回归分析方法并结合SPSS软件建立了线性回归模型和非线性回归模型，分析得出了影响我国股票价格趋势变动整体水平的主要因素。     

股权分置改革前后中国股市混沌分形特征比较

股权分置一直是困扰中国股市的制度性缺陷.通过计算股改前后沪深两市4种指数的Hurst指数和分形维,来比较股改前后市场的混沌分形特征.得出一系列结论:中国股票市场具有混沌分形特征,股改明显加快了丧失初始条件记忆的速度;股改后市场的投资风险有加大的趋势;深市最少需要4个变量来建立市场的动力学方程,而沪市就至少需要5个变量,沪市比深市复杂些;股改后两市分形维有下降趋势,股改有提高市场效率的趋势.这些结论可为研究股权分置改革对中国股市的影响提供一点思路.     

Hurst指数在河北省上证股票中的应用

应用资本市场分形特征的判别方法,对河北省上证股票分形特征进行了实证研究,计算河北省上证股票的Hurst指数。结果显示:每只股票的Hurst指数均大于0.5,这说明河北省上证股票市场具有自相似性、状态持续性、长期记忆周期等明显的分形特征,不属于EMH所描述的有效市场。     

股票市场的复杂性与有效性(英文)

对金融市场提出有效性指标和复杂性指标,利用"滑动窗技术"研究了上海和深圳股票市场有效性与复杂性之间的关联.结果显示,上海股票市场的复杂性和有效性之间以及复杂性之间存在双向的Granger因果关系,深圳股票市场亦是如此;两个市场的有效性之间存在双向的Granger因果关系,两个市场的复杂性之间亦是如此;上海股票市场的有效性之间以及复杂性之间相互影响强于深圳股票市场,两个市场有效性之间的相互影响强于复杂性之间的相互影响.论文的实证结果支持了刘维奇关于金融复杂性可以改进金融市场效率的理论研究的论断.     

基于Copula方法的股票风险的相依性分析

相依性分析在多变量随机分析研究中一直属于前沿问题,研究金融市场各股票之间的相依性,对于分析股票市场的相依性结构以及投资市场的投资组合风险有着重要的意义.选用Copula函数理论对雅虎财经数据中心的上海电力和中国石油股票日收益率数据进行数据拟合,利用核密度估计方法对股票市场估计边缘分布,结合平方欧式距离选取最优Copula函数.运用了Copula函数理论建立股票市场的相关性结构模型,更好地模拟上海电力和中国石油两股市的日收益率的观测数据.     

上海股市价格行为的噪声色彩

运用R／S分析方法，通过分析分形布朗运动的分形噪声及其与Hurst指数H值之间的对应关系，实证检验了上海股市价格行为中存在的噪声色彩。结果表明，上海股市的价格变化和易变性变化分别呈现出明显的黑噪声和粉红噪声特征，这为理解我国股市的价格行为提供了一种可能。     

极端行情下中国股市社团结构及系统性风险分析

以2008,2015年国内两次股灾为背景,分别构建股灾前、中、后的中国股市网络社团结构.基于网络中心性构建节点系统重要性及股市系统性风险指标,分析各时期网络社团内核心股票、行业、股票组合及其变化,探究系统性风险与网络拓扑指标、宏观经济指标的相关性.结果表明:股灾期间,工业板块受挫严重,原材料、金融地产、医药卫生板块发挥护盘及修复股指的作用;发现3种特殊的社团结构及部分社团间出现相互融合的趋势;在股指极端波动时期,中国股市系统性风险与部分网络拓扑指标及宏观经济指标具有显著相关性.     

沪深A股市场惯性效应与反转效应的比较分析

采用Jegadeesh等的研究方法,对沪深A股市场惯性效应和反转效应进行了检验和比较.实证结果显示：市场趋势上,沪深两市的走势具有很强的连动性,均表现为短期的惯性收益、中期的反转收益和长期的惯性收益现象;市场表现上,沪深两市均表现了强者衡强、弱者衡弱和追涨杀跌的态势,但深市比沪市表现出了更强烈的惯性策略获利性.