中国股票市场分形与混沌特征:1994～2008

用R/S分析法得出上海股市对数收益序列的Hurst指数为0.6474,说明上海股市系统存在分形特征,存在大约一年半的长期记忆性的循环周期;用相空间重构法求得上海股市吸引子的维数收敛于1.355,说明上海股市具有混沌特性,建立上海股市的动力学系统至少需要两个变量;系统的最大Lyapunov指数为0.003,佐证了R/S分析得出的上海股市存在一个大约一年半的循环周期的结论;主成量分析法的使用支持系统具有混沌特性的结论。上海股市的分形和混沌特性揭示了中国股市的非线性本质,以非线性观为指导更有利于制定有利于发展股市的对策。     

基于混沌预测的模糊神经网络控制器设计及应用

由于混沌时间序列内部确定的规律性 ,其重构出混沌吸引子的相空间具有高精度短期预测性。根据非线性、大时滞系统的时间序列重构相空间 ,计算相空间的最大Lyapunov指数、饱和嵌入维数和可预报尺度 ,并以此为指导 ,对系统作高精度预测。在此基础上 ,又设计了遗传算法优化的模糊神经网络预测控制器 ,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在锅炉过热汽温控制中 ,仿真表明该控制的有效性、准确性和鲁棒性。     

我国资本市场混沌特性研究

提出通过相空间重构及 Lyapunov指数来判定系统的混沌特性 .给出了时间序列相空间重构中确定最小嵌入维数的伪邻点法及确定时滞参数的自相关函数法 ;提出了一种计算 Lyapunov指数的实用方法 ;最后 ,以上证综合指数收益率时间序列为例进行了我国资本市场混沌特性判定研究 .     

基于混沌-神经网络模型最优控制及应用

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性．为此，为了实现非线性、大时滞系统的自适应控制，文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对系统作高精度的短期预测；在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数寻优得最优控制决策，实现了对非线性、大时滞系统高精度的自适应预测控制．将该控制决策应用在锅炉过热汽温控制中，仿真表明该控制的有效性、快速性和鲁棒性．     

多变量时间序列相空间重构的优化

基于单变量时间序列相空间重构中嵌入维数的计算常采用虚假邻点算法,但推广到多变量情形时存在多种不足,提出了一种多变量时间序列相空间重构时嵌入维数的一种改进算法。改进算法在避免使用虚假邻点算法中的判别距离和算法收敛阈值的同时,也解决了已有多变量重构算法中全局和局部较优相空间维数搜索范围的选取问题。耦合R ossler系统产生多变量时间序列的仿真计算验证了该算法的有效性。经与单变量时间序列对比试验分析,表明采用新算法重构的相空间具有较强的预测能力,由此计算得到的非线性不变量具有较高的计算精度。     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

改进非线性局部平均算法的混沌去噪研究

基于混沌序列重构相空间理论,提出一种改进的局部平均非线性去噪方法。该方法在邻域选择、数据更新等方面进行了改进,更好地校正相空间中点的位置,使其逼近真实的混沌吸引子轨迹,重构吸引子结构,而且计算更为简单可靠。分别对Henon映射产生的混沌序列和实际观测的月太阳黑子混沌序列进行仿真研究。结果证明此方法能够高效地去除噪声,同时保留原非线性系统的混沌特性,并且很好地区分相空间中的邻近轨迹。     

嵌入窗方法确定混沌系统重构参数的仿真研究

Takens嵌入定理为混沌时间序列相空间重构提供了理论依据,以LORENZ典型混沌系统为研究对象,通过仿真实验研究了两种嵌入窗方法(C-C法和自动嵌入式相空间重构算法)确定相空间重构参数的步骤和嵌入窗确定指标的选取依据,指出了嵌入窗方法的适用条件和局限性,在自动嵌入式相空间重构算法的基础上提出了AD法和BP神经网络相结合的嵌入窗相空间重构方法,并分析了积分步长对混沌系统重构参数的影响,仿真研究表明,嵌入窗宽度必须由嵌入维和时间延迟共同确定,基于平均轨道周期的改进C-C法利用低维混沌时间序典的伪周期特性,能够快速确定嵌入窗宽度,改善计算效果.     

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 .     

基于混沌神经网络模型的模糊预测控制及应用

由于混沌时间序列内部确定的规律性，其重构出混沌吸引子的相空间具有高精度短期预测性，为此，本文根据非线性，大时滞系统的时间序列及所得的Lyapunov指数规律，计算出系统的饱和嵌入维数和可预报尺度，并以此为指导，采用混沌神经网络重构混沌时间序列相空间，该混沌神经网络即便在网络输入不完整或发生变异的情况下，仍能对系统作高精度预测，在此基础上，又将预测模型与模糊控制相结合，提出了一种新型的模糊预测控制决策，实现了非线性，大时滞系统高精度的自适应控制，将该控制应用在单元机组负荷控制中，仿真表明该控制具有实时性，容错性和鲁棒性。     

单支股票市场的元胞自动机模型及其动力学研究

在基于投资分析的股票市场演化元胞自动机模型的基础上．建立了兖州煤业股票市场的单支股票元胞自动机演化模型，并以演化模型产生的股价指数序列为研究对象进行了动力学分析。通过考察股价指数序列在重构相空间中的轨迹，我们发现了股票市场中的混沌现象；通过相空间的分形维计算．说明了建立股票市场的动力学方程是有可能的；根据模拟模型和现实市场的对比分析，进一步证实了基于投资分析的股票市场演化元胞自动机模型，在模拟股票市场复杂性方面的可行性。     

深市停发新股对我国股市信息引导格局的影响

从信息流的角度,研究了深市停发新股前后我国证券市场信息引导格局的变化.实证结果表明,在深市停发新股之前,深市A股收益、收益波动单向引导着沪市的收益和收益波动;但在深市停发新股之后,深市A股的收益对沪市A股收益的引导关系变得不再显著,沪市A股收益和收益波动开始显著地引导着深市A股的收益波动.研究结论表明,2000年10月深市停止发行新股对沪深两市在中国证券市场中的相对地位有着决定性的影响,投资者弃深投沪的趋势已经开始显现.此外,研究还发现,随着中国股市的逐渐规范,交易量里开始含有未来收益与收益波动的有用信息.     

基于小波与混沌集成的中国股票市场预测

应用小波变换和混沌理论提出了一种中国股票市场建模及其预测的小波与混沌集成的方法．首先应用小波分解理论对上证综指和深证成指日收益率序列进行分解，分别得到低频部分和高频部分，并在此基础上作进一步分析，结果表明中国股市存在混沌特性；然后应用混沌理论分别建立低频部分和高频部分的预测模型，对低频部分和高频部分进行预测；最后应用小波理论对混沌模型预测的结果予以重构，实现对原始收益率序列的预测．与现有方法比较，结果表明该方法具有较高的精度，有极大的应用前景．     

Demonstration Study on the Intrinsic Characteristic of Stock Complex Index on Shanghai Security Market

This paper takes the Shanghai Security market stock composite index as the research object, analyzes its intrinsic fractal essence characteristics by the application of fractal theory and the method, and computes the Hurst index, fractal dimension and correlated function of the highest prices of the complex index. Moreover, it studies characteristics of long term memory of the sample data and its variance along with time; study existence of chaotic attractors in data of the complex index by reconstructing the phase space of the index data. Finally, this paper carries on the related forecast demonstration study to the stock composite index. Results of the study have certain reference function to the actual problem.     

宏观经济信息发布对股票市场收益率及其波动的影响

通过构建宏观信息发布中的未预期信息衡量指标,本文研究了宏观信息对股票市场收益率及其波动的影响.实证分析发现:股票市场指数月收益率具有"通胀对冲"功能,同时PPI、固定投资、货币供给(M2)也会显著影响指数收益率,贸易顺差则与收益率波动显著相关;进一步对股票市场指数日收益率分析发现沪深两市对宏观信息的短期反应并不相同.对上证综指,仅CPI、固定投资与进口同比显著影响指数收益率,而出口同时影响指数收益率及其波动;对于深证成指,市场只对出口信息会作出及时反应.此外,本文还发现危机后股市对宏观信息的反映也出现了显著变化,宏观信息变量中只有PMI和进出口变量显著影响市场收益率,而PPI则成为影响收益率波动的显著因素.     

Analyzing the Potential Influence of Shanghai Stock Market Based on Link Prediction Method

In this paper, we analyze the 180 stocks which have the potential influence on the Shanghai Stock Exchange(SSE). First, we use the stock closing prices from January 1, 2005 to June 19, 2015 to calculate logarithmic the correlation coefficient and then build the stock market model by threshold method. Secondly, according to different networks under different thresholds, we find out the potential influence stocks on the basis of local structural centrality. Finally, by comparing the accuracy of similarity index of the local information and path in the link prediction method, we demonstrate that there are best similarity index to predict the probability for nodes connection in the different stock networks.     

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.     

应用小波理论进行股市预测

应用小波理论提出一种股票市场建模及其预测的方法,以上证综指为例进行了实证研究,并从吸引子结构的观点进一步分析了预测精度提高的原因。采用此方法进行股市预测,首先要应用小波理论对股指收益率序列进行分解,得到低频和高频部分;然后在此基础上作进一步分析,以确定各部分存在混沌特性;再应用混沌理论分别建立低频和高频部分的预测模型,对低频和高频部分进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测。研究结果表明,该方法具有较高的精度,并具有极大的应用前景。     

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.