基于T-S模型的模糊神经网络在股市预测中的应用

采用基于 T-S模型的模糊神经网络 ,用改进的遗传算法来训练网络权值 ,隶属函数参数调整算法则采用动量法和学习率自适应调整相结合的策略 ,以上证指数和厦新电子 (个股 )为研究对象予以建模和预测 .结果表明 ,此种模型具有较好的泛化、学习、映射能力 ,对股票市场或类似的非线性经济系统的走势研判或其相应预测决策具有较好的应用价值.     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。     

多种市场形态下人工股市特征性事实分析

研究不同市场形态下股票市场的特征性事实对理解股市运行有指导意义.构建了一个具有基础均衡、泡沫均衡、周期和混沌4种市场形态的多主体股市模型,并对其各种形态进行了计算机仿真实验,然后对仿真收益率序列统计分析.研究表明:4种市场形态均存在尖峰肥尾、波动聚集和长期记忆特性,其中以基础均衡状态最为明显,周期和混沌次之,泡沫均衡最弱.     

基于隐马尔科夫模型的中国股票信息探测

应用隐马尔科夫模型对不可观测的股票信息状态建模, 并构建信息状态转移概率矩阵刻画信息状态在时间维度上的动态关联性. 基于5分钟分时高频数据, 利用贝叶斯推断与马尔科夫链蒙特卡洛模拟(MCMC)的方法估计了上证指数、上证50样本股2010年 8月的信息状态与信息强度. 通过实证验证了模型具有较好的信息识别能力, 且发现了中国股票市场信息效应具有聚集性的特点. 通过信息状态转移概率矩阵, 推测出:在我国股票市场, 一个信息经过100分钟能融入市场的概率是99%.     

基于微信文本挖掘的投资者情绪与股票市场表现

本文以基于微信文本挖掘的投资者情绪与上证指数收盘价、成交量为研究对象,研究了投资者情绪时间序列与收盘价、成交量时间序列之间的关系.研究结果验证了投资者三种情绪倾向对股票市场的影响方式和效果不同:基于微信文本挖掘的投资者消极情绪比例能够稳定预测上证指数收盘价,基于微信文本挖掘的投资者积极情绪倾向和中性情绪倾向比例的增减变动能够迅速引发滞后1天的上证指数成交量的增减变动.研究表明基于微信文本挖掘的投资者情绪对于预测股票市场表现有重要作用.     

我国宏观经济-房地产动态可计算一般均衡模型研究

基于动态可计算一般均衡(CGE)模型对政策进行外生模拟,可以对中长期内政策实施后的宏观经济效应进行预测,从而据此为政策的制定、实施提供科学参考.通过引入存量住宅部门定义,对我国存量住宅的相关数据进行估计,建立了我国宏观经济-房地产动态可计算一般均衡模型,为房地产市场相关政策的效应分析提供了一个具有较强通用性的研究工具.之后,以新建3600万套保障性安居工程计划为例,示范了如何将政策量化为模型的外生冲击,并模拟了该政策实施后的经济影响.相较于传统的动态CGE模型,该模型将存量住宅市场的供给与需求均衡考虑进了模型体系中,基于该模型框架,可以比较全面地考察相关政策措施对宏观经济及房地产市场的影响.     

基于模糊神经网络和R/S分析的股票市场多步预测

将输入空间划分为若干个相互重叠的模糊子空间 ,并在子空间内 ,利用线性模型对非线性系统进行局部建模 ,最后内插局部模型的输出 ,得到非线性系统的全局模糊建模 .基于 Sugeno模糊推理模型的模糊神经网络 (自适应网络模糊推理系统 ANFIS)正是上述模糊建模思想的神经网络实现的一种形式 .R/ S分析表明 ,上海股票市场的价格波动具有长期记忆性 ,因而可以预测 .基于此 ,利用 ANFIS对上证综合指数进行多步预测 ,得到比较好的预测结果.     

从众行为与投机性泡沫的关系研究

提出了一个从众行为与投机性泡沫的关系模型 ,并借助于计算机对从众行为与投机性泡沫的关系进行了动态模拟 .模拟结果表明 ,即使没有外因干扰 ,只要投机市场存在从众行为 ,市场价格就会出现无规则的波动 ,且市场上的从众行为程度越高投机性泡沫越大 .     

住房市场泡沫识别的超指数膨胀模型——以京沪各区县房价为例

近年来我国房价不断攀升,京沪房屋平均销售价格始终位居全国前两位,目前京沪房价仍处于上升通道,人们愈加关心京沪房地产市场是否存在泡沫.基于京沪各区县二手房交易价的周均价数据,本文构建了房价泡沫检测与识别的均值回复随机平稳终结模型,并估计了房价泡沫的膨胀强度和泡沫破灭的临界时距.利用它对京沪区县2007年12月至2015年10月的投机泡沫实证分析表明,该模型能够有效地检验京沪区县住房市场泡沫的存在性,识别29个区县泡沫膨胀强度和积累的稳定性大小,模型对于房价下跌有很好的预警效果.最后,本文利用该模型的实证结果指出,当前京沪各区县的房地产市场存在不同程度的投机泡沫.     

投资者情绪和资产定价异象

在以个人投资者为主体的中国股票市场中,投资者情绪对资产价格的影响非常重要.本文将投资者情绪和宏观经济变量加入到条件CAPM模型中,采用Avramov和Chordia(2006)的两步回归分析框架,检验了包含投资者情绪信息和宏观经济变量的条件资产定价模型对我国股票市场收益异象的解释力.实证结果表明,包含IPO首日收益率为投资者情绪信息的条件CAPM模型能够显著解释我国股市中的特质波动率之谜,规模效应和价值效应,经济不确定性指数作为额外的宏观经济变量加入条件CAPM模型能够解释我国股票市场的非流动性溢价,实证结果对于不同的度量指标都很稳健,进而证实了投资者情绪因素在资产定价过程中的重要作用.     

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.     

Profit Guided or Statistical Error Guided? A Study of Stock Index Forecasting Using Support Vector Regression

Stock index forecasting has been one of the most widely investigated topics in the field of financial forecasting. Related studies typically advocate for tuning the parameters of forecasting models by minimizing learning errors measured using statistical metrics such as the mean squared error or mean absolute percentage error. The authors argue that statistical metrics used to guide parameter tuning of forecasting models may not be meaningful, given the fact that the ultimate goal of forecasting is to facilitate investment decisions with expected profits in the future. The authors therefore introduce the Sharpe ratio into the process of model building and take it as the profit metric to guide parameter tuning rather than using the commonly adopted statistical metrics. The authors consider three widely used trading strategies, which include a na¨?ve strategy, a filter strategy and a dual moving average strategy, as investment scenarios. To verify the effectiveness of the proposed profit guided approach, the authors carry out simulation experiments using three global mainstream stock market indices. The results show that profit guided forecasting models are competitive, and in many cases produce significantly better performances than statistical error guided models. This implies thatprofit guided stock index forecasting is a worthwhile alternative over traditional stock index forecasting practices.     

泡沫随机临界时点超指数膨胀模型:中国股市泡沫的检测与识别

传统的泡沫模型都是假设泡沫是指数膨胀的, 无法显著地将泡沫和同样是指数增长的基本面引起的高速价格增长区分开来, 使得泡沫检验的有效性遭到置疑. 泡沫超指数膨胀模型可以克服这一缺陷, 它认为泡沫是一种本质上快于指数增长的更快膨胀, 具有一个理论上的有限时间终结点. 引入了最新的一类超指数膨胀模型——均值回复平稳随机临界时点模型. 它将泡沫的检验和识别转化为1)检测"非线性非平稳的股价序列是否潜含均值回复的平稳临界时点序列"; 2)估计正反馈效应指数和潜在临界时点. 利用它对中国股市2005年中期至2007年后期的投机泡沫实证分析表明, 该模型能够有效的检验中国股市泡沫的存在性, 并能识别29个行业板块间泡沫的膨胀强度和稳定性大小. 同时, 模型对于中国股市的泡沫破灭也有良好的预警效果. 最后分析了模型的政策含义.     

基于面板Logit模型的银行客户贷款违约风险预警研究

采用我国主要银行业金融机构的客户大额授信月度微观面板数据,对银行客户贷款违约风险进行预警.从客户外部因素、客户经营水平、客户交易水平三个维度,建立了包含56个因素的客户贷款违约预警三级指标体系.基于这些指标,构建了银行客户贷款违约风险预警的面板Logit模型;并提出了基于模拟退火算法的面板Logit模型变量选取方法,最终选出24个预警指标.根据这些指标进行银行客户贷款违约预警,达到了较高的预警精度.最后,对我国银行客户风险管理提出了相应的政策建议.     

基于长记忆性特征的欧式期权模糊定价研究

为了将金融市场的长记忆性特征纳入到不确定环境下欧式期权定价研究中,用分数布朗运动去刻画标的资产价格的变化过程.在分数Black-Scholes模型的基础上,考虑到金融市场的不确定性包括随机性和模糊性,运用随机分析、分形理论和模糊集理论构建了不确定环境下金融市场长记忆性特征的欧式期权定价模型.其次,分析了金融市场长记忆性的度量指标Hurst指数H对欧式期权定价的影响.最后,通过数值实验论证了该定价模型的合理性和可行性.研究结果表明:在不确定环境下充分考虑长记忆性特征得到的欧式期权定价模型更符合金融市场.     

基于风险应对的股票市场恢复力度量与优化

把握股票市场在风险条件下的整体状态变化特征是保障其平稳运行和健康发展的关键.本文运用复杂系统分析方法,研究股票市场风险应对问题.基于股票价格联动关系,建立股票网络,表征股票市场的微观结构关系.结合不同类型和级别风险的发生概率,构建股票网络恢复力度量模型,表征股票网络的宏观状态变化.以上海证券交易所股票市场为例,依据风险事件发生规律和股票价格变化机制,实例仿真剖析事前、事中和事后风险应对策略对股票网络恢复力的影响.结果显示,单个应对策略对不同类型风险的有效性各异.研究有助于把握股票市场运行规律,可为市场风险应对策略构建提供决策支撑.     

基于集成智能方法的电力短期负荷预测

将自组织(SOM)和反向传播(BP)两种神经网络结合起来, 并使用模糊理论, 建立了一种基于集成智能方法的日负荷预测智能模型, 该模型首先利用SOM网络的竞争学习能力将历史数据分成若干类别从而找出与预测日同类型的预测类别. 然后, 把温度、日类型等不确定性扰动因素分离出去, 利用BP算法的非线性函数逼近功能, 完成电力负荷的基本分量部分的预测工作. 在处理温度、天气情况、日类型等不确定因素对负荷的影响时, 采用模糊逻辑理论对负荷基本分量进行修正. 提出了一种基于进化树的自组织神经网络算法(SOETA), 该算法是一种无监督基于二叉树的自组织特征映射网络模型, 采用进化思想进行无监督学习, 具有灵活的拓扑结构和精确的模式识别. 本文以2007年厦门市的电力负荷数据为例, 试验结果表明, SOETA+BP+模糊理论的预测精度最优, 有效提高了电力短期负荷预测精度.     

基于盈利质量的DANP变权财务预警模型

高质量的盈利是企业健康持续发展的基石,财务危机是财务质量的综合表现.以和谐理论为基础,从盈利质量及其各维度的均衡性两方面分析财务危机发生的机理,并依此建立基于盈利质量金字塔的财务危机指标评价体系.考虑到评价指标间存在一定程度的相互影响的现实因素,同时为避免常权综合评价模型的属性值转移,建立决策实验室法的网络层级分析法(DANP)双层惩罚变权时间序列财务预警模型以判断企业财务状况.通过上市公司数据实证,构建财务预警综合评价值的临界区间为[0.6494,0.6547],其值越小财务危机发生的可能性越大,且预测准确率达到91.53%.在理论上对财务危机发生的机理研究具有增量贡献,在实践中对企业自身财务状况的监督具有现实指导意义.