空间交互视角下投资者情绪对股价的影响

从地理距离和利用消耗系数衡量的经济距离两个方面构建空间权重矩阵反映空间交互作用,从股票空间交互视角应用空间计量模型研究投资者情绪对股票价格的影响效应.研究发现,金融市场股票间存在显著空间交互作用,且空间交互作用对经济距离的敏感程度高于地理距离.在解释投资者情绪对股票价格的影响效应方面空间截面回归模型优于传统截面回归模型.研究结论提醒投资者在对资产进行定价和制定交易决策的过程中,必须充分认识潜在的空间交互作用.     

论价格—价值二级波动

通过对虚拟经济中价格与价值关系的分析，得出股票市场中的价格-价值二级波动模型。具体而言，股票价格是企业价值的二层嵌套函数，即实体经济资产价格围绕企业价值在小范围内波动，股票价格围绕实体经济资产价格在大范围内波动。该文还引用巢东股份股权转让的案例。对案例中的企业价值、资产价格和股票价格进行了分析，其结果支持了本文的观点。     

GARCH-neural网络模型对股票价格买卖差波动率的预测

股票价格买卖差是衡量金融市场流动性和有效性的重要指标,已经得到学术界的广泛研究.相比而言,作为衡量股票市场风险的重要因素的股票价格买卖价差的波动率却没有得到相同的重视.在广义自回归条件异方差(generalized autoregressive conditional heteroscedasticity,GARCH)模型的基础上,提出了GARCH-neural network (GARCH-NN)混合模型分析股票价格买卖价差波动率的动态性.以深圳证券交易所成分股价指数的高频数据为样本对所提模型进行了实证分析.运用GARCH家族模型对股票价格买卖差波动率的动态性进行分析,得出预测效果最优的GARCH模型.在最优GARCH模型的基础上结合神经网络分析方法即GARCH-NN混合模型对样本数据进行了实证分析.比较分析最优GARCH模型和GARCH-NN混合模型对股票价格买卖差波动率的预测效果,并以AIC(Akaike information criterion)和BIC(Bayesian information criterion)作为检验模型预测效果的指标.实证结果表明,提出的GARCH-NN混合模型更优.     

自贡市房价走势分析——基于马尔可夫转换波动和改进的小波神经网络

本文应用马尔可夫转换波动和改进的小波神经网络理论及软件,对自贡市房地产价格走势问题进行分析,建立房地产价格波动模型。得到影响房地产价格的实际利率变动率、人口增长指数、建安成本指数和人均支配收入四大主要因素,对自贡市房地产价格走势进行预测。具有较强的实践性。     

房地产价格与消费的关系研究——基于财富效应的再检验

以房地产财富效应为分析依据,通过构建模型,以我国1991-2007年的年度数据和31省（市、区）2000-2007年面板数据对我国房地产价格波动与消费关系进行了实证检验。结果表明,中国房地产价格对消费支出呈负向抑制影响,而财富效应尚未显现。最后提出了相关的政策建议。     

一种新型偏差分析模型及其应用

为解决基于结构分解技术的投入产出偏差分析模型存在的交互项不一致问题,利用结构分解技术能够有效分析非线性关系的特性,提出交互项完全分解法,构建新型偏差分析模型.基于中国投入产出表1997,1999,2000,2002,2007年度数据,应用所建模型对中国经济增长进行分析,得出了产业结构、最终产品内部结构、最终产品对中国经济三个产业的直接影响效应和交互影响效应,结论符合1997～2007年中国经济状况,对中国经济后续趋势预测及政策制定具有现实意义.     

我国房地产价格与GDP关系实证分析

近几年来,我国房地产价格的迅猛增长引起了各方的重视。然而,国内有关房地产价格影响因素的研究还仅停留在定性分析上,缺乏定量分析与实证研究。基于我国1987-2004年度时间序列数据,应用协整分析、误差修正模型技术以及Granger因果分析对我国房地产价格与GDP之间的关系进行了实证分析。实证结果表明:我国的房地产价格与GDP之间存在长期稳定的动态均衡关系;无论长期还是短期,我国的GDP波动都是房地产价格波动的Granger原因,GDP的走势对于房地产价格的涨跌起着决定性的影响,GDP的波动有助于预测房地产价格的走势;短期内经济的过热容易引起房地产价格的过快增长。     

基于小波分析理论的证券投资市场预测

提出了一种基于小波分析理论对证券投资市场建模及其预测的方法·该方法分两步完成:第一步通过小波分解进行数据滤波,将证券价格变化曲线中的高频信息过滤,从而实现消除噪声,提高预测精度的目的;第二步应用最小二乘方法建立数学模型,并用模型进行中、长期证券价格预测·实际股票价格仿真结果表明:此方法简洁、预测效果良好,优于一般最小二乘方法     

宏观经济变化对房地产价格的动态影响研究——基于脉冲响应函数的方法

房地产业的迅速繁荣能拉动宏观经济迅速增长,但过度注重其拉动作用的经济增长模式会带来房地产价格的不合理上升.本文通过建立VAR模型,通过脉冲响应函数与方差分解的方法,研究了GDP与居民可支配收入变化冲击对房地产价格的动态影响.实证结论表明:GDP变化所带来的冲击会给房地产价格带来一个长期的正向影响,短期内房地产价格被迅速拉升,但之后影响迅速减弱并长期维持在较低水平;居民可支配收入的增长会给房地产价格带来长期拉动作用,其影响持续上升;以投资拉动带来的GDP增加在短期内迅速拉升了地方房价;可支配收入增加是在长期推动房价上升的主要因素.     

科学分析投资者情绪对房地产行业股票价格偏离度的影响

由于我国股市运行机制不够完善,房地产行业近几年的股票价格大幅波动,已经出现了价格"泡沫"现象。主要验证情绪因子(市场情绪因子与个股情绪因子)影响房地产行业股票价格的偏离度,从而导致房产行业出现价格"泡沫"现象。首先,引用Baker和Wurgler采用的主成分分析法分别构造市场投资者综合情绪指标和个股投资者综合情绪指标;其次,采用剩余收益模型计算出房地产行业40家上市公司股票的内在价值;然后,通过实证得出情绪因子影响的股票价格偏离度;最后,根据结论给出建议。     

基于GM(1,1)理论的昆明市房地产价格预测

房地产价格是房地产市场最重要和最直接的反映,而房地产价格受诸多因素的影响,使得房价与影响其变化的经济变量之间的定量关系无法用精确的数学表达式来描述.以昆明市作为研究对象,建立GM(1,1)模型,采用理论与实证相结合的方法进行研究,以历史价格数据预测未来价格,并检查其精度,为昆明市房地产投资决策管理提供一定的科学性借鉴.     

中国股票价格报酬与经济增长之间的相关性

本文以2000年1月至2010年3月的中国股价与经济增长率的数据利用计量经济中的协整检验和格兰杰因果关系检验讨论这段时间内中国股票价格报酬和经济增长之间的相关性。实证结果得知：在这段时间内中国股价与经济增长之间存在着单向因果关系,股票价格报酬对经济增长有影响,但经济增长对股市的影响比较微弱。但长期而言二者之间存在着长期的均衡关系。股票价格报酬对经济的影响在宏观决策中应予以重视。     

关联于资产价格波动的货币政策非对称性检验——基于修正NK-SVAR模型的实证分析

资产价格波动通过多种途径影响宏观总产出,进而间接反映在货币调控的效应测度上.基于此,本文针对新凯恩斯模型进行了修正,在货币政策非对称效应的SVAR模型检验中导入了资产价格变化和汇率波动的影响.实证结果表明,紧缩货币政策较扩张性政策具有更强的产出冲击,但其效应显著关联于资产价格变化,这就要求资产价格变化必须纳入到未来相机抉择的货币政策体系中.     

基于系统性风险角度的基金资产配置策略分析

为从系统性风险角度分析基金资产配置策略,首先利用ARMA模型预测股票价格,并构建线性规划模型确立最优的股票投资组合策略。其次综合考虑每家公司配置资产时的收益和风险,构建马科维茨投资组合模型和投资效用-VaR平衡模型,给出最优投资组合策略下的投资效用以及风险价值。最后建立了基于聚类分析的相似性度量模型分析其公司间资产配置的相似性。     

最小叉熵方法推导期权定价二叉树模型

借助最小叉熵方法建立了新模型,即把标的资产（股票）价格看成一个信息系统,根据以往股票价格的历史信息给出股票价格的一个概率密度作为先验概率密度,然后在当前股票价格变化的随机变量的矩约束下,用最小叉熵方法来预测n△t时闻点末的股票价格分布最靠近先验概率的概率密度,从而得到参数P、u、d．新模型直接可用现有非线性规划算法进行求解或者转化为其对偶形式用无约束优化来求解,计算方便,经济、物理含义明确,有效克服了二又树及其演化方法的不足,且不受股票价格变化运动形式限制,是一个统一的模型．与B-S、CRR、JR、TGR、Wil1、Wil2方法数值比较结果表明,多数情况下新方法收敛速度快,计算稳定．     

基于统计回归法的贸易自由化下经济增长效应评估

对贸易自由化下经济增长效应进行评估，能够为我国经济发展提供参考.但传统的经济增长效应评估方法存在经济增长效应评估结果较差，不能获得准确经济变化情况问题.为此，设计一种基于统计回归法的贸易自由化下经济增长效应评估方法.首先，对贸易自由化下投入产出结构分析，构建空间统计模型和空间误差模型；然后，通过空间统计模型与空间误差模型获得各组织或区域间的联系，利用空间自回归模型分析城市GDP与存款之间的关系；最后，采用统计回归法与空间加权矩阵对经济增长效应进行评估，实现基于统计回归法的贸易自由化下经济增长效应评估.实例分析结果表明，文章方法能够准确评估出经济变化情况，满足了方法设计需求.对提高贸易自由化下经济增长效应评估效果具有显著作用.     

基于BP-Boosting算法的商品住宅价格预测模型

针对商品住宅价格预测问题,分析整理了与房价相关的经济因素,首次提出将BP-Boosting回归算法运用到商品住宅价格的预测中.以郑州市房地产相关数据为实例,进行学习预测.模型结果表明,该方法简单有效,较为准确地预测出下一个季度的房价,与BP神经网络及灰色-马尔柯夫模型相比具有较为理想的预测精度.     

基于灰色理论与ARIMA模型的股票价格预测

利用组合模型对茅台股票价格进行预测。首先通过ADF检验观察价格时间序列是否平稳。其次,选择ARIMA、GM(1,1)、GM-ARIMA回归模型分别对股票价格序列进行拟合。最后,基于误差标准选择GM-ARIMA回归模型对茅台股价进行预测。结果表明,GM-ARIMA回归模型更能准确地预测茅台股票的股价。     

基于空间面板数据模型的区域经济增长研究

为分析我国省际及各时段经济增长的影响因素,在空间面板数据模型基础上加入时间和空间固定效应,建立无固定效应模型、空间（地区）固定效应模型、时间固定效应模型和时空（时间空间）混合固定效应模型等4个不同的模型,来拟合分析2001～2010年中国31个省市的经济数据.发现,时空混合效应面板数据模型的拟合度最高,中国各地区的经济增长的时空间依赖关系是显著的,全国各地区的经济增长不仅具有地区差异性,还呈现出阶段性特征.     

基于灰色GM (1, 1)模型的商品房销售价格预测

针对如何预测商品房平均销售价格问题,基于2006～2016年广州市商品房平均销售价格的数据,通过引入二阶弱化缓冲算子减少冲击波干扰对研究对象的影响,进而建立灰色GM(1,1)模型并对模型进行了相关检验,结果表明,灰色模型的精度等级均为一级,预测效果很好,能够真实的反应广州市商品房价格的动态变化趋势,对政府管理部门、房地产企业制定决策以及房地产市场行情预测提供了科学的依据.根据所得模型对广州市未来五年商品房销售价格进行了预测.