基于连续渗流的股票价格波动模型及实证分析

本文以连续渗流理论为基础,讨论了交易信息在投资者之间传播对于股票价格波动产生的实际影响.通过对资本市场投资者的投资行为进行心理分析,进而在已有模型基础上进行改进,得到更为实际的投资者行为模式,使之更符合市场实际情况,同时文章对模型的参数做了简要地分析.     

价值投资策略在中国证劵市场的适用性分析

价值投资理论也称稳固基础投资理论,该理论认为：股票价格围绕＂内在价值＂的稳固基点上下波动,而内在价值可用一定的方法测定。价值投资是国外成熟股票市场上的一种重要的投资理念和方法,实践中,我国证券研究分析人员和投资者也经常使用诸如市净率与市盈率等价值指标。价值投资策略适合中国的证劵市场吗？本文将从研究市场有效性出发,选择测量股票内在价值的标准和方法,研究股票价格是否围绕价值波动,从而证明在中国证劵市场采取价值投资策略是否有效。     

我国化工行业股票价格影响因素实证研究

化工行业股票是股市的重要组成部分。从投资者投资分析常用的财务数据摘要着手,随机选取30只化工行业股票进行研究,用计量经济学回归分析的方法研究影响化工行业股票价格的因素。实证研究结果表明,每股收益（调整后）是影响化工行业股票价格的主要因素。     

股票投资利润的一种分析模型

分析股票价格的运动趋势,预测投资利润的高低程度,是参与股票投资的投资者首先必须考虑的问题,本文以Ｅｌｌｉｏｔｔ的“波动原理”为基础;将Ｍａｒｋｏｖ过程理论和矩阵的有关理论,应用于深圳证券交易所上市股票“深南光”在１９９８年的股价变动数据资料上,给出了一种分析股价运行周期和预测股票投资利润的方法,得到了与实际情况相符合的若干结论;具有较高的实际应用价值。     

基于均值回归理论和数量分析方法的研究

均值回归(Mean reversion)是指股票价格无论高于或低于价值中枢(或均值)都会以很高的概率向价值中枢回归的趋势。众所周知,随机漫步理论在证券投资理论中占有重要地位,但这绝不是证券投资理论研究的最终目的。对于一些投资者尤其是对一些证券投资机构和投资基金来说,随机漫步理论的指导作用极其有限。近些年来,股票价格可预测理论得到了很大发展,均值回归理论就是其中之一,这一理论在发达国家引起了很多学者的重视,它是证券投资理论的一个新的里程碑和历史性的跨跃,亦是股票收益可预测理论的一个突破性进展。也同时是对传统随机漫步理论(The Theory of Random Walk)的一个最大的挑战。     

基于混合行为蚁群算法的股票市场投资者行为模拟

将混合行为蚁群算法应用到股票市场投资者行为研究中去,建立了基于混合行为蚁群算法的股票市场投资行为演化模型,研究投资者的五种行为及组合对股票价格及市场稳定性的影响.并利用Matlab进行了模拟.研究表明，不同投资行为与股票价格及市场稳性之间存在复杂的关系.     

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.     

基于在线核极限学习机的股票价格预测模型

为了对股票价格进行准确、快速的在线预测,提出一种在线核极限学习机算法(OL-KELM)的股票价格预测模型.首先收集股票价格数据,采用相空间重构理论建立学习样本,然后将学习样本输入在线核极限学习机中进行学习,建立股票价格预测模型,最后对国药股份(600511)股票收盘价进行仿真实验.结果表明,相对于其他股票价格预测模型,OL-KELM提高了股票价格预测的准确性,可以准确地刻画股票价格的变化趋势.     

跳扩散环境下红利支付对不确定厌恶投资者最优投资组合选择的影响

面对例外事件的冲击,金融市场的股票价格会发生跳跃,当股票价格发生跳跃且支付红利时,不确定厌恶投资者的预期效用的刻画将会采用不同于传统的方法.利用跳扩散型随机微分方程理论和动态规划方法,建立了不确定厌恶投资者的最优投资策略所满足的Hamilton-JacobiBellman(HJB)方程.进一步,利用市场分解的技术求解HJB方程,从而推导出最优消费与投资策略.最后,利用数值分析定量地讨论了投资者风险厌恶因素对最优决策的影响.     

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.     

基于情感分析和GAN的股票价格预测方法

股票价格具有非平稳性和波动性特点,且投资者容易受自身情感影响,投资决策行为具有非理性特征,因此股票价格难以预测.针对预测股票价格的卷积神经网络情感分析方法存在文本标记分布不平衡问题,本文提出一种基于情感分析和生成对抗网络的股票价格预测方法.首先,建立金融领域情感词典库;然后,使用基于词典的情感分析方法计算金融文本数据的情感极性和投资者每天的总体情感指数;最后,利用生成对抗网络对股市波动进行预测,其中生成器生成股票序列数据,而判别器采用卷积神经网络对生成数据和真实数据进行区分.该方法能动态地更新股票价格预测结果且误差较小.     

情绪传染、个股波动与股价同步性——来自基金重仓股的经验证据

基于基金重仓股背后的委托代理投资关系,采用开放式基金流量数据建立情绪传染指标,分别从个股层面和市场层面,考察基金投资过程中的情绪传染对重仓股个股波动和股价同步性产生的影响.研究发现,情绪传染对重仓股个股波动存在显著影响,无论乐观还是悲观情绪传染,均对重仓股波动具有推动促进作用;进一步研究发现,基金投资中的情绪传染同样会使重仓股的股价同步性显著增强.从基金投资中不同主体间存在情绪传染的崭新视角解释市场异象,有助于补充行为资产定价理论研究,所得结论可为投资者、基金公司及市场监管部门提供一定参考.     

自适应元胞遗传算法与股票价格行为分析

与以往侧重于刻画从众模仿行为的元胞自动机价格模型不同,论文基于Moore型邻居投资者分布结构,以预测精度为切入点,将遗传算法引入到元胞自动机股票价格模型中,投资者与“邻居”沟通和分享信息,并由遗传算子来优化其对股价进行预测的各要素权重;研究了两种预测模式下的权重演化行为。以及权重交叉概率对股价行为（收敛性、波动性等）的影响;模拟了预期驱动下,股价与市场情绪的关系．研究认为：元胞遗传算法的引入,较好地驱动着股票价格回归基本价值,减轻了股票市场的波动性．     

考虑红利支付和随机波动的确定缴费型养老金最优投资策略

为研究红利支付和随机波动情形下确定缴费型养老金的最优投资问题,假设:(1)金融市场有2种资产,即无风险资产(银行存款)和风险资产(股票),且养老金计划的基金投资在这2种资产上;(2)风险资产的方差服从Heston模型,且考虑了风险资产(股票)所得的红利收入。通过随机控制原理,在指数效用函数情形下获得DC型养老金最优投资的显式解,从而得出其最优投资策略为:红利率越大,相同的养老金财富水平在股票上的投资比例越大;在一定范围内,通胀波动率的增加使得投资者追加对股票的投资,但当通胀波动率较大时,投资者反而减少对股票的投资。     

百度关注度指数与股票价格关系研究

针对投资者有限关注与股票市场的联动作用进行了分析,回顾了关于传统金融学理论和现代金融学理论的国内外文献,并且比较了两者的区别.介绍了有限关注以及目前的几种理论模型,根据模型得出个体注意力是有限的,投资者风险认知不足会直接影响关注行为.基于传统的投资者关注度代理指标包括换手率、交易量等,利用互联网提供的代理变量可以更直接地反映投资者的关注行为,因此研究选取百度指数作为投资者关注行为的代理变量,当投资者在搜索该股票的信息时,无疑表示投资者对这支股票产生了关注.百度指数提供的关键词被检索的次数,更加直接地反映了投资者对某只股票的关注度,百度指数提供的数据也会驱动投资者的交易行为,从而引起股票价格的波动.通过建立VAR模型、格兰杰因果检验和脉冲响应函数分析对投资者关注行为和股票收盘价之间的关系进行实证分析,结果显示,投资者的关注行为与股票收盘价之间存在一定的影响.     

基于多元回归与技术分析的组合股票价格预测

在股票交易过程中,股票价格走势是很多中国股民关心的热点问题.选取股市中4个重要技术指标,相对强弱指标(RSI)、顺势指标(CCI)、移动平均线(MACD)和5日均线建立了非线性回归预测模型,对我国农业银行和滨江股份股票的价格走势进行了短线预测.结果表明,建立的回归模型可以预测某些股票短期价格趋势,具有一定理论和实际应用价值.     

中国证券投资者买卖决策的实证研究

利用某营业部近万个帐户3年的交易数据,对哪些因素影响以及如何影响中国证券投资者的卖出与买入选择进行研究.结果表明:1)近期个股价格的变化、历史波动、大盘历史走势与波动均对买卖决策有不同程度的影响,影响方式与Grinblatt和Keloharju的研究结果有所差异;2)在新增变量中,个股历史换手率变化、重大政策和事件、历史价格和成交量的变化趋势及形态、市场普遍大涨(大跌)等均对买卖选择产生显著影响,但对大小投资者的影响方式和方向是不一样的;3)在上市公司的13种重大公告的当日或后一交易日,投资者的买卖倾向没有显著变化,而在对待大盘的走势上,小投资者更多采取惯性交易策略,而大投资者则采取反向交易.     

服从随机游走假设的特质波动风险与横截面收益的相关性检验

股票市场的卖空限制、市场信息透明度的缺乏等使得投资者无法进行多样化投资,特质波动风险成为投资者面临的主要风险.本文首先针对存在争议的特质波动风险度量指标进行有效性检验,并确定EGARCH模型度量指标才满足随机游走假设.以我国沪深两市2003-2014年股票为样本,进行特质波动风险与横截面收益的截面回归分析,得出特质波动风险与横截面收益呈显著正相关,显著的动量效应是主要原因.同时得出"特质波动之谜"的结论主要是由于特质波动风险度量方法不当造成的伪现象,也不能简单依据已实现的特质波动率与横截面收益相关性直接推导期望特质波动率与横截面收益的关系.最后采用二维投资组合分析方法对所得结论做了进一步验证,得出我国股票市场未出现"特质波动之谜".     

用ARCH模型研究中国股市的波动特征

中国股市的波动特征是学者们和投资者关注的一个重要领域,与国外成熟的证券市场相比,中国股票市场作为新兴市场,具有其特有的性质,如更高的不可预测性和复杂性,股票价格更大的波动幅度和频率.研究中国股市的波动特征就具有重要的理论价值和现实价值.投资者在选股过程中需要理解中国股市随时间变化的波动情形,而ARCH模型族正是研究股市波动随时间变化的工具.以上证综合指数为对象,采用GARCH类模型对中国股市波动情况进行实证研究,为股市收益的尖峰厚尾特点、波动的集簇性、时变性提供了实证证据,并对实证结果作了一些初步的探讨.