“晴雨表”为什么失灵了——一场虚惊过后的思考

股票市场行情的变化十分复杂,影响股市行情的因素很多。因此,不能简单地把股票市场的变动看作衡量资本主义经济的标志。     

股市舆情潜藏情感倾向对收益率的预测研究

以网络股评舆情数据作为非结构型文本数据研究对象,结合股票市场的相关交易指标,使用文本挖掘技术和机器学习算法确定投资者情绪测度指标,分析舆情数据中潜藏情感倾向对未来短期内股票收益率的预测能力.实证结果表明,舆情文本中挖掘潜藏情感信息能够以较高的准确率实现对股市收益率的预测.分析讨论了对预测结果有一定影响的特征字段与训练样本两个因素,发现在特征字段数量不变的情况下,随着训练数据的增多,预测结果的解释能力会有所提高;而当训练数据维持在一定范围内时,特征词数量的选取对预测结果也有很大的影响.     

沪港通对A股市场的影响—基于ARIMA模型的预测分析

股票市场是实体经济的睛雨表,沪港通的实行对中国股票市场的影响较大,本文利用ARIMA模型对沪港通正式开通前后一段时间的上证综指进行模拟预测,通过建立模型、参数估计、残差检验及追溯模拟分析了沪港通对我国股票市场的影响。预测结果显示,在沪港通正式实行后的一段时间内,上证综指的实际值与预测值的差值大部分为正数,该结果表明：由于投资者信心的提升以及股票市场的资金注入量的加大,沪港通的实行对我国股票市场产生了一定的正向影响。     

沪港通对A股市场的影响——基于ARIMA模型的预测分析

股票市场是实体经济的睛雨表,沪港通的实行对中国股票市场的影响较大.利用ARIMA模型对沪港通正式开通前后一段时间的上证综指进行模拟预测,通过建立模型、参数估计、残差检验及追溯模拟分析了沪港通对我国股票市场的影响.预测结果显示,在沪港通正式实行后的一段时间内,上证综指的实际值与预测值的差值大部分为正数,该结果表明:由于投资者信心的提升以及股票市场的资金注入量的加大,沪港通的实行对我国股票市场产生了一定的正向影响.     

基于R语言的网络舆情对股市影响研究

以开源R语言为平台,东方财富网的股评为研究对象,结合中文文本挖掘技术和SVR支持向量回归模型.利用中文挖掘技术,对股评进行去噪声、分词、同义词合并、去停用词、TFIDF、文本向量化将非结构化文本数据转化为结构化的特征向量矩阵,与股票的收益率建立SVR回归模型,通过预测未来的股票收益率来预测股价的涨跌趋势.研究结果表明,预测股价涨跌趋势与实际趋势基本吻合,可以通过分析网络舆情来对股市未来发展趋势进行预测.     

谨防“九七”股市风险

去年初,在对我国股市的一片看空声中,笔者在《长沙大学学报》九六年第一期提出了我国股市即将大势反转的论断,并分析了深圳股市将强于上海股市的理由,所幸言中。今年在香港回归和党的十五大召开两件大事鼓舞下,股评界对我国股市几乎一致唱多,新入市股民源源不断,笔者在此不得不提醒投资者谨防“九七”股市风险。笔者持这一观点的理由是:今年两大利好题材在去年已提前炒作,且已炒到了疯狂地步,以至《人民日报》不得不于去年12月16日发表评论员文章“正确认识当前股票市场”,才使过热的股市降温。     

时序法在股市行情技术分析中的应用

采用时序法进行股市行情技术分析。介绍了时序法的基本原理。以“辽源得亨”股票为例，在建模的基础上进行了股票曲线的模拟及预测。结果表明，时序法能比较客观地反映股市行情的真实情况，能正确地判断出这随机过程的正常或异常状态，能预测股市随机过程的变化趋势     

基于特定领域的网页文本提取与实现

提出了针对小范围的网页文本提取的一种方法.结合对东方财富网的股评网页的HTML文件进行网页文本分析,设计出基于特定领域的网页结构特征的网页文本提取算法.该算法的设计与普通的广义网页提取算法的设计相比,设计简单,针对性较强,提取效率较高,且对股票市场的网页信息的识别与处理起到基础性的作用.     

基于局域波与混沌集成的中国股票市场预测

基于局域波分解和混沌理论提出了一种中国股票市场建模及其预测的局域波与混沌集成的方法。首先应用局域波分析方法对上证综指日收益率序列进行分解,分别得到低频部分和高频部分。接着利用二阶Renyi熵K2分析各部分的混沌特性,然后用相空间的多点相似预测方法对低频部分和高频部分进行预测。最后用局域波分解理论对各部分预测结果予以重构,完成对原始日收益率序列的预测。局域波分解方法是现有处理非平稳序列最有效的方法之一,相空间的多点相似预测方法适应于我国股票市场存在的混沌现象,较现有方法,结果具有更高的精确度。     

运用时间序列对上证综合指数进行预测分析

运用SAS软件系统中的一些时间序列建模方法及回归分析方法对我国上海证券交易所的上证综合指数作了预测分析 ,得到了较高的预测精度 ,为预测股票市场的整体走势提供了一种方便实用的方法 .     

运用时间序列对上证综合指数进行预测分析

运用SAS软件系统中的一些时间序列建模方法及回归分析方法对我国上海证券交易所的上证综合指数作了预测分析，得到了较高的预测精度，为预测股票市场的整体走势提供了一种方便实用的方法。     

预测股市分析股价的随机过程模型的建构

运用随机过程理论预测股市行情及分析股价,并建立其随机过程模型.     

预测股市分析股价的随机过程模型的建构

运用随机过程理论预测股市行情及分析股价，并建立其随机过程模型。     

用BP神经网络预测股票市场涨跌

利用BP网络较好的分类能力,结合国内股票市场的特性,对于沪市综合指数涨跌的预测进行了初步探讨。大量数值实验结果表明,人工神经网络应用于中国股票市场的预测是可行和有效的,有着良好的前景。     

基于分形插值与机器学习模型的股指分析和预测

股票市场预测一直是金融市场分析中的热点和难点,一些传统的预测模型很难对股票市场做出有效的预测;针对这一问题,将分形插值方法与机器学习算法相结合,提出了分形插值与SVM以及分形插值与BP神经网络两种混合模型;所提的混合模型利用机器学习算法首先计算出分形插值所需要的插值点,然后建立分形插值外推模型对所需其他值进行预测;实证结果发现两个混合模型的预测效果均比单独使用分形插值模型预测效果更佳,预测精度更高;因此分形插值方法与机器学习算法相结合所得到的混合模型,能较好地预测诸如股票市场指数等非平稳金融时间序列。     

中小股民入市要诀

股票作为一种更具风险、更具良好收益的投资工具,已有了相当广泛的群众基础,股票投资已悄然进入百姓家,投资的目的是为求得回报,但回报率的高低却因人而异,皆有赖于个人的投资技巧。(一)注意看股市评论对于中小投资者而言,股市消息来源不多。因此报纸、杂志、广播等各种媒体上的股评,就成为散户股民重要的信息来源。股评左右股民的操作方向。股民在看股评时应先看股评的背景——即看股评载体的     

股票常用术语

牛市 股票市场上买入者多于卖出者,股市行情看涨称为牛市。形成牛市的因素很多,主要包括以下几个方面:①经济因素:股份企业盈利增多、经济处于繁荣期、利率下降、新兴产业发展、温和的通货膨胀等都可能推动股市借个上涨。②政治因素:政府政策、法令颁行、或发生了突变的政治事     

税收政策对我国股票市场影响的模型分析 ———以股票印花税为例

从研究国内外股票市场的税制如何影响股票市场效率的不同观点入手,论述了股票市场税收制度安排影响股票市场的交易过程、大盘指数和成交量的过程;并结合我国实际,阐述了中国股票市场上的税收制度安排对股票市场的影响,提出建立健全我国股票市场税收制度的对策建议.     

股改对中国股市的影响——基于市盈率模型实证分析

针对我国股票市场发展中的股权分置改革,建立了市盈率模型,运用市盈率和上证指数的关系作线性回归分析,预测近几年市盈率的发展趋势,得出了上证指数的波动范围。     

流动性冲击和股票预期收益的关系

近年来,国外文献中关于流动性冲击的研究有很多,大都证明了流动性冲击对股票未来收益的预测作用,然而,这种预测作用在我国股市是否适用?就这一问题,使用上海证券交易所A股股票的非流动性(ILLIQ)来研究中国股票市场对公司水平流动性冲击(LIQU)的反应。结果表明,流动性冲击在中国股票市场上有定价效应,能预测到三因子模型外的股票收益,且在股市较成熟的最近10年表现较好。