一种基于上证指数的新方法研究

基于上证指数的分形插值模型,通过小波变换和分形分析,构造了新型的预测上证指数趋势的插值迭代算法.     

基于优化BP算法的上证指数预测分析

上证指数变化是股市投资者重点关注的指标之一。文章基于BP神经网络来建立预测模型,结合遗传算法优化BP网络存在的不足,然后通过组合不同的辅助技术指标优化训练样本,探寻对上证指数预测准确度较高的混合算法。实验结果表明,优化后的混合算法能较好的预测上证指数未来一段时间的走势变化,为投资者提供决策辅助。     

股票投资者如何看待(T+1)

从1995年1月1日起,深沪交易所将重新执行“T+1”的股票交收制度。消息传出,深沪两市皆有巨幅震荡,说明“T+0”到“T+1”的变动对投资者的操作心理产生了较大的影响。(一)“T+0”改为“T+1”对哪部分投资者影响大?股市交收制度从“T+0”改为“T+1”,从时间上香,原来一天可做一个来回甚至几个来回的买卖变为二天才能做一个来回。这种交收制度对于不同的股民而言,影响也不同。首先,对于     

基于AC算法的股市预测研究

对股市的分析预测是进行股市投资决策的重要手段.在分析阐述AC算法工作原理的基础上,以上证指数两个时段的相关数据,分别进行了上证收盘和成交量的预测分析实证研究.同时还与传统技术分析方法做了比较研究.结果表明,AC算法是金融证券投资及复杂不确定系统预测分析的有效手段.     

EGARCH(1,1)模型对上证指数与成交金额波动性的实证研究

以2010年3月31日-2014年10月28日的上证指数与其成交金额的日数据为样本,对其进行Granger因果检验,采用ARCH族模型,对上证指数与成交金额的波动关系进行了非线性研究,并对EGARCH(1,1)模型运用于成交金额对上证指数日收益率的影响进行了检验和预测.     

基于优化GA属性约简的上证指数预测

结合粗糙集的相关理论,优化了GA属性约简方法,针对上证指数预测的具体问题,对遗传算法的初始种群和适应度函数进行改进,将上证指数10年间数据的58个属性构成的训练集进行属性约简,并应用参数优化后的SVM分别以属性约简前后的数据集对开盘指数进行回归预测.仿真结果表明,用该算法进行属性约简后,原始数据集中冗余属性对预测结果的...     

部分工件必须不误工的误工排序问题

排序论中使误工工件的个数为最少的单台机器排序问题,称为误工问题,是排序论中最基本的问题之一.1973年,Sidney研究在工件的一个子集T中的工件必须不误工的条件下,使误工工件的个数为最少的误工排序问题1｜T｜∑Uj,并且给出该问题复杂性为O(n log n)的多项式算法--Sidney算法.本文把Sidney 算法改写成比较简洁的算法1,1)步骤1:设E 0=T,J－E 0=｛j1,j2,…,jm｝,j1＜j2＜…＜jm,m=n-｜T｜,令k=1:2)步骤2:若k=m+1,算法终止,(Em,J－Em)就是最优排序:若k＜m+1,转入步骤3:3)步骤3:设Fk=Ek-1∪{jk},计算Ek如下:如果Fk是不误工子集,令Ek=Ek-1∪{jk}:否则,如果Fk不是不误工子集,令Ek+Fk\{jr}.其中工件jr的加工时间为pr=max{pi｜ji∈Fk\T}.Ek中的工件是按EDD序排列.k=k+1,转入步骤2.并用数学归纳法证明算法1产生的排序是该误工问题的最优解.     

基于神经网络的股市预测

本文研究了基于神经网络的股票预测方法．针对目前存在的问题,提出了联合Davidon最小二乘算法及遗传算法来综合训练网络结构和权值的新方法．经对上证指数的模拟预测表明,通过合理地选取参数,可获得满意的预测效果．     

带有结构变点的长记忆模型的实证研究

运用改进的Tapered对数周期图方法对带有结构变点的长记忆模型的参数和变点进行估计,对上证指数的波动性进行长记忆检验及变点讨论,研究结果表明,上证指数的波动率序列同时具有显著的长记忆特性以及结构变点。     

基于PaddlePaddle的股票预测深度学习模型

利用上证指数股票历史数据中的开盘价、收盘价、最低价、最高价、交易量、交易额、跌涨幅等数据,通过对股票数据进行归一化等预处理操作后,使用Python语言和PaddlePaddle库编写算法程序,构建股票预测的LSTM神经网络模型,对上证指数的股票下一日的最高价股票价格进行分析预测,预测结果显示本文所构建的基于PaddlePaddle的LSTM神经网络模型能够取得较好的预测效果,可见基于PaddlePaddle的股票预测深度学习模型有很好的应用前景.     

股市价格指数成交量的单位根及因果关系检验

对上海证券指数收市价及成交量作了ADF检验，发现指数收市价存在有单位根，价格服从随机行走模型，成交量趋势平稳，市场是有效的．用葛兰杰(Granger)因果关系检验发现指数收市价增量与成交量增量互为因果关系，没有谁变化在先谁变化在后的问题。     

混沌时间序列的多重分形维数谱

仅用一个分形维数来刻画混沌时间序列是不够的，必须用多重分形维数谱来描述混沌时间序列在不同层次的奇异测度，不同文献对沪指和深指的分形维数的计算结果相差甚大，其深层次的原因是混沌时间序列的多重分形维数谱的存在。本文对混沌时间序列多重分形维数的信息谱、奇异谱、动熵谱等问题进行探索，并简介其应用。     

股票市场的分形特征

针对我国股票市场所具有的混沌特征，运用分形理论的方法对我国上证指数进行分析,给出一种构造生成元的新方法——尺度生成法，并采用此生成法构造出我国上证综合指数的生成元．根据分形迭代函数系统理论与方法，迭代生成我国上证综合指数的模拟走势图，并计算出其分形维数，从而得到了股市波动的复杂程度的定量值．     

基于修正GARCH模型的中国股市周内效应实证研究

运用总样本区间（1996～2009年）上证综指和深证成指数据,同时以合格境外投资者制度（QFII）实施为分界点,前后分为两个子样本区间（1996～2002年和2002～2009年）,采用修正GARCH模型分别研究三个样本区间中国股市周内效应特征。研究结果表明：1）在不同的样本区间中,中国股市收益率和波动率均存在周内效应;2）中国股市收益率和波动率周内效应在不同的样本区间：表现并不一致,前子样本区间沪深股市收益率和波动率存在更加显著的周内效应。     

主业连续型与上市公司并购绩效的实证分析

本研究选取了1998—2001年我国沪深两市的并购事件为样本(绩效期为1997—2003年),采用基于财务数据进行比较分析的方法,从并购双方的主业是否相关的角度对并购公司绩效进行了实证研究。研究结果表明：主业连续型并购的上市公司整体上稳定上升,非主业连续型并购的上市公司整体上有一个先升后降的过程。研究结果正好验证了“组织经验和组织资本”兼并转移的理论。     

上证指数的混沌特性分析

通过计算得到上证指数的最大李雅普诺夫（Ｌｙａｐｕｎｏｖ）指数为正值,表明上证指数具有混沌特性．通过上证指数的相关积分关于相空间维数的数值计算发现,当相空间维数大于１０以后,相关积分趋于平稳,从而确定上证指数的嵌入维数约为１１,这时对应的相关积分可以看作为它的分数维,约等于１．１．     

基于小波分解的高频金融时间序列预测

对上证指数数据进行多分辨率分解以满足平衡性条件,进而对各个尺度下的数据分别用ARMA模型进行拟合。利用拟合后的模型进行预测,与实际值相比得到了较为满意的结果。     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

基于ARMA-GARCH模型的上证指数实证分析

研究上证指数收益率过程。本文以2004年9月30日至2011年9月30日期间的上证指数收盘价为基础,验证序列的相关性、稳定性及异方差性,建立ARMA-GARCH模型进行实证分析和预测,分别在误差服从正态分布、t分布、GED分布条件下比较拟合和预测效果,得到t分布的ARMA-GARCH模型最优,表明其更适合上证指数收益率的研究。     

基于两类极值分布的金融风险度量

在金融投资组合的风险管理中,估计极端事件的概率,是一个重要的问题.阐述了极值理论和两类极值分布,以上证综合指数为例,将极值理论用于风险价值的计算,给出了VaR和ES的估计值,并与传统方法得出的结果进行了比较分析,结论表明,用极值方法度量金融风险具有很高的准确性.