基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

基于无偏灰色-马氏链组合模型的股价研究

通过对股票价格运行特点分析，将这一随机时间序列分解成由灰色模型拟合的趋势变动序列和马尔可夫链，并在对两详细剖析的基础上建立了无偏灰色—马氏链组合模型，以此预测上证综合指数的区间概率分布、平稳分布、均值以及平均涨落时间，检验和实例表明该模型具有较高精度和应用价值．     

上市公司的股利政策研究

股利政策既关系到公司股东和债权人的利益，又直接影响公司的未来发展，是财务管理相当重要的一部分。通过分析影响上市公司股利政策的各个因素和可供上市公司选择的几种股利政策，就目前我国上市公司股利分配中存在的问题提出了一些建议。     

股利决策对股价影响的研究

笔者用多元线性回归方法，对股利与股价之间的关系进行了实证研究，其结果显示对股价的影响大小依次为：每股盈利，股标股利和现金股利。     

中国股市基于成交量的价格动量策略

根据1999年Hong和Stein信息逐渐扩散的行为模型，构建了中国股市基于成交量的价格动量策略、结果表明，低成交量组合中存在着显著的中期动量，并且持有低成交量赢者组合，明显能够战胜市场组合．成交量包含未来股价走势的重要信息，能够测度私有信息的扩散速度及动量交易的规模．传统风险因子对策略收益缺乏解释力，与信息逐渐扩散模型假设相一致，私有信息或公司特有信息的缓慢扩散，造成股价对信息反应不足，从而产生了价格动量．此外，由于信息不对称引发的股价操纵行为，对价格动量也具有一定解释力。     

网络舆情及其应对与上市公司的信息效率

网络舆情的兴起给资本市场带来了深远影响,对监管层和上市公司的舆情管理工作也提出了新的挑战.借助于监管部门对深市上市公司网络舆情应对状况的调查,实证检验了网络舆情及其应对与上市公司的信息效率的关系.研究发现,网络舆情危机会造成当年度股价崩盘,且来自自媒体的转载会增大股价崩盘的幅度,网络舆情重视和应对程度良好的公司在面对舆情危机时的股价崩盘幅度更低.上市公司对网络舆情的重视及投入能够向资本市场传递公司特质信息,提高资本市场的信息效率,进而降低未来股价崩盘风险和股价同步性.结论表明,上市公司加强网络舆情应对并非是满足监管要求和投资者诉求的面子工程,而是一项切实有效的求是工作,结论对完善资本市场信息传播管理制度,提高资本市场信息效率具有一定的参考价值.     

基于Multi-Agent技术的股价操纵监管系统研究

传统的股价操纵监管方法缺乏智能性,从股价操纵监管智能化出发,引入Multi-Agent建模思想,构建了股价操纵监管系统的结构模型和Agent的内部组成模型,提出了系统的工作原理.并阐述了系统实现的通讯协议等技术性问题.本系统通过不断的监管与学习,可以自我提高监管能力,从而提高监管的质量与效率.     

大盘指数对股票价格的影响及股票价格预测研究——基于上市公司的定期报告

本文探讨了公司和股票市场对股票价格变动的影响。根据公司定期报告公布时间进行分段,可以发现在一段时期内股票价格与大盘指数之间稳定的正相关关系,影响系数可作为选股时的参考指标。再通过GARCH模型对大盘指数进行拟合估计可以对股票价格进行预测。通过比较不同股票的市场影响系数有助于作出正确的投资决策。     

非线性跟踪-微分器及其在股价模拟和预测中的应用

在介绍非线性跟踪-微分器基本原理的基础上，运用非线性跟踪-微分器对上证综指进行了模拟和预测，并将其模拟和预测结果与五日移动平均法进行比较。结果发现，不管是敏感度还是误差，非线性跟踪-微分器比移动平均法要理想得多。     

基于径向基神经网络的股价预测

借助径向基函数（Radial Basis Function)神经网络对非线性函数的逼近能力，对深能源A股价这个时间列作了连续若干天的一步预测，并与其他预测方法进行了比较。结果表明，用径向基神经网络预测股价是可行的和有效的。