牛熊市视角下股票关联网络动态拓扑结构研究——以上证50指数为例

以2005-01-04至2008-12-31上证50指数成分股数据为样本,将其划分为熊市I、牛市和熊市II等3个阶段,运用最小生成树、分层结构树以及主要拓扑指标研究股票市场处于不同阶段下的关联网络动态拓扑结构。实证结果表明:股票市场间存在行业聚集效应,并且这种效应随着时间的推移越来越显著;在股票市场关联网络拓扑结构中,制造业在牛市时处于绝对的中心地位,并会持续到熊市;金融保险业和制造业中的钢铁制造业的内部股票始终保持着很高的关联度,一些子母公司和交叉控股的股票间也关系密切。此外,主要关联网络指标显示,股票市场所形成的关联网络结构在牛市时更紧密,但是牛市的市场结构要比熊市差。     

我国股票与权证市场之间的线性及非线性因果关系

以已上市的六只权证及时应正股为研究时象，采用线性和非线性因果检验方法时我国股票和权证市场相互联系进行实证研究。实证结果表明刚刚启动的权证市场与股票市场之间不存在双向的联系，仅存在由权证市场到股票市场较弱的单向影响，为此提出了建立适宜的权证定价与估值方法的要求和完善市场套利和避险功能的建议。     

基于风险应对的股票市场恢复力度量与优化

把握股票市场在风险条件下的整体状态变化特征是保障其平稳运行和健康发展的关键.本文运用复杂系统分析方法,研究股票市场风险应对问题.基于股票价格联动关系,建立股票网络,表征股票市场的微观结构关系.结合不同类型和级别风险的发生概率,构建股票网络恢复力度量模型,表征股票网络的宏观状态变化.以上海证券交易所股票市场为例,依据风险事件发生规律和股票价格变化机制,实例仿真剖析事前、事中和事后风险应对策略对股票网络恢复力的影响.结果显示,单个应对策略对不同类型风险的有效性各异.研究有助于把握股票市场运行规律,可为市场风险应对策略构建提供决策支撑.     

影响股票达到涨跌幅限制的因素分析

运用广义矩估计GMM(thegeneralizedmethodofmoment)方法,对上海证券交易所股票达到涨跌幅限制的频率与影响股票价格的因素进行回归分析,以验证是否存在某些内在因素促使一部分股票比其他股票更频繁地达到涨跌幅限制.结果表明:波动性大和交易频率高的股票达到涨跌幅限制的频率较高.另一方面上海证券交易所10%的跌幅限制是限制了临时波动,对基本波动没有影响;而10%的涨幅限制既限制了临时波动,也限制了基本波动,从而使得价格发现过程受到干扰,影响了股票的合理定价.     

极端事件下相关性风险对冲策略研究

当世界各国出现极端事件时,金融资产之间的相关性风险会显著上升,因此如何事前防范并对冲相关性风险成为金融风险管理及应急管理的重要而迫切的课题.由于指数波动率受到市场流动性、个股波动率与个股间相关系数的共同影响,而个股波动率不受个股间相关系数的影响,因此,当极端事件发生时,股票指数波动率会由于资产间相关系数的提高而大幅提高,这样股指期权的价格就会随之大幅升高.而个股期权价格仅受个股波动率影响,与相关性的变动无关,此时股指期权价格比个股期权价格高出来的部分就包含了"相关性风险"的溢价.从理论上说,股指期权价格因为包含了相关性风险的溢价,所以可以用来对冲个股组合的相关性风险.本文通过厘清指数波动率风险和个股波动率风险,从中剥离出个股间的相关性风险,并对相关性风险进行对冲.本文利用香港恒生指数期权及其成分个股从2007年3月1日至2011年8月31日的日数据进行实证研究,研究结果表明当极端事件发生时,恒生指数个股之间的相关性风险显著上升,本文所构建的相关性交易策略能够对冲组合中个股间的相关性风险,起到事先控制和防范个股之间的相关性风险的作用,并且给投资者带来一定的收益.     

网络信息传播与中国征券市场新股基本面的关系

网络媒介由于其传播速度既快，覆盖面又广，对于新股的信息传播具有很大的影响力。人们可以通过网络媒介迅速挖掘出准备上市新股的大部分信息，因此，在消除信息不对称的方面，网络媒介有着天然的优势。在中国证券市场中，一般情况下，中小投资者是无条件对上市公司进行调研的，但可以通过招股书或公司公布的财务报表等相关信息掌握上市公司的基本情况，对要入市公司的财务状况和经营状况进行了解。所以新股的基本面状况，是投资者作为投资与否的一个重要原因。在新股招股书公布后，会有大量的投资者通过网络论坛、微博、微信等形式表达对新股的观点。通过股票基本面中的相关指标和网络传播数据的相关性，考察投资者在网络中传播的股市信息和股票基本面中各指标的关联情况，揭示网络传播与新股基本面的内在关系。     

基于核主元聚类的股票分类

为了正确区分不同的股票类别, 降低分类的复杂度,论文结合核主元分析和K均值聚类构造核主元聚类方法对上市公司股票进行了分类处理.在核主元聚类方法中, 首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,再利用K均值聚类方法对降维后数据进行聚类,并最终得到不同的股票分类情况.选择了沪深股市中20支上市公司股票来进行实证分析.实证结果表明：核主元聚类方法取得了较好的分类结果,为上市公司股票分类和评估提供了很好的依据, 具有较好的适用性.     

机构投资者存在选择性信息优势吗? ——基于意外信息与无形信息的检验

本文检验了基于意外信息与无形信息的机构信息优势理论,利用沪深A股上市公司2014-2018年的季度数据,实证研究发现:对于含有意外信息的股票,机构持股水平低并表现出减持行为,倾向于低不确定性的避险投资;股票无形信息含量多,机构持股水平高并表现出增持行为,倾向于高成长性的价值投资.另一方面,意外信息和无形信息含量越多,股...     

上证股市收益的长期记忆:基于V/S 的经验分析

运用V/S分析考察我国股市收益的长期记忆效应,分别诊断上证A、B股市日收益总体样本的长期记忆效应,在运用ICSS方法探测方差漂移突变划分股票市场阶段性的基础上诊断股市收益不同阶段的长期记忆效应,并考察随机抽取的部分个股.研究表明:上证A、B股市收益总体样本都不存在显著的长期记忆,B股市场的长期记忆效应相对更显著;A、B股市场收益分别发生了两次和四次显著的方差漂移突变;A股收益在每一阶段都不存在显著的长期记忆,B股收益在某些阶段却存在显著的长期记忆.对随机抽取的10只个股的考察,发现只有1只股票的收益序列存在显著的长期记忆,B股收益的长期记忆效应相对比A股显著.     

证券指数的网络动力学模型

基于复杂网络的分析方法，由香港证券市场的恒生指数（HSI）构建一个加权证券指数网络，通过对网络连接矩阵最大反比参与率厦其对应本征矢量的计算。得到了四个网络拓扑重要性节点，发现具有拓扑重要性的证券指数网络节点具有很好的统计稳定性，这说明香港证券市场在统计意义下是动力学稳定的而不是随机的。识别这些具有拓扑统计重要性的节点对应的证券市场指数的波动模式，利用复杂网络的拓扑结构来反映证券指数波动的动力学相互关联和作用，为证券市场动力学性质的研究提供了一种新的方法。     

有效证券市场的理性泡沫与股票内在价值的信息滤波

对有效证券市场上理性泡沫的产生条件、度量方法和形成原因进行了分析;并对我国股市的泡沫进行了相应的实证分析.在上述研究的基础上,探讨了与度量股市泡沫相反的问题,即如何从股票价格的波动中滤去泡沫从而识别出股票内在价值的信息.用Kalman滤波方法对股票内在价值进行信息滤波与预测.     

股票交易时间间隔分布特征的实证研究

通过对中国股票市场中大量投资者的股票交易数据进行统计分析,发现个体买入和卖出股票的时间间隔分布具有幂律分布的特征,均能通过阈值为0.9的Kolmogorov-Smirnov统计性假设检验且幂指数几乎一致,可能体现着人类买卖这种相对应行为的相关性。股票交易次数和交易金额的分布也具有明显的胖尾现象,但并不具有幂律分布的特征。结果表明中国股市仍以小投资者居多,而且投资者的平均交易次数偏少。     

股指期货交易政策演变与股票市场质量

研究了在中国股指期货市场交易政策逐渐放宽这一背景下, 股票市场质量所表现出的变化特点, 为监管者进一步支持和发展指数衍生品提供了实证证据。从个股横截面角度,对指数成分股(样本组) 和非成分股(对照组) 进行匹配,通过描述性统计、差异性检验和回归检验等方法发现: 随着交易政策的逐步宽松, 尽管市场整体波动性可能有所增加, 股指期货交易对成分股的波动存在抑制作用; 股指期货对市场整体流动性存在一定的“交易转移效应”, 指数成分股所受影响更小。综合上述结果, 股指期货交易政策对投资者越具有吸引力, 越有利于改善股票市场质量、发挥股指期货应有的作用。     

基于复杂网络的金融市场网络结构实证研究

基于股票价格波动序列的相关特性,通过阈值化处理得到金融网络的连接矩阵,并用复杂网络的特征参量表征其网络性质.节点累积度分布的胖尾特征表明存在少数中心节点的股票,而聚类系数和最紧邻平均度表征金融网络具有层次结构和异配特性.进一步研究k核结构,发现核数随节点度幂律增长,当节点度较大时核数保持不变,而且最核心的节点对应中心节...     

神经元网络在股价预测中的应用

利用时延神经元网络模型（ＴｉｍｅＤｅｌａｙＮｅｕｒａｌＮｅｔｗｏｒｋ）对四川长虹的股价作了预测。股价的涨跌预报可视作高维空间的非线性分类问题,本文使用增益可调的反向传播算法,对其走势作了预报。借助前馈神经网络对非线性函数的逼近能力,本文对四川长虹股价这个时间序列作了连续若干天的一步预测。最后,我们采用不同形式的误差函数对预测结果作了比较。     

中美股市配对因子实证分析

量化交易是指借助现代统计学和数学的方法，利用计算机技术进行交易的证券投资方式。配对交易和多因子选股是典型的量化交易策略。配对交易是基于统计套利，利用两个资产的短暂价格偏离，进行风险对冲以获取两个资产的Alpha收益，其核心假设是配对资产的价差具有均值回复性。多因子选股则将多个具有逻辑背景的因子策略相结合，选取在各个因子上综合得分较高的股票构建投资组合，其核心是如何挖掘具有逻辑背景的因子。由于中美经济关联度很大，两国股市间存在着联动性。根据配对交易的思想构建美股-A股配对因子，利用该因子对A股进行选股，通过实证分析，发现配对因子对A股股票有较好的区分度，且与传统的选股因子存在较低的相关性。因此，根据配对交易思想构建的美股-A股配对因子可用于多因子模型进行选股。贡献在于提出了以往研究未提出的因子，通过实证研究证明了该因子的有效性。     

深市A股收入公告效应的实证研究

运用2000年以前的年报收入数据计算深市A股的标准非期望收入(SUE)，并利用指标值排斥，构建投资组合，运用事件研究法对深市A股2000年的公告效应进行了实证研究，结果证明中国股市并不存在显著的“收入公告效应(Post—Earnings—Announcement Drift)”，财务报表的收入数据与股价的走势基本相反；检验利用1999年的SUE值排斥构建的投资组合在2000年中报和年报前后的非正常收益率，结果并不能证明中国股市存在“反应不足”的现象。     

基于联合多重分形的股市量价关系分析

证券市场的量与价之间的关系一直是金融领域研究的热点问题。利用多重分形与联合多重分形分析中国及世界各主要股市的成交量与价格之间的关系,说明不同股指下的量价规律并不具有一致性,有些股指可能量高价也高,有些股指可能量低价也低。无论成交量如何变化,相对来说,亚洲股市价格波动更剧烈些。     

基于Gauss滤波的图像可视化检索(Ⅱ)——全局匹配

基于多尺度Gauss滤波的图像特征提取 ,能够在较大的尺度和视角变化范围内 ,检索出具有相似外观特征的图像。在讨论多尺度Gauss滤波输出用于图像的局部相似性匹配检索的基础上 ,进一步分析了如何将多尺度Gauss滤波方法用于全局相似性匹配检索。首先由图像在不同尺度下的Gauss滤波输出 ,构造出图像的曲率和相位直方图 ,得到图像的多尺度直方图表示 ;然后查询图像和数据库图像的归一化的曲率和相位直方图再进行匹配。归一化的直方图因消除了图像中点的位置信息 ,因此是图像变换如 :旋转、扭曲、拉伸下的不变量。该方法能用到基于图像外观特征的全局可视化检索中 ,并能取得很好的效果     

一种基于趋势分形维数的股指时间序列相似性分析方法

为了提高股指时间序列相似性分析的准确性, 提出趋势分形维数的概念, 并基于此定义了相似性分析方法. 趋势分形维数包含阳线维和阴线维, 能更好地反映市场跌涨变化趋势, 基于该维数的相似性度量方法能够提高相似性度量的准确性. 通过与其他两种相似性度量方法对比, 进一步说明该方法的优越性.