关于SARV模型技术分析指标的相应统计量的性质

研究了随机自回归波动率(SARV)模型作为真实股票市场技术分析指标的布林带、RSI和ROC相应统计量的概率性质,证明了这些统计量在给定条件下的平稳性和大数定律成立.     

平稳自回归模型的调整经验似然置信域

自回归模型在经济学及信息学等领域有广泛应用.其统计推断是统计学研究的重要问题之一.本文主要研究自回归模型的调整经验似然方法 .在Chuang和Chan利用自回归模型的条件最小二乘估计、通过得分函数构造的经验似然比统计量基础上,本文针对经验似然方法可能不存在解的情形构造了调整经验似然统计量,并证明调整后的经验似然比统计量的极限分布服从卡方分布.由此我们可以构造模型参数的调整经验似然置信域（区间）.最后,本文通过数值模拟比较了调整经验似然方法和经验似然方法的性能.结果显示,调整经验似然方法所得的区间估计具有更好的覆盖率.     

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.     

非线性约束条件的平稳自回归模型的L1 估计

L1－估计是统计问题中一个重要估计,时间序列模型的L1－估计问题是非常重要的,这些估计量的多种性质都被研究过,许多统计学者讨论它在无约束条件下情况下的估计问题及其有关性质,且得到了较好的结果,然而,仍有一些基本问题有待解决,本文讨论了平稳自回归模型的L1－估计在非线性约束条件下的渐近性质,该约束条件是由非线性等式和不等式给出,这种估计问题属于随机优化问题,用最优化的方法克服非线性约束问题在估计研究上的困难,为估计提供了一个新的途径,并得到L1－估计问题的相关结果。     

线性自回归模型的自回归分析

将回归模型的回归分析推广到线性自回归模型的自回归分析,获得了线性自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量。     

乘积ARIMA模型的建立及应用

ARIMA模型作为统计预测中的一种重要模型,被广泛运用于各个领域中。本文在非季节性及季节性ARIMA模型的基础上介绍了乘积ARIMA模型的一般表达式,提供了建立这类模型及使用其进行预报的一般过程,并以某超市月顾客量数据进行了实例分析。分析结果表明,当一时间序列不仅含有季节性成分,还混有非季节性成分时,用乘积ARIMA模型的预测精度较高。但该模型只适用于短期预测。     

基于随机利率的住房反向抵押贷款定价及风险

将住房反向抵押贷款保险精算模型修正为动态房价和随机利率模型下的一笔支付定价模型和等额支付定价模型,并选取上海数据作为实证分析.其中房价增长率模型采用向量自回归(VAR)模型,该模型能够综合捕捉房屋价格指数和CPI,GDP宏观经济指标的相关关系并且能够进行预测.随机利率模型采用Nowman方法下的CKLS模型.进行了保险贷款机构开展住房反向抵押贷款业务的盈利分析,计算了净收益期望现值,并用VaR(value at risk)值量化保险机构的偿付能力,以及管理流动性风险.     

广义非线性混合效应模型的变离差检验

应用混合效应方法研究了广义族非线性模型的变离差检验问题。对离散和连续两类指数族分布，提出了若干个有效的检验统计量，所有统计量都可用简单、便于计算的矩阵公式来表示，这些结果和方法可应用于广泛的实际问题与实际模型并利用务浆渗透数据来说明方法的有效性。     

时间序列分析的历史发展

阐述了时间序列分析的发展历程：早期自然科学主要应用单纯的描述性分析;差分、指数和滑动平均等基本概念推动了统计性时序分析的发展;以Fourier级数为基础的周期图方法是频域分析的核心内容;时域分析经过了从AR（2）模型、AR（4）模型→AR（s）模型＋MA（h）模型→AR-MA（s,h）模型→ARIMA模型→ARCH、ARCH族模型的漫长过程.     

变参数自回归模型

对以往的灰色模型和自回归模型作了改进，给出了变参数自回归模型，并对其自激励型和自抑型系统内部作用变化进行了刻划。     

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.     

中国股市和美国股市的联动性分析

为分析中关股市之间的联动性。针对两国主要股票指数,建立VAR模型,运用脉7中响应函数和方差分解进行研究．结果表明：美国股市波动对中国股市有一定的影响,但中国股市波动对美国股市的影响较小,中美股市存在一定的联动性．     

OIF Elman神经网络在股市综合指数预测中的应用

利用具有动态反馈机制的OIF Elman(Output-Input Feedback Elman)人工神经网络模型对股市的综合指数进行预测,为股票市场的建模及预测提供了一种新的技术和方法。实验模拟结果表明,OIF Elman网络具有极佳的逼近性能,预测数据与实际数据基本吻合,因此,OIF Elman神经网络用于股市预测是可行、有效的,具有很好的预测潜能和广泛的应用前景。     

股票市场中技术分析有效性的实证研究

技术分析方法是否有效一直是金融领域中一个富有争议性的重要议题.本文选取各国具有代表性的综合指数和中国市场的权重个股进行实证研究,采用技术分析中应用最广泛的移动平均线方法来对某些交易日股票价格走势进行预测,并通过计算相应的预测准确率来讨论该技术分析方法的有效性,同时也进一步对影响预测准确率的因素加以分析,给出了主要影响因素.     

Globalization and long-run co-movements in the stock market for the G7: An application of VECM under structural breaks

This paper analyzes the process of long-run co-movements and stock market globalization on the basis of cointegration tests and vector error correction (VEC) models. The cointegration tests used here allow for structural breaks to be explicitly modeled and breakpoints to be computed on a relative-time basis. The data used in our empirical analysis were drawn from Datastream and comprise the natural logarithms of relative stock market indexes since 1973 for the G7 countries. The main results point to the conclusion that significant causal cointegration effects occur in this context and that there is a long-run relationship that governs the worldwide process of market integration. Globalization, however, is a complex adjustment process and in many cases there is only evidence of weak market integration which means that non-proportional price transmission occurs in the market along with proportional changes. The worldwide markets, as expected, appear to be driven in general by the US stock market.     

时间序列分析方法在股票市场中的应用

近年来预测股市的未来变化是一个热门的研究课题.文章从技术分析的角度出发,利用股票市场的基础数据作为研究的对象,建立相应的时间序列模型,并与BP网络算法比较,结果表明该时间序列方法对股市短期预测精度较高.     

股票价格影响因素研究

以上证(A股)指数作为因变量，通过选取影响股市整体水平的指标，运用回归分析方法并结合SPSS软件建立了线性回归模型和非线性回归模型，分析得出了影响我国股票价格趋势变动整体水平的主要因素。     

股票投资策略的选择理论和方法

首先分析和归纳影响股票市场的基本因素,给出建立模型的理论基础及其可行性;然后,结合统计学和物元变换的相关知识形成股票投资策略的选择理论和相应模型来描述股市风险状况;最后形成相应的方法并做实证分析证明此投资策略的正确性和可行性.     

回归分析在新股股价预测建模中的应用

针对我国A股股市的特点，运用统计学和财务分析等方法，系统分析了影响新股上市股价的相关因素。对抽取的股票样本数据进行了线性回归分析，得出了各因素所占权重，建立了一个预测新股上市第一天开盘价的数学模型，并以此模型为基础在计算机上开发了新股定价预测系统。实践表明，该系统对于新股的投资决策具有积极的指导意义。