股价的成交量推进进程及其动力学分析

传统的股价序列都是按照均匀时间间隔采样进行分析的，但实际上股价的变化并不是基于均匀日历时间，而是基于交易过程推进的．提出了股价推进的成交量进程假设，阐述了基于成交量进程的股价动力学分析方法，对上征综合指数进行了实证研究．结果表明，基于成交量进程的股价动力学分析方法具有可行性和有效性．     

股票价格塑性性质的计量经济模型及实证检验

首先基于股票价格和成交量，根据股票的量价规律，分析了股价波动的塑性性质；然后使用计量经济学方法建立描述股价波动的塑性模型，包括股价塑性基本模型、基本模型的一阶自回归模型、幂指数模型及幂指数模型的一阶自回归模型，基于12支样本股对这些模型进行参数估计和检验。由4种模型均能够通过经济学检验和统计学检验可知股价波动具有塑性性质，且4种形式的股价塑性模型均是可行的。比较4种形式的股价塑性模型的检验结果得出幂指数模型描述股价塑性较为科学、合理。     

股价指标的结构和修正

股价指标基本上分为股价指数与股价平均．对股价指标进行对比研究表明，由于股票分红、股份折细等原因，股价指标必须经过除数修正才能正确反映股市趋势．在对股价指标使用不同公式分析的基础上，对上证指数的基期选择、样本容量以及作权的数量指标的设置提出改进建议．     

对前馈型神经网络股价预测的一点改进

为减小预测误差，目前的方法是：选择对股价有显著影响的输入变量；调整网络结构及选择合适的参数；优化学习算法．这些方法都是以实际股价作为网络的预测．本文提出的方法是以相邻两天的股价差价作为网络的预测．本文在相同的数据上分别建立股价预测模型和股价的差价预测模型，并对它们的结果进行对比分析，结果表明差价预测模型的预测误差小，预测效果好．     

股 价 房 价 波 动 与 经 济 周 期 关 系

通过模型推导和实证分析研究了股价波动、房价波动与经济周期之间的相互关系,构建了一个分析三者之间关系的统一框架.理论分析和实证结果表明,股价是宏观经济的领先指标,房价与GDP、利率和CPI 具有紧密的正向关系,房价波动与经济周期基本同步,股价波动大大领先房价波动.     

基于股票各板块内部的单向自适应图神经网络的股价预测模型

传统的股价预测方法通常仅看作时间序列预测问题，不能利用到股票的空间信息，而使用图神经网络(GNN)进行预测，却缺少股票间关系的图数据结构。文章基于同一板块内股票之间具有相似的趋势，龙头股对其他股票具有明显的领涨或领跌的影响，提出一种基于股票各板块内部的单向自适应图神经网络模型(Stock-GNN)对股价进行预测。该模型的单向图学习模块可以自适应地训练出股票间的图数据结构，再利用时序卷积模块和图卷积模块提取时间和空间上的特征。并爬取A股四大板块(银行、白酒、电力设备、生物医药)的真实数据进行实证分析，与现有的股票预测模型AR、GARCH、CNN-GRU、TPA-LSTM、CNN-LSTM-Attention以及不按板块划分的图神经网络(All-SGNN)进行比较。实验结果表明，Stock-GNN预测模型的预测误差更低，相关系数更高。     

机构投资者的趋同交易行为与股价同步性

利用2010—2012年A股市场的面板数据,从机构投资者交易行为趋同的视角,分析了机构投资者趋同交易行为对股价同步性的影响以及机构投资者持股在其间所起的作用。研究发现:机构投资者的趋同交易行为与股价同步性之间存在非线性的“倒U型”关系;且2者之间的正向关系随着机构投资者持股比例的提高而减弱。结论表明,机构投资者既有降低股价同步性的一面,同时又有提高股价同步性的另一面,这一发现对客观认识机构投资者对股价同步性影响提供了新的视角和经验证据。     

股价操纵与市场监管的博弈分析

通过运用博弈理论,对股价操纵与市场监管之间相互的决策进行了分析,博弈分析的结果表明,有效的股价操纵监管机制主要在三个方面的建立:一是加大对操纵者的处罚力度;二是监管主体不能缺位;三是监管主体不仅不能缺位,而且还应加大对监管主体失职的处罚力度。     

股价信息含量对企业资源配置效率影响实证研究

以中国上市公司为研究样本,采用股价波动非同步性方法度量股价信息含量,并基于面板数据回归模型对股价信息含量与资源配置效率的因果关系进行了实证检验.实证结果表明:股价信息含量与企业的投资过度行为呈显著负相关,即股票价格中包含的特质信息能起到抑制企业投资过度行为,增加资源配置效率的作用;高信息含量股价也能显著提升企业未来期间的经营绩效水平.因此上市公司股价信息含量增加能对资源优化配置产生正向促进作用.     

股票价格塑性模型及其计量经济学检验

从股票市场的量价规律出发提出股票的均衡价格、股价塑性等概念,建立包含高频交易数据的股价塑性理论的计量经济模型.用样本股票的数据对股价塑性模型进行检验和实证分析,检验结果表明,除了拟合优度R2稍差之外,解释变量的t检验和方程的F检验以及模型的经济学检验结果都较理想,实证分析结果表明股票价格的变化具有塑性的特征.     

基于DFA的股价指数自相关分析

以股价指数的自相关函数为时间序列,运用非趋势波动分析DFA方法研究我国股票市场的长期相关性,结果表明,上海股票市场和深圳股票市场在跨时间尺度的股价指数之间存在着相关性,呈现为持久性的时间序列,随机游走不再适用,股价指数的有偏随机游走是当下投资者对信息反应生成的,由于市场信息不具有同质等量分布,造成交锗 对信息理解的差异,信息不能瞬间或及时反映到股票价格中,存在着复杂滞后交易,导致了股价指数的有偏随机游走。     

改进的时间相关序列股票价格混合预测模型研究

金融股票市场是一个极其复杂的演化系统,因此对股价波动进行准确预测是投资者理性规避投资风险的重要渠道。本文首先通过构建科学性较强的自回归移动平均与支持向量机（ARIMASVM）模型分析一维金融时序数据的线性成分,对我国股价波动进行样本内预测并与真实数据作比较,再利用改进的支持向量机（TGDSVM）模型基于金融面板时序数据处理线性预测后剩余的非线性成分信息。采用平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对比例误差（MAPE）、回归指数（WIA）、百分标准误差（SEP）与Nash系数六个预测精度指标检验五只股票日收盘价的预测精度。仿真结果表明：改进的时间相关序列（ARIMA-TGD-SVM）股票价格混合预测模型可以很好的弥补传统支持向量机（SVM）模型对解决多分类问题存在困难和对大规模训练样本难以实施的不足,并有效解决其利用欧式距离表征时序数据内部真实相互关系不足的缺陷,能够为股市预测提供理论依据和实际应用奠定基础。     

基于成交量的股价序列构造及分形分析

构造了一种基于日历交易时间和基于成交量推进的股价转换函数 ,这种方法体现了量价配合和熵的思想 ,并在此基础上 ,通过 R/S分析法对上海股市的部分个股进行研究 .结果表明上海股票市场表现为高度正相关分形时间序列 ,且在短期内无明显循环周期     

虚拟股市建模与混沌分析

从证券市场的微观结构入手 ,建立了基于Multi_Agent的股市模型 .计算了模型产生的股价时间序列的Lyapunov指数和关联维 ,并对其进行主分量分析 .对比研究表明 :该模型不仅能产生与真实股市极为相似的股价走势 ,而且其混沌行为与真实股市有深刻的一致性 ,可以通过对此模型的深入研究揭示真实股票市场这类复杂系统的演化规律与运作机理 .     

中国与海外股指的混沌特征的比较实证

通过深沪综合指数的5天收益率分布规律以及用R／S方法研究收益率序列得出这样的结论,即深沪综合指数的收益率不服从正态分布,并且收益率是负斜,呈现出胖尾和峰态;中国股票市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为;深综指的赫斯特指数H为0．87,非周期循环为16周(4个月),而沪综指的赫斯特指数H为0．85,非周期循环为25周(6个月)。也就是中国股市呈现出长期记忆等非线性的混沌特征。     

股票价格与货币供应量关系的阶段性分析

根据股价指数的波动趋势,把股票市场分为两个不同阶段,分别采用计量经济学时间序列变量的研究方法,进行了相关性分析、协整关系分析与因果关系检验,得到了结论:股市繁荣时,为防止股市过热的紧缩性货币政策效果将会比较显著;股市萧条时,为刺激股市复苏的扩张性货币政策将可能失效.最后,提出了我国货币政策应对股价变动做出适时反应的建议.     

石油价格波动对中国股市影响的实证分析——基于近似单整时间序列的Bonferroni检验

以国际原油价格与中国股市收益率日数据为样本,对中国股市的有效性进行了实证研究.通过等尾置信区间估计方法,证明国际原油价格时间序列数据为一近单整过程而非确定的单位根过程.在此基础上,使用近单整时间序列的Bonferroni检验,得出国际原油价格对中国股市的收益率不存在明显溢出效应的结论,并对造成这一现象的原因进行了分析.这一研究结论对未来我国原油定价机制改革以及制订股市投资策略都具有重要意义.     

股票价格的一种线性分形预测方法

主要研究股票价格的变化规律及对其未来价格的预测方法．通过对股票市场价格进行小波分析,发现股票价格的变化服从自相似性,并且满足某种拟周期性．而自相似是分形的一个重要特征,就可将股票价格的变化作为分形来进行研究．利用这一结论,找出了股票价格变化的线性分形插值函数,并提出一种线性分形预测方法来对股票价格进行预测．在数值试验中,对四川长虹的股票价格进行了分析,利用上述线性分形预测方法进行预测,得到了一些令人满意的结果,说明该方法是可行的．     

基于Ising模型的股票价格统计特征及模拟

根据统计物理中的Ising模型和极限理论,研究证券市场中股票价格的统计规律.通过建立相应的金融收益模型,构造出股价的随机过程.再利用计算机模拟股票价格收益率的分布特征,模型很好的刻画了现实证券市场中股票收益率分布的宽尾现象、长记忆性,以及累积分布中尾部收益的指数递减现象.     

基于偏态分布的风险度量计算

金融时间序列具有尖峰厚尾性,同时在股市中又存在着杠杆效应.对股票指数收盘价格的对数收益率序列建立ARMA-APARCH模型,在对数收益率序列分别满足Skewed-t分布和Skewed-GED的假设下,给出了在险价值及期望损失的计算方法.对t分布与Skewed-t分布、GED与Skewed-GED分别进行对比性实证分析,结果表明,在两个偏态分布假设下计算得到的期望损失估计结果更为保守,更能够捕捉到股市的尾部风险.