中国高频资产价格对经济增长影响效应及作用路径研究——基于多元混频数据M-MIDAS模型的分析

构建了六种混频数据M-MIDAS模型研究中国高频资产价格对低频经济增长影响效果及预测能力.结果表明:当滞后阶数变动到30阶时,以两参数贝塔(Beta)权重函数构建的MMIDAS模型拟合效果及样本内预测结果最优,Beta-M-MIDAS模型能够提取更多高频变量股票价格的日数据信息.高频资产价格股票价格、房地产价格对中国经济增长会产生显著正延迟效应,其中房地产价格的影响效应大于股票价格的影响效应.     

基于股利贴现的股票动态定价模型与仿真

基于股利贴现模型,借鉴实际经济周期模型的思想,建立动态的股票定价模型,分别研究在随机技术冲击和税收政策的变化时,股票的动态价格变化.模型分析表明:股票的价格变化是逐渐进行的,股票的价格总是等于价值,市场是有效的,股票价格的波动不服从随机游走.     

证券组合投资模型研究

本文建立了债券和股票价格的随机模型。并在模型参数为常系数条件下，给出了反馈形式的最优证券组合投资公式。     

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。     

数据多维处理LSTM股票价格预测模型

股票的价格具有非线性、随机性等特征,为更精准地预测股票价格,充分利用股票价格数据的时间相关性和数据自身的变化趋势,提出数据多维处理的LSTM股票价格预测模型。通过对股票价格因子数据进行多维处理,提高数据有效信息,形成可以高度反映股票价格的多维数据,在此基础上建立长短期记忆网络组合预测模型,通过收集股市中的股票数据进行实验。实验结果表明,模型预测值与实际股价数据的均方根误差和平均绝对误差仅为0.013 2和0.010 3,相较于单一长短期记忆网络预测模型,2项误差分别降低90.81%和91.65%。数据多维处理LSTM股票价格预测模型具有较高的预测精度。     

期货价格变化与相关股票价格变化的协整关系

股票价格变动应该是与商品的未来价格的变动具有长期联系。针对期铜价格和以铜作为主营业务的上市公司的股票价格数据,利用时间序列计量经济学理论对这种联系进行了初步的检验和研究。研究证实了两者价格变化间的长期关系。观察铜期货价格变动有助于对铜相关的股票价格进行定价,也有助于开发相应的投资策略。     

基于小波分析理论的证券投资市场预测

提出了一种基于小波分析理论对证券投资市场建模及其预测的方法·该方法分两步完成:第一步通过小波分解进行数据滤波,将证券价格变化曲线中的高频信息过滤,从而实现消除噪声,提高预测精度的目的;第二步应用最小二乘方法建立数学模型,并用模型进行中、长期证券价格预测·实际股票价格仿真结果表明:此方法简洁、预测效果良好,优于一般最小二乘方法     

金融市场的无标度特征研究

基于股票价格波动序列的相关特性,提出一种金融市场的复杂网络建模机制.通过研究基于股票价格波动序列建立的复杂网络模型,发现金融市场的网络节点度分布具有无标度特征.它说明少数"中心"节点的股票对金融市场整体价格波动影响力比较大,甚至可以影响全局,其他大多数股票影响力相对较小.进一步研究网络聚类系数与最近邻平均度,发现金融市场具有分层结构和非相关联匹配的特征.这些结论对于从复杂网络的角度理解金融市场相互作用机制可能有重要的启示和作用.     

最小叉熵方法推导期权定价二叉树模型

借助最小叉熵方法建立了新模型,即把标的资产（股票）价格看成一个信息系统,根据以往股票价格的历史信息给出股票价格的一个概率密度作为先验概率密度,然后在当前股票价格变化的随机变量的矩约束下,用最小叉熵方法来预测n△t时闻点末的股票价格分布最靠近先验概率的概率密度,从而得到参数P、u、d．新模型直接可用现有非线性规划算法进行求解或者转化为其对偶形式用无约束优化来求解,计算方便,经济、物理含义明确,有效克服了二又树及其演化方法的不足,且不受股票价格变化运动形式限制,是一个统一的模型．与B-S、CRR、JR、TGR、Wil1、Wil2方法数值比较结果表明,多数情况下新方法收敛速度快,计算稳定．     

论价格—价值二级波动

通过对虚拟经济中价格与价值关系的分析，得出股票市场中的价格-价值二级波动模型。具体而言，股票价格是企业价值的二层嵌套函数，即实体经济资产价格围绕企业价值在小范围内波动，股票价格围绕实体经济资产价格在大范围内波动。该文还引用巢东股份股权转让的案例。对案例中的企业价值、资产价格和股票价格进行了分析，其结果支持了本文的观点。     

基于卡尔曼滤波的股市泡沫度量

提出了一种新的基于卡尔曼滤波的股市泡沫度量模型.该模型将股市泡沫和内在价值均视为不可观测变量,利用市盈率中含有的股票内在价值的信息和信贷量中所含有的股市泡沫信息,同时对股票市场的理性泡沫和内生泡沫进行估计.实证结果表明,我国股市泡沫在2001-06达到最大,随后开始减小;我国股市只存在理性泡沫,而不存在内生泡沫,这反映了我国股市的投机性较大;通过对股市泡沫破裂前后的对比分析表明,我国股市的实际投资价值正越来越明显.     

基于连续渗流的股票价格波动模型及实证分析

本文以连续渗流理论为基础,讨论了交易信息在投资者之间传播对于股票价格波动产生的实际影响.通过对资本市场投资者的投资行为进行心理分析,进而在已有模型基础上进行改进,得到更为实际的投资者行为模式,使之更符合市场实际情况,同时文章对模型的参数做了简要地分析.     

加权半方差风险度量模型

文章考虑到资产离散程度和投资者的风险爱好,引入风险偏好系数,建立加权半方差风险度量模型;虽然证券价格具有局部突变性,但从长期整体看证券价格的变化具有整体连续变化的基本属性;用“局部积分均值”方法估计证券期望收益率,可以平滑证券价格的突变因素而加强整体变化连续性因素的作用,更能客观反映实际变化的规律。     

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。     

中国股市量价波动性关系的实证分析

从实证角度对我国股票市场的价格收益与交易量变动之间的动态关系进行了较为全面的分析.研究结果表明,沪深两市日价格收益序列存在着GARCH现象,价格收益和交易量变动之间存在正相关关系;收益和交易量的变动之间存在双向Granger线性因果关系;两市波动存在不对称效应,并对基于加入交易量的TARCH模型和EGARCH模型的结果进行了比较,表明EGARCH模型的拟合结果好于TARCH模型.     

基于股票价格波动问题的消除系统风险的投资组合模型研究

本文以中小企业板为研究对象,在探索结合投资组合理论与股票价格波动理论的基础上,对股票价格波动过程中低点、高点出现的规律进行分析,通过统计检验,建立阶段周期低点和高点回归预测模型,最后应用该模型进行股票投资的实证分析.研究结果表明,基于阶段周期回归预测模型的投资操作可以有效规避系统风险,提高中小投资者的收益率,对中小投资者进行投资选择具有很好的指导意义.     

会计信息与PE投资定价实证研究——基于上市前的创业板企业数据

私募股权投资基金(Private Equity Funds,简称PE)对被投资企业的估值和定价是一个受多方面因素影响的复杂过程.试图从会计的角度研究会计信息与PE投资定价之间的相关性.从招股说明书中选取PE投资于上市前的创业板企业的数据作为样本,利用费森-奥尔森模型作为基础估值模型来拟合PE的投资价格.实证结果表明,经营资产和超额经营利润与PE投资价格高度相关.经营资产对PE投资价格的解释能力更强,PE投资时对企业的利润质量关注不显著.     

动态组合证券投资决策非线性递推规划模型

针对现有动态组合证券投资决策方法的不足,引入递推规划的思想和方法建立了动态组合证券投资决策的非线性递推规划模型,该模型将股票价格预测的状态空间模型、投资机会集确定方法、均值方差模型、资产负债管理的网络模型和证券组合总体风险的自适应控制方法有机地结合起来,给出了一种新的具有可操作性的动态组合证券投资方法,并通过中国股票市场中３５种股票构成的数据样本验证了所建模型的有效性和适用性。     

自适应元胞遗传算法与股票价格行为分析

与以往侧重于刻画从众模仿行为的元胞自动机价格模型不同,论文基于Moore型邻居投资者分布结构,以预测精度为切入点,将遗传算法引入到元胞自动机股票价格模型中,投资者与“邻居”沟通和分享信息,并由遗传算子来优化其对股价进行预测的各要素权重;研究了两种预测模式下的权重演化行为。以及权重交叉概率对股价行为（收敛性、波动性等）的影响;模拟了预期驱动下,股价与市场情绪的关系．研究认为：元胞遗传算法的引入,较好地驱动着股票价格回归基本价值,减轻了股票市场的波动性．     

控股股东股权质押、股价崩盘风险与创新投入基于创业板民营上市公司的实证分析

随着股权质押的兴起,股权质押与创新投入的关系日益受到重视.股权质押影响企业创新的同时也对公司的发展造成一定的影响.本文从股价崩盘风险的角度,分析了三者之间的关系.这对企业长久的发展、控股股东风险的把控和股票市场的稳定发展具有重要意义.本文利用2015～2018年创业板民营上市公司的数据,实证分析了三者的关系.研究表明:股权质押的发生会减少创新投入的力度;进行了股权质押的企业,股价崩盘风险会相对较低;股价崩盘风险大的企业股权质押对企业创新投入的负相关更为显著.