基于中国股市财富效应的资本市场效率研究

运用滚动样本和误差修正(ECM)模型检验了2001-2011年我国股票市场在不同样本期间的财富效应,在此基础上形成以下结论:我国股票市场在总体上存在财富效应,但其效果并不显著;短期内股市财富与社会消费相互影响,且股市财富对社会消费的影响在某些时段表现为替代效应;长期而言消费决定股市财富;我国股票市场呈现弱势有效市场特征,投机气氛较浓,影响财富效应的发挥。同时,就此提出了有利于发挥股市财富效应的相关措施。     

移动支付、股市参与和家庭财富——基于有调节的中介模型

基于流动性约束理论和信息不对称理论，构建一个有调节的中介模型，依据CHFS2017发布的微观数据，将股市参与和投资顾问纳入移动支付对家庭财富的影响路径之中。结果表明：移动支付对家庭财富具有显著的正向影响；股市参与在移动支付和家庭财富之间存在着部分中介效应；投资顾问不仅正向调节股市参与对家庭财富的影响，而且正向调节股市参与在移动支付和家庭财富关系中的中介效应。异质性检验发现，移动支付对城镇家庭、东部和中部地区家庭以及创业家庭的财富积累正向影响更大。用工具变量法进行稳健性检验，结论依然成立。     

证券组合中的风险控制

资本资产定价模型(CAPM)刻画了在资本市场达到均衡时,资本收益的一个市场确定机制。它是一个单指数模型:在众多假设下,指出不同股票的价格等同移动的原因在于股市的共同运动。它具有简便,易于操作的优点,是一些实际工作者乐于使用的模型,然而该模型不易检验,因为难以得到真正的市场组合,更严重的是一些经验结果与它相背。就此本文利用双因素定价模型测算所投资证券的风险值,并在此基础上,给出了关于Markowitz证券组合选择模型的SUMT外点法求解方法。     

基于EGARCH-CVaR的我国股市风险分析

根据我国股票市场收益的基本特征,对上证180指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型。通过计算三种不同分布下的CVaR值,对股市风险进行分析。并将EGARCH模型的CVaR值与GARCH模型的CVaR值进行比较。结果表明,基于广义误差分布的EGARCH模型(EGARCH-GED)能更好地刻画我国股市的市场风险。     

基于财富效用的产权协商定价理论研究

基于效用理论和交换理论,根据人们对财富价值的偏好,构造了度量交易人对产权交易中所获利润满足程度的财富效用函数.在产权交易中,买卖双方的获利水平作为财富效用函数的自变量,服从不满足定律和满足程度递减定律.基于个人的财富效用函数,构建产权交易定价的协商模型,并导出协商交易均衡价格的求解方程.在均衡价格状态上,研究了财富效用函数结构参数和协商模型参数的变化对均衡价格的影响.这些研究为产权协商交易定价的机制设计提供了科学基础.     

基于元胞自动机的期权定价模型

针对期权定价难于模拟基础资产价格波动随机性的问题,设计了基于元胞自动机的期权定价模型．该模型将市场参与者看作一个个的元胞,使用元胞规则来模拟金融市场中交易者之间的交互行为。从而在总体上模拟出基础资产价格的变化．比较了模型产出的数据和Black-Scholes模型的计算结果,检验了模型产出数据的正态性,发现基于元胞自动机的期权定价模型不仅具有可行性,而且比Black-Scholes模型更有效．     

基于双因素的可转换债券定价模型

将信用风险、利率期限结构引入到二叉树定价模型中,建立以股价和利率为标的变量的二叉树定价模型.在给定的边界条件和具体参数下,对我国的可转换债券进行定价研究,并用市场数据对模型做了实证检验.对比标的股价二叉树定价模型的计算结果,发现基于双因素的可转债定价模型的计算精确度较高,同时,计算得到的理论价值的走势跟市场价格的走势较为相似.     

一种基于计算机应用的多周期随机优化问题的求解方法

在失效风险与需求波动并存的不确定性环境下,为了解决商业利润优化问题,获得最低风险最大利润,文章提出了一种基于多周期随机规划问题的求解场景的新方法,并对某国的一个大型市场的商业政策进行了案例研究。在基于分解的定价方法基础上,对新方法进一步说明。利用基于分解的定价方法求解多周期随机优化问题是随机规划领域的最新工作,基于分解的定价方法是一种最新的、更快的分解技术。针对优化技术的特点,文章提出了一个计算模型,从该国的大型市场收集了一年的数据,并分析了其利润,根据不确定因素下的不同场景将全年分为4个阶段。最后通过使用数学编程语言对新技术的模型进行了分析。利用提出的模型,经过对比分析,采用提出的计算模型,在分析利润方面有明显的优势,而且也能够在实际商业政策中得到应用。     

基于人工神经网络的股市预测模型

建立了构成基于人工神经网络的3种股市预测模型（基本数据模型、技术指标模型和宏观分析模型）,分析了神经网络应用于股市预测的实效性。实证分析表明,3种模型对上证综合指数的拟合效果均较好。在“基本数据模型“中,建立带有附加动量项和自适应学习速率的BP网络,具有较快的运算速度和逼近性能。在“技术指标模型”中,通过一些股市重要技术指标的引入,使其增加了反映市场各方面深层内涵的信息,而且网络的泛化能力有所提高。在“宏观分析模型”中,引入了影响股市的5项主要宏观经济指标,使模型包含了宏观经济基本面的更多信息,强化了股市神经网络模型的应用价值。     

基于预期的股价波动混沌模型研究

本文基于股市中对价格的预期建立一个模型,此模型能够解释价格波动中存在的混沌行为. 文中用Li-York定理证明了股票市场具有混沌特征,并得到了系统发生混沌的充要条件. 最后在模型研究的基础上给出了市场宏观调控的相关建议.     

中国房地产财富效应之实证研究

选取从2001年第1季度~2008年第4季度的全国样本数据,结合股票市场财富效应,采用单位根检验、协整检验、G ranger因果检验和误差修正模型的方法进行实证分析,深入探讨了全国房地产财富效应。研究结果表明:就长期来看,房地产市场财富效应显著,并呈负方向影响消费,同时股票市场财富效应不明显;就短期而言,全国房地产市场财富效应及股票市场财富效应均不显著。并提出了相关政策建议。     

连续学习分类系统研究

学习分类系统(LCS)是一个动态感应环境的模拟认知系统,它利用环境反馈评估种群中的分类规则并通过遗传算法对种群进行进化．当环境输入包含连续属性时,经典LCS无法遍历整个状态空间．提出一种新的基于神经网络的连续学习分类系统,并通过实验验证了这种连续学习分类系统能够较准确地进行连续属性离散化,从而提高系统分类精度．     

基于FIPA的实时多Agent股票买卖原型系统

提出了一个以CORBA作为底层并与FIPA兼容的实时多Agent股票买卖原型系统.在股票市场中,定义了四种不同类型的股票Agent.该系统由一个实时Agent通信层和一个实时CORBA层构成.在实时Agent通信层,FIPA Agent通过本文扩展的实时FIPA ACL通信.在CORBA层,Agent作为CORBA对象通过本文实现的OMG IDL进行通信.此外,还对实时Agent通信层的几个核心Agent的实现也作了相应的描述.受益于多Agent系统,原型股票系统的自动性增强.同时还提供了实时Agent通信、实时Agent调度、实时Agent目录设施等实时股票交易Agent服务.这些服务允许描述并增强了实时股票Agent的交互型.     

NDSocTeam仿真机器人足球队的设计和实现

机器人足球(RoboCup)是研究多agent系统的体系结构、多agent团队合作理论以及机器学习方法的理想测试平台。介绍了开发的仿真球队NDSocTeam系统的设计原理和实现技术。系统设计了以机器学习技术为核心的球员agent结构，并建立了一种分层学习以及多种学习技术相结合的机器学习系统．重点描述了NDSocTeam系统的总体结构、球员agent的结构以及机器学习的实现技术。     

中国股票市场和房地产市场的财富效应

通过扩展Modigliani的生命周期假说模型,利用我国股票市场与房地产市场(住宅市场)方面的数据,运用单整与协整检验方法及误差修正模型,对股票市场和房地产市场(住宅市场)的财富效应进行了实证研究.研究结果表明,无论从长期还是短期来看,流通股市值是影响消费支出的最主要因素,股票市场的财富效应是收缩的财富效应,而房地产市场(住宅市场)的财富效应是扩张的财富效应.     

我国股票市场财富效应的实证分析

该文应用格兰杰因果关系检验和协整分析方法，对我国股票市场的财富效应作了实证分析，指出我国股票市场不具有财富效应而仅具有替代效应．     

中国股票市场分割(1991～2000)的理论探讨

与世界其他国家的证券市场相比,中国证券市场是一个高度分割的市场,这首先表现在它被划分成为A、B和H股三个市场,这三个市场不仅计价货币、交易机制和募集方式不同,而且各自允许开放的投资者对象也严格限定、互不开放。由此,这三个市场的股票价格彼此差别较大。重点考察了中国大陆的股票市场分割,其重要体现是中国B股市场普遍存在着严重的折价问题,在B股市场向国内持有外币的投资者开放之前,大多数上市公司B股价格不仅远低于其A股价格,有的还曾跌破发行价、资产净值和面值,这使得我国B股市场已经成为世界证券市场平均市盈率最低的市场,其平均市盈率只有11倍,这不仅大大低于A股市场平均市盈率(大于50倍),也低于国际股市的平均市盈率(15～20倍)。认为,资本控制,即投资限制、B股相对于A股的信息不对称和对人民币汇率的预期是形成B股折价的主要因素。     

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。     

基于LCS的水库供水规则分类系统

建立了基于遗传学习分类器系统(LCS)的水库供水规则分类系统,通过信任分配(桶链算法,BBA)与规则发现(遗传算法,GA)机制进行学习,提取水库供水调度规则.实例研究得到学习样本识别率接近95%,检验样本识别率为85%.进一步从调度规则的合理性、学习样本对规则集的影响以及该分类系统与人工神经网络对规则提取结果的比较这3个方面分析了系统提取规则的性能与行为.研究表明,利用该分类系统提取水库供水调度规则是可行且有效的.     

基于虚拟股市的演化复杂性度量与分析

建立了基于遗传元胞自动机的虚拟股市模型,股市中的股民用元胞代表,股民具备自主学习的能力,同时亦受邻近股民投资历史的影响,股民间的相互影响通过选择算子与交叉算子实现,外界环境通过改变变异概率影响股市系统的演化行为.提取了度量系统演化复杂性的特征量,并在此基础上,研究了它与个体数量及耦合强度之间的关系.大量实验表明：足量的个体与适度的耦合强度有利于维持系统的长期演化.