基于投资者情绪的行为资产定价模型

沿用DHS模型研究框架建立了基于投资者情绪的资产定价模型,分析了投资者情绪对资产定价的影响,并利用该模型解释证券市场中的过度反应和过度波动等异常现象.论证了投资者情绪对长期市场收益具有反向影响,并且情绪交易者的存在导致短期资产价格波动变大.     

一类不对称信息结构下的资本资产定价模型

研究了一类信息不对称结构下的资本资产定价模型及投资策略问题,并假设金融市场只存在3类投资者:知情交易者、反应不足交易者和反应过度交易者,对每类投资者运用贝叶斯法则修正先验概率.文中得到风险资产的短期均衡价格,同时提出了合理的投资策略.     

基于行为金融的有限套利模型

本文基于行为金融理论，从投资者的行为特征入手，将市场中的交易者分为价值交易者、趋势交易者、资金受限的套利者3大类，同时考虑了过度反应、趋势交易的非理性行为，以及套利者资金受限的情况，使有限套利模型更接近真实市场行为。通过分析模型的数值结果发现，套利者能从投资者的非理性行为中获得套利收益。但是趋势交易者的存在可能使套利者不愿意在套利机会出现时立即套利，甚至在一定的条件下套利者会采取加大市场波动的操作来获得更大的总收益。可见减少趋势交易者的非理性程度对维护市场稳定有非常重要的意义。     

投资者过度自信影响国际碳期货价格的数理模型分析

文章采用格兰杰因果关系检验方法验证了国际碳期货市场投资者存在过度自信,并以投资者同质性、过度自信以及风险厌恶等假设为前提,构建了投资者过度自信影响碳期货定价的均衡价格数理模型,从理论角度分析了碳期货价格及其波动的机理,并通过数值模拟的方法验证了模型分析的准确性。研究结果表明:投资者过度自信程度越大、交易费用程度和保证金率越高,碳期货预期价格越高;投资者风险厌恶程度越大,碳期货预期价格越低;投资者过度自信程度的提升放大了碳期货价格的异常波动,碳期货交易保证金对碳期货价格波动具有影响,但交易费用不影响碳期货价格的波动;数值模拟验证了均衡价格模型理论分析的结果,同时发现投资者心理因素对碳期货价格及其波动的影响要比保证金和交易费用等因素而言更大。     

过度自信、风险溢价与套利有限性

以投资者的投资心理为基础，建立了基于过度自信心理的风险溢价模型，运用此模型建立了基于亏损概率的套利风险模型和基于期望损失的套利风险模型，研究了套利的有限性和投资心理给套利者造成的套利风险。模型的分析结果表明，投资者的过度自信会限制套利者的套利行为。     

我国资本市场加速开放背景下的全球股票资产配置策略实证研究

在我国资本市场加快开放步伐的背景下,如何构建有效的国际资产配置组合已经是一个具有现实意义的迫切问题。针对均值方差理论,采用非传统理性预期的风险偏好度量方法,完成投资者新投资偏好基础上的投资组合的实证研究。研究结论如下:从收益率特征来看:组合的收益率高于单一资产收益率或者持平,且风险相对其他单一资产而言要小;从资产配置类型来看:对于所有类型投资者而言,标普500都是最受青睐的资产;沪深300作为新兴市场指数,在国际配置中的比例几乎为0;从资产配置比例来看:随着投资者风险偏好水平递增,投资者资产配置趋于单一的高收益资产;相反,随着投资者风险厌恶程度的增加,投资者趋于分散化投资。     

基于交易者相互作用的行为金融模型

基于股票市场的实际情况,将交易者分成具有有限理性的两类:基本分析者和动量交易者,并利用基本分析者和动量交易者的相互作用,构建了证券投资的行为金融模型。模型分析表明,基本分析者的有限理性在短期会产生反应不足,动量交易者的交易策略在长期导致反应过度。     

基于异质投资者的资本资产定价模型

提出了一个不完美市场中的资产定价模型.从投资者的资金成本差异和信息不对称的角度出发,探讨了不确定状态下异质投资者对资产价格的影响,发现投资者资金成本差价和市场投资者组成结构等会影响资产价格的确定.通过模型推导发现:资金成本价差越大,资产价格波动越大;散户比例越高,市场波动越大.     

基于分位数回归模型的资产价格泡沫对市场风险的影响

资产"泡沫"是指资产的市场价格对其基础价值的偏离.泡沫的存在会改变投资者预期,助推资产价格上涨,使投资者低估风险,危及市场稳定运行.在度量沪深股票市场中的泡沫程度的基础上,应用分位数回归模型研究了泡沫对市场风险的影响.得出以下结论:泡沫与市场风险存在相关关系,泡沫越大市场风险越大,且泡沫对长期风险的影响比短期风险更大.市场风险受到短期泡沫和长期泡沫的共同影响.泡沫在短期内助推资产价格上涨,使短期内市场风险下降;而长期来看,泡沫破裂可能性增大,市场风险增加.     

基于ARMA-GARCH-t和Black-Litterman模型的资产投资组合研究

本文选取上海证券交易所不同行业3只市值热度较高的股票运用ARMA-GARCH-t模型对其日收益率与波动性进行预测,在推广的Black-Litterman(BL)模型的框架下,将投资者主观收益分布与资产的先验均衡分布相结合,计算资产的配置权重,并与传统的马科维兹均值-方差(MV)模型给出的组合权重进行对比,发现投资者对资产收益的信心水平越高,BL模型在投资组合中赋予相应资产的权重越高,且投资组合的收益也得到提高。最后,通过融资融券分析验证3只股票市场配置的有效性,说明BL模型给出的配置更符合投资者预期。该研究可以为资产管理者和投资者在资产配置方面提供更多借鉴。     

亚里士多德直言命题理论的现代解析

对亚里士多德的直言命题理论作了全面的分析,指出亚里士多德在逻辑史上第一次引进词项变元,建立了对当方阵,为三段论奠定了基础。接着,比较分析了现代逻辑对亚里士多德的直言命题所作的几种解析,在此基础上,提出了一种符合亚里士多德原意的解析。     

一种可用于分类型属性数据的多变量决策树算法

针对绝大部分多变量决策树只能联合数值型属性,而不能直接为带有分类型属性数据集进行分类的问题,提出一种可联合多种类型属性的多变量决策树算法(CMDT).该算法通过统计各个分类型属性的属性值在各个类别或各个簇中的频率分布,来定义样本集合在分类型属性上的中心,以及样本到中心的距离.然后,使用加权k-means算法划分决策树中的非终端结点.使用这种结点划分方法构建的决策树可用于数值型数据、分类型数据以及混合型数据.实验结果表明,该算法建立的分类模型在各种类型的数据集上均获得比经典决策树算法更好的泛化正确率和更简洁的树结构.     

基于社会化标注和网页分类的个性化检索方法

Web2.0为信息检索提供了很多可以使用的资源,其中两种资源对于个性化检索而言非常有益,那就是社会化标注和网页分类信息。用户给出的标签反映了其对于网页的认识和思考,而用户标注过的网页的类别则反映了用户在选择时的偏好和兴趣,两者的结合使用对个性化检索能起到良好的效果。在仅使用社会化标注进行个性化检索的方法上,提出基于标注和网页分类进行个性化检索的方法,通过两者结合筛选出兴趣和偏好相近的用户,进行用户属性的扩展,并在扩展时考虑用户的质量,从而能在个性化检索中取得更好的结果。在真实数据集上的实验表明,本文方法具有一定的优势。     

从复杂系统理论看传统思维方式的历史演变

讨论自近代科学以来思维方式演变的历史进程,它基本上可分为三个阶段：现代主义思维方式,系统论思维方式和后现代主义思维。提出现代主义思维方式的主要形式是机械论。机械论与近代科学伴随而生,系统思维以整体性为目标,但方法仍离不开分割和还原;现代主义思维和系统思维都属于构成论的范畴。复杂性科学的兴起,带来了思维方式的重大变革,使其进入以生成论为特征的后现代。文中还穿插论述了发散式和收敛式两种思维形式在人类整体思维方式演变中的作用。     

新实践美学的宣言——评张玉能教授的《新实践美学论》

《新实践美学论》以实践—创造—自由为轴心,全面考察了美和实践的关系,在全面分析实践的结构和类型的基础上,重新界定了"两个对象化"的内涵,深入分析了实践的建构、转化和解构的功能,进而从实践的自由、准自由、不自由和反自由四个维度解析美、美的范畴和实践的关系,为新实践美学建构独特的美学范畴体系做出了积极的贡献。     

部分信息下基于过度自信的动态最优消费投资决策

研究了投资者不知道风险资产的收益均值,并在过度自信的影响下,根据观测到的风险资产价格来推测其收益均值的真实值情况下的最优消费投资决策问题.将行为金融理论中过度自信这一重要的认知偏差纳入经典的最优消费投资问题中考虑,建立了部分信息下的最优消费投资决策模型,并运用随机动态规划原理得到了最优消费投资策略.在CRRA效用函数下发现,因风险资产收益均值的未知而导致的投资者套利需求为负,并得到了一个重要的结论:由于金融市场中信息的不完全,投资者过度自信时,其投资于风险资产的绝对值最优比例不一定增大.     

在模式转换市场与随机利率条件下的投资组合问题

本文考虑在Markov调制的模式转换市场与随机利率条件下,投资于无风险资产储蓄账户和风险资产股票的组合问题,研究使投资者的终时期望效用最大的最优投资组合。本文将最优投资问题转化为最优控制问题,进而转化为求解HJB方程模型,并直接证明了此HJB方程是关于控制π(投资于风险资产的财富)的严格凹的二次函数,随后转化为求解常微分方程组的问题。最终得到在模式转换市场与随机利率情况下投资于风险资产的财富比例θ只与不同市场模式下的各项参数相关。     

Clustering Categorical Data：A Cluster Ensemble Approach

Clustering categorical data, an integral part of data mining, has attracted much attention recently. In this paper, the authors formally define the categorical data clustering problem as an optimization problem from the viewpoint of cluster ensemble, and apply cluster ensemble approach for clustering categorical data. Experimental results on real datasets show that better clustering accuracy can be obtained by comparing with existing categorical data clustering algorithms.