基于MS建模方法的基本面分析师预测行为研究

从证券市场参与者的有限理性出发，分析了基本面分析师在进行价格预测的过程中所面临的复杂制度环境。通过MS（Microscopic Simulation）的建模方法，考虑了证券市场交易制度和各类参与者的决策规则之间的相互作用，建立了仿真的证券市场。仿真的结果表明，当公司具备投青价值且上市公司盈余管理能力较强时，基本面分析师即使能够分析出上市公司的真正业绩，仍会用粉饰过的盈余进行股价的预测．     

证券市场中私人信息与资本成本的关联性

通过一个理性预期均衡模型，证明了证券市场中私人信息有助于降低上市公司的资本成本。这是因为，私人信息可以直接降低知情投资者的预测风险，或者借助均衡价格的信息揭示作用，间接降低不知情投资者的预测风险。这种间接影响的存在，意味着均衡价格的信息揭示效率的提高，也有助于降低投资者的预测风险。所以，监管机构可以通过提升交易过程的透明度，在维护公平的前提下，降低证券市场的融资成本。同时，对沪深股市502家上市公司的实证分析也表明，证券分析师盈余预测的变异系数越高，资本成本越低。因此，我国证券市场中的私人信息具有显著的资产定价效应。     

中国利率政策和证券市场的关系的分析

根据现值理论,利用事件分析和协整与误差校正模型方法研究了当前中国利率政策对证券市场的短期影响和长期影响,发现利率政策对证券市场的短期影响有反常现象;而利率政策对证券市场的长期影响是稳定的,我们可以利用它来预测当利率政策发生变动时,证券市场的反应;并给出一些实施利率政策的建议．     

我国证券市场行业收益三因素模型的实证研究

Fama-French三因素模型比资本资产定价模型更好地描述了股票收益率横截面数据的变动,采用最新的股票数据(2000.01～2003.12)并运用Fama-French的三因素模型对每个行业的平均回报率进行了检验。论证了行业收益的三因素模型在我国证券市场上是成立的,同时检验了我国证券市场上每个行业是否有“月度效应”现象。实证结果为风险预算过程中的战略风险预算和风险控制提供了可靠依据,同时为投资组合选择、预测、决策及其业绩评价提供了一定的依据。     

基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．     

非有效证券市场庄家控股模型

结合中国证券市场证券存在的非有效率问题，提出了一类单一证券庄家控股模型。模型的深入研究，有助于分析及理解中国的证券市场现行机构投资者对证券走势的实际控制程度，从而有利于国家对相关问题的监管控制及最终有利于中国证券市场向理性化、有效率化发展。     

混沌时序重构及上海股票指数预测的应用研究

应用非线性自相关混沌模型,采用神经网络和小波理论相结合的方法对模型参数进行辨识,其辨识的准确程度较高.通过对混沌时序进行预处理和傅立叶滤波,然后再进行重构和预测工作其效果良好;文章采用该模型对上海证券市场的600062号股票数据的开盘、最高、最低、收盘价数据进行了建模和模型中参数辨识的工作,其预测的结果比较准确.     

基于模型的构件系统性能预测综述

在软件开发过程的早期引入性能需求，并通过建立性能模型对待实现系统的性能进行预测可以极大减小项目风险。给出了构件系统性能预测的一系列相关定义，总结并比较了各种性能模型在描述能力和解析难度上的优缺点。在总结通用的性能预测方法基础上，提出了基于模型的性能预测方法的一般思路。详细介绍了基于模型的构件系统性能预测3类方法，从多个方面对各种方法进行了比较和分析。探讨了当前研究中的不足之处，给出了本领域有前途的研究方向。     

基于不规则数据的中国股市微观结构研究

引入了自回归条件久期模型，采用极大似然估计的方法对具有指数分布和Weibull分布两种模型分别进行了参数估计，检验了模型的性能，并以WACD模型为基础对我国上海证券所个股的交易集群性特征进行了检验．实证结果表明，在我国证券市场交易的集群性特征是由于以私人信息为基础的交易过程引起的，私人信息的引入导致了证券市场更大的波动性。     

中国证券市场正反馈交易的实证研究

在Shiller—Sentana—Wadhwani模型的基础上，建立一个不对称EGARCH模型，对我国证券市场正反馈交易行为进行了实证检验。实证发现我国证券市场上显著的一部分投资者为正反馈交易者，不以基本面价值为基础的正反馈交易在市场报酬的形成中起着重要的作用，正反馈交易使市场收益自相关系数与市场波动呈现负向关系，且高波动期间出现负自相关。同时，中国证券市场正反馈交易并不对称，市场下跌期间比上涨期间正反馈交易要明显得多。     

财务指标与违约距离相融合的上市公司财务预警模型

违约距离是基于股票交易数据的信用风险度量指标，运用中国A股上市公司数据研究其在财务预警模型中的作用。研究结果表明，违约距离可提升财务预警模型的拟和优度和预测能力，但提升效果较为有限。     

基于杠杆效应和结构突变的HAR族模型及其对股市波动率的预测研究

近年来,基于高频交易数据的HAR族模型在对各类金融市场波动率的预测研究中展现出了良好的预测效果.本文在4个经典或前沿的HAR族模型的基础上,考虑杠杆效应和结构突变因素对波动率的预测作用,构建4个带杠杆效应和结构突变的HAR族模型.接着,以上证综指和深证成指的5分钟高频交易数据为研究样本,对上述模型进行样本内和样本外分析,以此检验各成分对股市波动率的预测作用以及比较各模型的预测能力.实证结果显示:已实现波动率,连续波动率,下行波动率,上行波动率,杠杆效应和结构突变成分对股市波动率的预测作用较强,而跳跃波动率,符号跳跃方差对股市波动率的预测作用较弱;带杠杆效应和结构突变的HAR族模型对股市波动率的样本内拟合效果和样本外预测能力都明显优于相对应的不带杠杆和结构突变的HAR族模型,其中大多数情况下LHAR-CJ-SB模型展现出最高的拟合效果和预测精度.以上结果表明,杠杆效应和结构突变因素能有效提高HAR族模型的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视.     

Analyzing the Potential Influence of Shanghai Stock Market Based on Link Prediction Method

In this paper, we analyze the 180 stocks which have the potential influence on the Shanghai Stock Exchange(SSE). First, we use the stock closing prices from January 1, 2005 to June 19, 2015 to calculate logarithmic the correlation coefficient and then build the stock market model by threshold method. Secondly, according to different networks under different thresholds, we find out the potential influence stocks on the basis of local structural centrality. Finally, by comparing the accuracy of similarity index of the local information and path in the link prediction method, we demonstrate that there are best similarity index to predict the probability for nodes connection in the different stock networks.     

神经元网络在股价预测中的应用

利用时延神经元网络模型（ＴｉｍｅＤｅｌａｙＮｅｕｒａｌＮｅｔｗｏｒｋ）对四川长虹的股价作了预测。股价的涨跌预报可视作高维空间的非线性分类问题,本文使用增益可调的反向传播算法,对其走势作了预报。借助前馈神经网络对非线性函数的逼近能力,本文对四川长虹股价这个时间序列作了连续若干天的一步预测。最后,我们采用不同形式的误差函数对预测结果作了比较。     

股市预测中的小波神经网络方法

首先论述了股市时间序列中的明显随机性 ,可能是由于非线性确定性系统中混沌行为的缘故 ,利用混沌的确定性可以进行短期预测 .混沌时间序列预测首先要重构相空间 ,接着充分利用小波变换时频分析的局部化特性 ,提出了一种改进的小波网络结构 ,探讨了股市预测模型问题 .经实例验证 ,该方法能有效地提高预测精度 ,避免了人工神经网络模型和指数自回归的固有缺陷 .     

交易者异质性条件下系统风险冲击与企业创新能力对股票价格波动性的影响机理:理论模型与仿真分析

基于信息交易者和非信息交易者行为特征，建立数学模型从理论上研究交易者异质性条件下系统风险冲击与企业创新能力对股票价格波动性的影响机理，并利用MATLAB编程对理论模型结果进行仿真分析.研究结果表明：企业创新能力在任何系统风险冲击和交易者结构下都将发挥股票价格稳定器作用；在企业创新能力较高时，股票价格波动性与信息交易者持股比例负相关，与系统风险冲击之间的相关性因交易者结构不同而呈现出不同特征；在企业创新能力较低时，股票价格波动性与系统风险冲击正相关，与信息交易者持股比例之间呈U型关系；信息交易者持股比例较高的股票市场更具优胜劣汰选择机制.提升企业创新能力、提高信息交易者持股比例、完善信息披露制度是抵御系统风险冲击、保障股票市场稳定可持续发展的重要途径.     

混沌序列自适应多步预测及在股票中的应用

针对混沌时间序列自适应预测方法在多步预测中预测器系数无法调节的问题,根据混沌时间序列的短期可预测性及自适应算法的自适应跟踪混沌运动轨迹的特点,提出了一种自适应多步预测方法.在多步预测中,该方法根据已知样本得到对将来值的预测值并能自适应调节滤波器系数.仿真结果表明此方法的多步预测性能明显好于自适应预测方法的多步预测性能.将此方法应用于对股票数据的预测,得到了较好的预测结果.     

基于可行域解析中心的股指时间序列预测

预测股票涨跌情况,并提出了一种新的时间序列预测方法,该方法将时间序列预测问题转化为多类分类问题.同时在分析现有多类分类机器不足的基础上,提出了一种基于可行域解析中心的多类分类器.通过上证股指序列的实证分析表明,提出的方法及多类分类器是有效的且有很强的实用性.     

基于遗传算法的BP神经网络时间序列预测模型

神经网络能以任意精度逼近非线性函数 ,以神经网络为基础的时间序列预测模型能很好地反映非线性系统发展的趋势 ,但神经网络训练速度慢、易陷入局部极值。针对这种情况 ,用具有良好的全局搜索能力的遗传算法来改进神经网络时间序列预测模型 ,提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络 ,并将该神经网络时间序列预测模型应用于某时间序列的预测。     

考虑广义多维空间效应的S-VaR测算

VaR(value at risk)的测算精度一直是业界和学术关注热点问题.本文应用定义的经济测度距离和引力空间权重矩阵,建立广义多维空间计量模型捕捉金融系统的空间效应信息,构造S-VaR(saptial-value at risk),提高VaR的测算精度.以SP亚洲50指数作为股票资产组合替代变量进行实证分析,结果表明:广义多维空间效应S-VaR能捕捉金融市场存在的多维空间相关性和风险的空间溢出效应,提高了VaR模型在风险预测中的精确性.