基于多重分形谱的神经网络建模及股价指数预测

基于多重分形理论,对上证指数进行实证研究,确认了多重分形谱参数与股价指数及股指收益率之间的统计关系,以此确定神经网络的输入、输出变量来构建以多重分形理论为依据的神经网络模型,并将其应用于股价指数的预测中.结果表明,该神经网络模型能够取得比较好的预测效果,预测的平均准确率达98.9%,而且该模型能够较好地模拟股市的短期走势,对防范和控制风险具有现实意义.     

美国股市会影响金砖国家股市之间的相关性吗?——线性和非线性条件Granger因果检验

利用线性和非线性条件Granger因果检验方法探讨了美国股票市场对金砖国家股市相关结构的直接和间接因果影响关系。在条件线性Granger因果检验基础上,考虑到证券市场之间显著的非线性关系,文章利用非参数回归、VAR模型及非线性Granger因果检验等,构建了诊断金融市场非线性条件Granger因果检验方法。实证结果发现金砖国家股市之间存在的四种类型条件因果关系能更深刻揭示市场之间的交互关系。研究证实美国市场对金砖国家股市相关性有重要的影响作用,同时巴西股市最易受到美国股市的影响。最后,稳健性检验进一步说明了结果的合理性。     

汇率与股指联动关系:基于战略性新兴产业板块的实证

采用小波分析和多元GARCH-BEKK模型相结合的研究方法,测度人民币汇率与我国战略性新兴产业板块股指之间的波动相关性和联动效应。实证结果表明,人民币汇率与信息技术、生物医药板块指数之间均具有不同程度和周期性质交互影响的联动效应,整体来说汇率对行业股指的溢出效应强度大于行业股指对汇率自身,基于实体经济性质的不同,汇率变动对不同行业及其企业的影响并不一致;随着近年来股市行业板块市值的扩大和价格表征作用的加强,样本战略性新兴产业板块股指逐渐对汇率的价格走势和波动产生显著的均值溢出效应和波动溢出效应。     

中国股票市场与房地产市场的联动关系

利用变点检验、线性和非线性Granger因果检验的计量方法研究了房地产市场化改革完成后中国股票市场和房地产市场的关系。实证结果表明:上证综合指数和国房景气指数均为分段趋势平稳序列,外生冲击对二者只有短暂的影响;从房改完成后的历史数据来看,房地产市场在一定程度上成为中国国民经济的晴雨表,正在完善之中的中国股票市场与宏观经济走势的联系仍不十分密切;两者的互动关系表现为股市是房市的线性Granger先导,而房市在一定程度上对股市有滞后的非线性Granger的引导作用。     

股市是经济的晴雨表吗?--基于2005-2017年沪深300指数和采购经理人指数数据

本文采用去趋势交叉相关性分析(DCCA)、多重分形去趋势交叉相关性分析(MF-ADCCA)、基于时间延迟的DCCA算法,选取2005年4月至2017年6月沪深300指数和采购经理人指数数据,对中国股市与经济的相依性、非对称性及传导方向进行研究,并引进DCCA交叉相关系数进行国内外比较分析,结果表明总体来看,股市与经济的交叉相关具有持久性,说明股市与经济存在相互影响;股市与经济的交叉相关具有非对称性:股市收益率(经济增速变化量)呈上升趋势比下降趋势时的交叉相关更具有持久性,同时,二者走势存在背离现象,说明股市不是经济的晴雨表;二者之间传导方向是双向的,且相同时滞时,股市对经济的影响更大;与美、英两国比较,中国股市与经济的交叉相关程度最弱.上述结果为宏观经济预测和调控提供重要参考.     

中国A股市场行业板块间领滞关系的动态变化实证研究

采用Granger因果检验方法和双变量GARCH(1, 1)模型, 重点对中国A股行业板块和基金板块间的领滞关系进行了分析研究.实证考察了中国A股市场在2005年股权分置改革以及次贷危机前后从熊市到牛市再到熊市的不同周期及各个周期内的不同阶段领滞关系特征. 结果表明: 股改之前,许多实体经济相关的行业板块指数间不存在或只有很弱的领滞关系;股改之后, 在股市处于牛市和熊市过渡的时期, 领滞关系尤其显著;进入全面牛市阶段, 领滞关系减弱; 次贷危机全面蔓延后的2008年上半年,领滞关系再次加强, 且板块间不仅存在单向或双向的领滞关系,而且在多个板块间存在领滞关系的传递.投资者和决策者可以从领滞关系的动态变化中得到相对应的投资策略和管理方法.     

物元模型在股市预测中的应用

运用可拓学的理论,建立了股价指数的关联函数,并提出了一套利用关联函数在正负域内的变化对股市未来波动趋势进行预测的方法。     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

区间数据典型相关分析技术及其在股市分析中的应用

采用一种针对大规模复杂数据的分析技术——符号数据分析方法(SymbolicDataAnalysis简称SDA),以中信证券风格指数作为研究对象,对2002年中国股票市场的财务指标与市场表现进行典型相关分析.研究结果表明,中国股市财务状况与市场表现相关性明显,上市公司的收益状况、偿债能力、资金管理能力及价值/成长因素决定股票的运行状况,不同风格股票在财务-市场关系方面差异性显著,行业特征明显.通过分析可以看到,运用符号数据对中国股市运行特征进行的分析结论与客观现实非常吻合,从而证明使用符号数据的典型相关分析技术对大规模多维动态数据系统进行统计分析是十分有效的.     

基于SVM和灰色预测的飞灰含碳量集成预测

针对电厂飞灰含碳量难以进行有效预测的问题,提出一种嵌套智能集成预测方法.首先,利用变学习率BP神经网络和主成分分析方法对输入变量进行降维处理；其次,为提高模型自适应能力,利用上述分析结果采用在线支持向量机建立飞灰含碳量预测模型；然后,为反映飞灰含碳量数据的时间相关性,采用灰色预测方法建立当前时刻飞灰含碳量预测模型；最后,在上述预测模型的基础上,利用信息熵的权值组合方法获得最终的飞灰含碳量预估值.仿真结果表明,该智能集成预测模型的预测精度要高于单一模型,能对电厂飞灰含碳量进行有效预测.     

基于Takenaka-Malmquist自适应时频分布的特征指标——来自上证和深证的数据

股票价格指数度量并反映了股票市场总体价格水平及其变动趋势，包含了丰富的市场信息，受到投资者和政策制定者的普遍关注.利用一定的数学方法对其进行分析和研究，挖掘股指的潜在价值，对加快资本市场治理，提升金融效率，促进国民经济的平稳快速发展具有十分重要的意义.本文利用基于Takenaka-Malmquist自适应傅里叶分解（简称自适应傅里叶分解或AFD）的时频分布，有效提取了股票价格指数的时频特征，分析股票市场的变动趋势.为满足自适应傅里叶分解的要求，首先利用H-P滤波算法对时间序列进行预处理，去除时间序列的趋势项，然后利用AFD算法处理周期项数据，在此基础上得到股票价格指数的时频分布，并进一步分析股指变动趋势.基于自适应傅里叶分解的算法可以有效提取股指在时频两域的信息，避免了单一域分析的缺陷，且比现有的小波分解方法具有更高的分辨率和准确度.为检验指标的有效性，本文利用上海证券交易所的上证综合指数（代码000001）和深圳证券交易所深证成份指数（代码399001）实证检验了指标的有效性，结果表明基于自适应傅里叶分解的时频分布提出的股市技术分析指标可以用于中短期股票市场的变动特征分析.     

单支股票市场的元胞自动机模型及其动力学研究

在基于投资分析的股票市场演化元胞自动机模型的基础上．建立了兖州煤业股票市场的单支股票元胞自动机演化模型，并以演化模型产生的股价指数序列为研究对象进行了动力学分析。通过考察股价指数序列在重构相空间中的轨迹，我们发现了股票市场中的混沌现象；通过相空间的分形维计算．说明了建立股票市场的动力学方程是有可能的；根据模拟模型和现实市场的对比分析，进一步证实了基于投资分析的股票市场演化元胞自动机模型，在模拟股票市场复杂性方面的可行性。     

中国股市与股指期市的对冲表现及市场非完备性

基于理论模型和数据实证两个角度考察了在市场非完备条件下, 我国股票市场与股指期市的对冲表现. 在理论上, 建立了市场非完备性与市场微观噪声及考虑噪声的对冲效果之间的关系. 在实证上, 首先提出了一种基于非参数估计的分析方法, 然后利用5分钟高频数据验证了模型假设的合理性及模型结论的正确性. 理论与实证都表明当一个市场非完备性程度越高时, 利用股指期货对冲股市风险就越应考虑市场微观噪声的影响. 实证结果还表明我国股票市场和股指期货市场间存在较高的非完备性. 不过,随着时间的推移,市场的非完备性存在减小的趋势.     

投资者情绪影响香港股票市场吗?

本文选取香港股票市场的封闭式基金折价率,initial public offering(IPO)首日收益率,IPO数量,市场成交量和换手率等五个原始情绪指标,利用主成分分析法构造了综合投资者情绪指数,然后应用autoregressive moving average-generalized autoregressive conditional heteroskedasticity(ARMA-GARCH)族模型分别剔除了综合投资者情绪指数与香港恒生指数中的趋势因素和季节因素等外在影响,对ARMA-GARCH模型的残差作相关性分析和Granger因果关系检验.研究表明,ARMA-GARCH族模型能有效处理投资者情绪指数和香港恒生指数的自相关性和异方差性.Granger因果检验发现在短期内恒生指数收益率是投资者情绪的Granger原因,即当香港股市处于上升阶段时,投资者情绪会更加乐观,而当股市处于下降阶段时,投资者情绪则会变的更加悲观.     

基于Hilbert-Huang变换的房地产调控政策对地产指数的影响

运用Hilbert-Huang变换的方法将地产指数价格分解成几个本征模函数的叠加，通过t 检验、Hilbert-Huang 频谱和功率谱分析将其归类重组，最终形成了地产指数的三个基本分量. 在此基础上对2002 年5月9日至2011年2月9 日期间颁布的142条房地产宏观调控政策进行作用力检验，并通过模拟政策作用力探究其对地产指数价格分量的影响，最终找到53 条影响市场波动价格和54 条影响重大事件价格的政策. 从Hilbert-Huang频谱分析上来看，2007 年1月至2009年2月的一系列宏观调控政策增加了地产指数市场波动价格的波动程度. 从对政策作用力的模拟来看，市场对于货币政策的反应非常灵敏，而对于某些商品房市场政策、土地市场政策等反应有一定的滞后性. 政策初始作用力的大小与持续时间无关.     

西安市住宅房地产价格传导机制研究

本文利用蛛网模型这一数学工具,从研究房价着手,特别是从房价变化的传导机制着手,建立了西安市住宅房地产市场供求关系的传导机制模型,通过分析得出结论,西安市商品住宅市场供求关系中的价格传导机制存在不稳定因素,呈现出正反馈式的发散特征,但目前西安市房地产市场在快速增长的基础上,继续保持稳定、快速、健康发展的态势,市场形势良好。另外,通过对房地产市场供求分析预测了住宅房地产的销售前景,并且,提出了稳定房地产市场的对策。     

中国金融状况与实体经济发展研究——来自中国2000-2017年月度数据

运用混合创新时变系数随机方差向量自回归模型(mixture innovation time-varying parameter vector autoregressive models with stochastic volatility,MI-TVP-SV-VAR)构建中国金融状况指数(MFCI)测度中国金融状况,并基于非对称多重分形去趋势交叉相关分析法(multifractal asymmetric detrended cross-correlation analysis,MF-ADCCA算法)分析MFCI对实体经济发展的预测能力.以我国2000-2017年月度数据为研究样本,实证结果显示:各金融状况变量的权重均具有灵活时变性,股票价格、债券价格、房地产价格在MFCI中的权重较大;MFCI在样本期间能够与实体经济发展保持趋势上的一致性,且领先于实体经济发展(EC)的变动;基于MF-ADCCA算法的非对称相关性检验得出MFCI与EC具有持久的交叉相关性,MFCI的下降会导致EC的下降,MFCI的上升会导致EC的上升;MFCI对EC的交叉影响改变了单独序列本身的非对称影响,说明中国金融状况对实体经济发展的前期影响作用存在,MFCI具有对实体经济发展的预测作用.跨期相关性检验得出MFCI对实体经济的预测作用在6个月内效果更显著.     

房地产对金融体系风险溢出效应研究——基于AR-GARCH-CoVaR方法

金融危机对全球金融体系造成了巨大的影响,这使得各国研究者开始深入研究房地产部门与金融体系的这种连带关系所传达的信息,并思考应对之道. 本文首先从资产价格波动角度分析了房地产市场对金融系统的风险溢出的机制和传导过程. 在此基础上,本文首次引入AR-GARCH-CoVaR模型,估算了我国房地产市场对金融系统的风险溢出效应. 研究表明：银行将房地产作为仅次于制造业的第二大投资行业,银行房地产贷款额占总贷款额的20%左右,但这20%的贷款可能产生的风险却几乎相当于金融系统自身的系统性风险. 此外房地产部门对金融系统的风险溢出效应存在顺周期性,这表现为在2008年金融危机时房地产的风险溢出效应较大,而在2010年经济逐步恢复稳定时房地产的风险溢出效应较小.     

外资流动对房地产价格影响的研究

首先讨论了外资进出房地产供需环节所表现出的不同特征,在此基础上深入考察了外资流动与房地产市场不同发展阶段之间的关系以及在相应阶段外资流动对房地产价格的不同影响.最后以上海为例,对外资流动影响上海房地产价格的现状以及未来变化趋势进行了实证分析.本文的主要结论是:当房地产市场处于繁荣、相持、衰退、萧条和复苏等不同阶段时,外资流动将对房地产价格产生不同的影响;上海房地产市场进入相持阶段,外资流入需求环节的幅度开始减少,房地产价格进入调整期.     

基于GD-FNN的股票市场泡沫模型

针对股票市场内部结构复杂性和外部因素多变性, 构建一种基于预测的股票市场泡沫模型. 以上证指数为研究对象, 在价格和成交量的基础上, 将与股票市场密切相关的宏观经济指标引入泡沫模型指标体系, 并对指标体系中各变量之间长期均衡关系和因果关系进行数量分析. 在此指标体系下, 构建向量自回归模型(VAR)模型衡量股票市场基础价值, 并据此分析宏观经济指标对市场的影响; 同时构建基于椭圆基函数且能够动态调整网络结构的广义动态模糊神经网络模型(GD-FNN)对上证指数进行拟合预测作为股票市场的市场价值, 并通过GD-FNN模型提取的模糊规则对股票非线性系统运行模式进行分析. 最后, 根据预测的股票市场市场价值与基础价值之间的偏差计算泡沫度, 并提出相应的预警策略.