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.     

基于GARCH模型的中国创业板股票价格波动分析

中国创业板市场是一个新兴的市场,不仅资本的存量比发达国家成熟的金融市场小得多,而且股票的波动性也大许多,市场波动方面具有很多独特的特征。研究我国创业板市场波动的特征,对于正确认识我国创业板市场价格行为,探讨股票市场波动理论,具有很重要的意义。本文首先基于GARCH模型,对我国创业板市场的股价波动行为进行研究和探讨,得到GARCH模型拟合后的残差序列不存在自回归条件异方差,其次进行实证分析,并对实证结果给出解释,最后根据分析结果得出结论,提出相应的建议。     

基于时间序列模型的股票价格波动特性分析

股票市场的波动率问题一直是现代投资学研究的关键问题,是国家监管机构最关注的风险指标。选取股票交易系统中2015—2016年股票东阿阿胶(000423)日收盘价数据,分别从序列水平特征和波动特性2个角度,运用ARIMA模型和GARCH模型,进行股票的短期预测和波动性拟合。结果显示:ARIMA模型对深交所股票东阿阿胶日收盘价的短期预测值与实际值相对误差小,GARCH模型较好地拟合了股票价格,并估计出了风险区间,能为短期投资者和股票决策者提供参考。     

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.     

我国货币政策应对股票价格波动的框架设计

我国货币政策要关注股票价格波动,这就要求中央银行尽快建立起与资本市场发展相适应的新的货币政策框架。本文尝试构建了一个应对股票价格波动的货币政策框架,包括二元货币政策目标、动态化的货币政策中介目标、有效的货币政策工具选择搭配、多种有效的货币政策传导渠道、人民银行的独立性、货币政策指标的科学统计、货币政策的公开沟通渠道等。     

利率波动对股票价格影响的实证研究

就利率如何影响股票价格进行了理论分析,并利用上海证券交易所7天国债回购利率与上证指数数据进行了实证研究,发现中国的股票价格与利率之间存在共同的长期趋势,利率的目度波动领先股票目收益率的变动。对此现象．给出了一些相应的经济解释和政策建议。     

基于回归分析股票价格与沃尔综合评分相关性的实证探讨

沃尔评分法是评价企业财务状况的常用方法之一,股票价格是证券市场上所有投资者最为关心的话题,且其通常与企业的财务状况、经营业绩成正相关。本文遵循行业划分标准,选取85家深证上市房地产企业的数据,选取衡量企业财务状况10种财务比率及对应的股票价格进行实证分析,然后求出各个企业的沃尔综合评分。最后运用EVIEWS软件,对股票价格与沃尔综合评分进行线性回归分析,研究股票价格与沃尔综合评分相关性以及沃尔评分法衡量企业财务状况的有效性。     

基于神经网络的股票价格预测

在股票市场中，价格是围绕其内在价值上下波动的，而价格的变化又取决与供求关系的影响．文献[4]运用系统动力学的方法，建立了以供，需和价格为变量的动力学模型．本文以此模型为依据，设计了神经网络模型并采用历史数据对起进行训练，实证研究表明我们得到的模型具有很好的预测作用．     

GARCH-neural网络模型对股票价格买卖差波动率的预测

股票价格买卖差是衡量金融市场流动性和有效性的重要指标,已经得到学术界的广泛研究.相比而言,作为衡量股票市场风险的重要因素的股票价格买卖价差的波动率却没有得到相同的重视.在广义自回归条件异方差(generalized autoregressive conditional heteroscedasticity,GARCH)模型的基础上,提出了GARCH-neural network (GARCH-NN)混合模型分析股票价格买卖价差波动率的动态性.以深圳证券交易所成分股价指数的高频数据为样本对所提模型进行了实证分析.运用GARCH家族模型对股票价格买卖差波动率的动态性进行分析,得出预测效果最优的GARCH模型.在最优GARCH模型的基础上结合神经网络分析方法即GARCH-NN混合模型对样本数据进行了实证分析.比较分析最优GARCH模型和GARCH-NN混合模型对股票价格买卖差波动率的预测效果,并以AIC(Akaike information criterion)和BIC(Bayesian information criterion)作为检验模型预测效果的指标.实证结果表明,提出的GARCH-NN混合模型更优.     

中国股票价格报酬与经济增长之间的相关性

本文以2000年1月至2010年3月的中国股价与经济增长率的数据利用计量经济中的协整检验和格兰杰因果关系检验讨论这段时间内中国股票价格报酬和经济增长之间的相关性。实证结果得知：在这段时间内中国股价与经济增长之间存在着单向因果关系,股票价格报酬对经济增长有影响,但经济增长对股市的影响比较微弱。但长期而言二者之间存在着长期的均衡关系。股票价格报酬对经济的影响在宏观决策中应予以重视。     

基于遗传神经网络的股票价格预测

针对股票市场的复杂性,本文将遗传算法用于BP神经网络的训练过程,建立了相应的优化模型,并将其应用于股票价格的预测。采用遗传算法对网络结构和权值进行优化,提高了网络的预测精度。实践表明：该方法预测精度高、误差小,值得推广。     

基于BP神经网络的股票价格预测

影响股票价格变动的因素有很多,且股票数据具有高度的非线性和时变性等特征,因而采用经典线性时间序列模型可能无法完全提取非线性部分的信息.针对这一问题,建立了BP神经网络模型、PCA-BP神经网络模型、GA-BP神经网络模型和ARIMA(6,1,6)模型对上证综合指数的收盘价格进行预测.计算各预测模型下的统计指标RMSE和MAE,并对4个模型进行对比分析.结果表明,GA-BP神经网络预测模型与其它三种模型相比具有更小的误差,也就是说GA-BP神经网络预测模型对上证综合指数的收盘价格预测效果更好.     

基于马氏链的股票价格预测模型

对马尔可夫链预测技术进行了探讨,利用马尔可夫链预测方法分析桂林旅游（SZ000978）价格的波动情况,并对其进行了短期价格的预测和长期涨跌趋势、运动周期的预测,研究结果与实际情况比较一致。     

基于EDP算法的股票价格预测

股票价格预测一直是金融分析领域的一个重点和难题．目前,运用智能系统对股票市场进行预测的方法已经被广泛确立．本文提出了用基于贝叶斯网络的EDP算法进行股票预测的模型,相对于传统的预测方法,具有收敛速度快的特点,根据实验的仿真结果显示,该模型对于股票价格预测效果较好．     

利用Poisson Boolean模型建立股票价格波动过程及数据模拟

通过耦合的方法建立非齐次Poisson过程,从而利用连续渗流理论中的Poisson Boolean模型建立股票的价格波动过程模型.并利用计算机模拟分析,结果表明用本方法建立的模型走势图与实际走势图形很接近.     

基于混沌理论的股票价格实时预测

本文分析了股票的混沌性,根据复杂的股票价格特点,改进了混沌时间序列预测方法中的加权一阶局域法与基于最大Lyapunov指数的预测方法,并将其成功应用于股票价格预测。在数值试验中,对股票价格进行了分析,利用上述两种方法进行了拟合和预测,得到了令人满意的结果,说明这两种方法是可行的,结果是理想的。     

基于ARIMA-GARCH模型的股票价格预测研究

利用时间序列模型对宇通客车股票的收盘价格进行预测.首先利用ACF平稳性检验来判断时间序列是否平稳,然后,选择ARMA、ARIMA、ARIMA-GARCH进行性能比较.最后,根据相关准则选择ARIMA-GARCH优化模型对宇通客车股票价格进行预测.结果表明,构建的ARIMA-GARCH模型能更准确地预测宇通客车的股价.     

基于菌群RBF神经网络的股票价格预测

利用菌群算法提出了一种新的菌群RBF神经网络算法,并将其应用到股票价格预测,同时在预测中引入了技术指标模型。仿真试验表明,相比于传统的RBF神经网络算法,菌群RBF神经网络算法可以得到更好的训练效率和预测结果。     

基于PSO-ELM的中国石油股票价格预测建模

为了提高股票价格预测的精度,针对中国石油股票价格预测问题,提出了粒子群算法(Particle Swarm Optimization,PSO)优化极限学习机(Extreme Learning Machine,ELM)的股票价格预测模型。通过粒子群算法对极限学习机的权值以及阈值参数进行优化,构建PSO-ELM预测模型,并将其用于中国石油股票价格预测。仿真实验表明,与ELM、PSO-BP、DE-ELM相比,其预测均方误差分别下降了1.84%、1.07%、0.97%,拟合优度决定系数R2为0.974 3,即PSO-ELM有着较高的预测精度。为了给股票投资者更好的投资建议,对PSO-ELM模型分别进行股价短期、中期、长期的预测,结果表明PSO-ELM模型短期预测精度较高,随着时间的推移预测的精度有所下降。     

基于分形插值方法的股票价格模拟

分形插值方法是分形插值函数由迭代函数系统实现的一种方法,它可以看成是一种发展了的科学工作的通用语言.利用分形插值方法可以构造股票价格变化的分形函数,股票价格变化的规律属于非线性的,用此方法拟合Hausdorff度量空间中的经验数据,并可以利用MATLAB软件实现.本文阐述的是利用分形插值方法对网上实时深发展股票价格变化曲线进行模拟.通过多次的参数调节,模拟图形效果较好.