与股票相关的欧式汇率买入期权定价公式

在标的资产价格服从对数正态过程的条件下,研究与股票相关联的欧式汇率买入期权的定价问题.将对数正态扩散过程表达的随机过程转化为风险中性,并在此条件下用鞅定价方法推导出与股票相关联的欧式汇率买入期权的价格公式.     

基于时序的股票预测算法研究

提出了一种基于时序的股票预测算法。该算法基于时序,对股票在连续时间段内发生变化的数值进行研究,并利用该算法得到的结果进行预测。结果表明,这种方法对于事物的单属性预测是具有实际意义的。     

基于股票收益与波动率相关的备兑权证定价

研究标的股票收益与波动率相关下的备兑权证定价. 基于Stein and Stein期权定价模型,通过Scott求解由特征函数方法得到备兑权证定价公式. 备兑权证价格随股票收益与波动率间相关系数r从-1～ 1变化,价平权证的价格变化不明显,价外权证价格比价内权证价格的变化更显著. 定价模型考虑了股票收益与波动率相关性对备兑权证的影响,该方法可为中国衍生品市场参与各方提供适合国内市场特殊性的权证定价理论指导.     

基于资讯价值的股票资讯移动订阅系统

本文针对当前股票资讯服务中存在的实时性差、个性化缺乏和准确性不足等问题,设计并实现了一个基于资讯价值的股票资讯移动订阅系统。系统应用开源的Lucene和Weblech工具进行垂直搜索获取资讯,根据经济学知识构建个性化股票本体,通过查询扩展、本体匹配生成个性化的RSS种子,依据资讯价值进行排序,在移动端使用KXML进行解析,实现了资讯订阅。实验结果证明,本系统提供的股票资讯服务是有效的。     

基于BP算法的股票均价预测技术研究

介绍了神经网络的基本概念和组成,提出了BP算法的改进型算法及基于BP算法的均价预测模型.借助前馈神经网络对非线性函数的逼近能力,对青岛海尔股价进行连续若干天的预测.通过不同形式误差函数对预测结果的比较,证实改进后BP算法用于均价预测的可行性及准确性.     

流动性冲击和股票预期收益的关系

近年来,国外文献中关于流动性冲击的研究有很多,大都证明了流动性冲击对股票未来收益的预测作用,然而,这种预测作用在我国股市是否适用?就这一问题,使用上海证券交易所A股股票的非流动性(ILLIQ)来研究中国股票市场对公司水平流动性冲击(LIQU)的反应。结果表明,流动性冲击在中国股票市场上有定价效应,能预测到三因子模型外的股票收益,且在股市较成熟的最近10年表现较好。     

股票投资者选择买卖时机的数学模型

在零成长股利估价模型、固定成长股利估价模型和间歇增长股利估价模型的基础上建立了投资者选择买卖时机的数学模型．     

基于HS-BP算法的股票预测

为了有效预测股票问题,针对股票走势具有随机波动性和非线性的特点以及BP神经网络收敛速度慢、容易陷入局部极小值的缺点,提出利用和声搜索算法优化BP网络权重的方法改进神经网络,并通过对股票预测指标的分析,建立了股票预测模型,将和声搜索算法优化BP网络应用于所建立的模型中求解.实验结果表明,将HS算法和BP神经网络有机结合,加快了网络收敛速度、避免了局部极小值,有效地刻画了股票的随机波动特性,提高了股票预测的准确性.     

基于DCC多元GARCH模型的股票收益和交易量相关性分析

应用恩格尔提出的DCC多元GARCH模型对股票市场上股指和交易量变化之间关系进行探讨。结果发现各个市场之间的动态相关系数存在较大的差异，各个市场总体正相关机会远大于负相关。除了我国深圳股市A、B股市场外，其它市场支持奈件相关系数动态变动的论断。     

股票交易量对证券期权价格的影响

用复合Poisson过程描述股票的交易量,据此构造股票价格的随机过程,进而推导出在风险中立条件下,欧式买入期权的价格公式,并对风险中立条件下及风险回避市场中,期权价格的边界问题进行讨论.     

对存货核算“移动加权平均法”的认识

存货是企业在生产经营过程中为销售或耗用而储存的各种有形资产，企业可根据自身生产的经常性特点及计价方法的适用性而采用不同的存货计价方法。移动加权平均法的核算结果是最准确的，可以使管理者以最快的速度了解最近期的存货结存成本。移动加权平均法在实际工作中最常遇到的问题为“红出库”带来的影响。     

基于指数移动平均的无线层析成像算法

为提高无线层析成像（RTI）算法在多径环境下对运动目标的跟踪精度,降低多径效应对信号变化的影响,引入指数移动平均（EMA）作为无线层析成像中衡量信号变化的参量.采用长时EMA作为基准,无需事先测量待测区域的背景信息.进行了室外穿墙和室内多径环境的单运动目标跟踪实验,与SRTI和KRTI比较,结果显示基于指数移动平均的RTI算法跟踪误差小于其他算法,而算法耗时没有明显增加.      

一种确定自回归滑动平均模型最小阶次的新方法

针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题,根据稳态图和AIC准则,提出了一种自回归滑动平均模型在模态参数辨识中的定阶方法.该方法先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和均值的求取,进而根据模态稳定性判定准则计算出阶次范围下界,最后利用AIC准则确定最优的模型阶次.仿真结果表明,与经典AIC准则相比,所提出的方法定阶后进行模态参数的辨识,不仅识别出了经典AIC准则遗漏的第3阶模态参数(误差为0.18%),而且使第1、2阶模态参数的精度分别提高了2.31%和6.31%.对悬臂梁的模态实验结果表明:该方法不仅辨识出了经典AIC准则遗漏的第1阶模态参数,使其误差仅为0.62%,而且也大大提高了其他各阶模态参数的精度.     

基于MATLAB的自回归移动平均模型(ARMA)在股票预测中的应用

利用时间序列在t时刻的有效观测值去预测在某个未来时刻t+l的值,并建立自回归移动平均(ARMA)模型,以MATLAB为工具,亚泰集团360个交易日的数据作为样本,预测10天股市的收盘价;并与含有一个隐含层的BP网络模型进行对比,结果表明自回归移动平均(ARMA)模型算法对短期股价预测的精度较高.     

边界找点法画剖面线

本文介绍一种构思新颖的画剖面线的方法——边界找点法。这种方法克服了习惯法所存在的一些不足之处,其特点是通用性好,不管图形的边界线是什么样的,输入的信息总是一样的,且只要输入三个信息即可画出所需的剖面线。     

基于阴影属性的运动阴影检测方法

提出一种基于阴影属性的阴影检测与去除方法,首先采用光照评估方法判断阴影是否存在,若有阴影存在则确定阴影方向并计算阴影属性,最后根据阴影属性检测阴影点。由于使用了阴影属性,阴影的检测和去除更加准确。     

滑动平均模型的极大似然辨识方法

根据极大似然原理,推导了滑动平均模型的极大似然参数估计算法.仿真结果说明:当数据长度较大时,提出的方法给出的参数估计精度高于增广最小二乘算法.     

移动平均市场预测的探索

在原有移动平均线的理论基础上,把一天分成四个时间单位,并利用加权公式算出当天收盘价格H取代简单算术移动平均中的收盘价S进行一次移动平均,在此基础上建立了其二次、三次移动平均法的预测模型。     

寻找数字三角形的优美标号方法

提出数字三角形优美标号的概念，并使用计算机给出解答。     

基于改进移动最小二乘近似的杂交边界点法

针对杂交边界点法中采用移动最小二乘近似时存在的计算量大,易形成病态矩阵的问题,将改进移动最小二乘近似和修正变分原理相结合,提出了基于改进移动最小二乘近似的杂交边界点法.这种方法保留了杂交边界点法的纯无网格法特性,域内未知场函数的计算无需再次沿边界积分等优点,而且不会出现病态方程组,数值计算稳定,计算精度高.数值算例验证了该方法的有效性.