股票的投资价值、投资理念与投资分析方法

在时股票的投资价值和投资理念进行讨论的基础上，时股票投资的基本分析方法和行为分析方法进行了较深入的探讨，时证券市场风险预警指标体系进行了设计，介绍了股市风险顸警信号界限的确定方法，建立了基于市场风险信号顸警的投资决策模型。     

基于一致性风险价值的投资组合优化模型研究

证券市场上收益率分布存在严重的偏峰厚尾现象;同时风险价值方法本身不符合次可加性．这使得进行组合优化时它的局部最优解并非全局最优．针对这些问题,我们从一致性风险度量理论出发,提出了一种新的风险度量技术——一致性风险价值——来度量投资组合的信用风险,在此基础上建立了一致性风险价值的投资组合优化模型,并运用线性规划技术进行组合优化．最后我们通过实证研究,发现运用基于一致性风险价值的优化模型进行投资组合的结果,优于运用基于风险价值的优化模型．     

基于不同风险度量的投资组合模型实证分析

利用上海证券市场的实际交易数据对半绝对离差模型,基于分位数的绝对离差模型（Ruszczynski＆Vanderbei,2003）以及MV模型进行了实证比较．通过分析各模型的全局最小风险组合,计算发现,半绝对离差模型比其他模型具有更好的样本外业绩．     

股票内在价值的突变分析模型

建立了股票分析的指标体系,并引入了突变分析方法,建立股票分析的突变模型,应用该模型可使投资者选择优质的股票,使得投资更加具有目的性,减少投资风险,同时利用上市公司的实际数据来进行了具体分析说明。     

投资组合风险价值分解方法研究

提出了两种分别对组合损失和极端损失进行线性近似的投资组合风险价值(VaR)分解的新方法——非对称响应模型估计法和局部线性近似估计法,两种方法均可用于分解参数法与非参数法计算出的投资组合风险价值,弥补了现有分解方法只能分解部分参数法计算出的投资组合风险价值的不足,实证研究结果表明：非对称响应模型法比局部线性近似估计法更为简单、快捷,适用于当组合回报不对称现象明显时;而当组合回报具有显著的厚尾现象时,后者更为准确,两者都具有一定的实际应用价值。     

基于CVaR的投资组合优化模型及实证

以条件风险价值CVaR为风险度量,建立以CVaR为目标函数,VaR为约束条件的二次规划模型,该模型给出了在决策者可以接受的VaR风险水平下,使得CVaR为最小值的投资组合最优选择;实例表明投资组合的最优选择降低了投资组合发生灾难性风险的可能性。     

证券组合投资模型研究

本文建立了债券和股票价格的随机模型。并在模型参数为常系数条件下，给出了反馈形式的最优证券组合投资公式。     

上市公司股票的内在价值及其成长性探讨

通过对传统的股票内在价值模型的评价,指出了它们的不足,从而提出了基于上市公司内在价值的改进评价模型,说明其能更好地解释在知识经济时代的精形,并对上市公司的成长性进行了研究,建立了评价上市公司成长性的层次分析法模型,理论和实际的分析表明,这种分析方法具有较高的应用价值。     

基于风险价值的证券投资组合

在风险价值(VAR)模型一种计算方法--德尔塔正态法的基础上,采用了投资组合比例随机搜索的方法,即对于一个投资组合,利用随机数搜索和变换步长搜索两种方法调整其权重,以得到最小的VAR值,从而为投资者降低风险,并在VAR计算方法上做出新探索.     

引入风险价值约束的投资组合理论

风险价值(VaR)是近年来最为流行的风险管理工具．本文在无风险证券情形下，将VaR约束引入到传统的均值一方差投资组合理论中，考察了此时投资组合的有效前沿以及投资组合选择的变化，并指出了VaR约束对证券投资基金组合管理的意义．     

基于GA-SVM的股票投资价值评价研究

针对股票投资价值评价问题,依据模式识别的思想,采用GA-SVM方法建立股票投资价值评价模型。首先,综合考虑影响股票投资价值的多方面因素,采用主成分分析方法完成对股票投资价值特征的提取,然后将遗传算法与支持向量机相结合,通过实证方法建立股票投资价值评价模型。结果证明该模型具有良好的选股能力。     

基于对数期望-熵模型的证券组合投资研究

由于证券是一种连续投资,算术平均收益率并不能完全反映投资的收益情况,而几何平均期望收益率才能反映连续投资的实际收益。文章建立了对数期望-熵模型来度量投资的风险,并以沪市证券市场进行实证研究,利用该模型选出适当数量的股票进行优化组合。     

基于Copula的股票市场VaR和最优投资组合分析

在股票市场风险分析中,对不同股票相关结构的讨论有着重要意义,从而引出对如何选取好的相关结构模型来捕捉股票间的相关变化规律的讨论.本文选取Gauss Copula、t Copula、Gumbel Copula和Mixed Gumbel Copula,运用两步半参数估计法对股票市场相关结构建模,并依据建立的模型进行VaR分析,采用Wald型检验方法来判断VaR估计效果.从效用最大化角度出发,确定最优投资组合.     

基于模糊数的证券投资组合最优化模型

利用模糊数处理不确定性信息,建立了以总风险最小为目标函数的证券投资组合优化模型.在给定的截集下,借助模糊数大小的概率比较,将模糊优化模型转化为不等式约束下的线性规划模型.利用Matlab编程解得了其最优投资方案,并阐述了该方法的可行性.     

基于综合值修正的领域概念筛选算法

为了提高领域概念筛选的准确率,对测试数据进行了筛选,指出了算法误筛选常用词汇的问题,分析了常用词汇的高一致度值导致高综合值的缺陷,设计并探讨了术语综合值修正参数,改进了原有综合值的计算方法,放大了领域概念与常用词汇之间的差别。仿真实验表明,修正后的综合值与原综合值相比,变化趋势一致,但幅度更大。数据实验表明,在不影响领域概念筛选结果的基础上,改进后的筛选算法增大了领域概念的综合值,同时降低了常用词汇的综合值,实现了常用词汇的剔除,提高了准确率。     

基于模糊聚类技术的股票投资价值评价指标选择

从实证角度为价值投资理论在中国股市的应用建立了股票投资价值评价指标集.首先深入分析股票投资价值的诸多影响因素,然后以全部上市公司为样本,采用模糊聚类技术对股票投资价值的各影响因素进行聚类,并依据相关指数对同类指标进行筛选,最终得到一个科学的和有操作性的股票投资价值评价指标集.该股票投资价值评价指标集基本涵盖了股票投资价值所包含的有效信息,因此可以用多维数组来刻画一支股票的价值信息,从而为人工智能方法在股票价值投资方面的应用提供了实证依据.     

基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

基于证据理论的证券组合优化分析

提出了一种基于证据理论的证券优化组合方法,解决了最优投资比例问题和最大组合收益问题;文章根据现有证据,构造出识别框架,并确定出基本可信度分配,然后由集函数过渡到点函数,求出单点似真度,经过归一化处理后,确定了令人满意的投资比例;最后比较了各种组合的收益大小,进而得出最优组合。     

基于遗传算法的证券组合投资优化问题的模拟分析

分析了用遗传算法求解组合证卷投资中的Markowitz模型的各种问题．提出了一种采用最优保存策略的遗传算法求解William Sharpe模型的方法,并且实现了N种证券投资组合优化的模拟分析,得出比用二次规划算法求解更好的结果．     

基于自适应并行遗传算法的证券投资组合研究

将传统的马科维茨模型进行了改进,引入了风险厌恶因子,对投资比例设定了上下限,进一步利用熵对风险进行了修正,并加入了专家评价对模型实行了模糊化处理。同时提出了一种自适应并行遗传算法,其运算时间短,而且随机搜索,其遗传因子能够进行自我调节,不易陷于局部最优。将该算法引入证券投资组合领域,将数据随机分为若干个小组,同时进行遗传优化,提高了运算效率。通过应用实例,求解改进的模型,计算表明自适应并行遗传算法能够准确快速地解决证券投资组合优化问题。