中国股市与宏观经济的极端Granger因果关系

考虑到股票市场在受到极端事件影响后价格波动会出现显著性改变,研究极端情况下中国股市与宏观经济因素之间的因果关系尤为必要.引入Granger因果检验模型,将股市和宏观经济波动进一步分解为极端正波动、极端负波动和正常波动三种类型;并探究了不同组合之间的复杂因果关系.不仅如此,将极端Granger因果检验从时域扩展到频域,该方法能够进一步描述在不同频域上中国股市与宏观经济因素之间的动态关联特征.结果表明,相比于正常波动,宏观经济因素和中国股市在极端情况下关联特征更为显著.经济活动参与者可根据宏观经济与中国股市之间的联系,及时做出调整.     

基于中国股市波动率的多元模型比较与分析

讨论了DCC-GARCH和ICA-GARCH的多元时间序列协方差模型,并从中国股市出发,对中国股市的波动率进行估计及预测.同时,引入VaR模型,比较各多元模型衡量中国股市波动率的准确性及适用性.     

股指极端波动下中国股票市场网络拓扑结构

采用最小生成树方法构建股票市场网络，研究中国股市网络在股指极端波动前、中、后阶段MST结构的演化、拓扑指标与关键节点不同时期的个体行为特征.结果表明:中国股市行业内有很强的聚集性和行业间的匀质性;在极端波动时MST网络收缩，波动后网络又伸展扩张;极端波动中后期，材料业和信息技术业异军突起占据网络重要位置;不同传染源引起的极端波动其风险传播途径不同.股指极端波动加剧了股票市场股票间的联动性，市场中资产发生重新配置，网络结构产生新的调整.     

基于广义期望效用理论的主观概率调整的一致性风险测度

在对广义期望效用理论进行综述的基础上,将该理论与一致性性风险测度联系起来,并利用广义期望效用理论中的Choquet期望效用函数,提出了一个主观概率调整的一致性风险测度.以中国股市中的一个资产组合为样本,利用二元随机波动率模型对资产组合收益率分布进行描述,并使用马尔克夫链蒙特卡罗的模拟方法对该分布进行模拟,计算了主观概率调整的风险值.     

基于Mike Farmer委托驱动模型的研究

Mike-Farmer微观模型是功能强大的委托驱动模型,能再现很多经典的统计规律.本文介绍了Mike-Farmer委托驱动模型的构建过程,Mike-Farmer委托驱动模型生成的收益率,发现收益率在不同时间尺度下遵循幂律分布,服从负三次方定律.以Mike-Farmer委托驱动模型为平台,进行收益率幂律分布和波动率聚簇效应的成因研究,发现收益率的幂律分布和市价订单委托价格的概率分布相关,而波动率的聚簇效应与订单委托价格时间序列的时间记忆性保持一致性.最后简要介绍了模型的应用前景.     

中国股市跳跃行为的随机波动模型分析

基于上证综指样本数据,探讨双跳跃随机波动模型并研究股市波动跳跃行为.应用马尔科夫蒙特卡洛方法对模型参数进行估计,通过残差正态检验比较各类随机波动模型刻画股市波动能力,采用损失函数评价法和线性回归法,评估其对上证综指波动的预测精度.结果显示,中国股市跳跃波动程度和强度较大,对股市收益和波动均有显著影响;在引入跳跃成分刻画股市异常波动行为后,双跳跃模型显著提高股市收益波动率的估计精度与预测能力.     

基于GARCH-MIDAS模型对股市波动率预测

极端冲击(例如战争和金融危机)会导致股市波动剧烈.提出5种增强的混频模型(GARCH-MIDAS),可以捕捉非对称和极端冲击对股市波动率的影响.样本内的结果表明,我国股市存在明显的波动率聚集效应和杠杆效应,并且负面的极端震荡会导致较高的波动性.而样本外的MCS和DM检验结果则清楚地显示出EGARCH-MIDAS-ES模型最适合预测股市波动率,该模型在短期波动中纳入了非对称效应,长期趋势中加入了极端冲击的影响.此外,稳健性检验证实,与标准GARCH-MIDAS模型相比,增强的波动率模型在统计和经济方面均可产生更好的预测结果.通过考虑极端冲击,为股市波动率预测提供了新的见解.     

基于GARCH类模型的中国股市收益率分析

自二十世纪八十年代以来, 金融时间序列的波动群聚性,尖峰厚尾性和长记忆性特征的研究已经成为众多研究的论题, 是当今金融风险管理的核心. GARCH类模型是波动群聚性建模中常用的模型. 作者在简要介绍金融时间序列波动性的GARCH模型的基础上, 运用MATLAB软件包编程, 利用FIGARCH模型、NAGARCH模型和EGARCH模型对中国股市波动特征进行建模, 并比较了正态分布、Studentt分布、GED分布和偏t分布等四种不同分布特征的FIGARCH、NAGARCH和EGARCH模型对中国股市波动特征的拟合.实证结果表明, 偏t分布更适合我国股市波动特征的描述, FIGARCH模型在拟合效果方面要优于其他模型.     

上证综指波动率的估计——基于GARCH（1,1）模型的研究

波动率是测度风险的重要变量,在金融领域中占有至关重要的地位。采用GARCH（1,1）模型研究了上证综指的波动率。研究结果表明GARCH（1,1）模型能够准确地估计1年以上股市的波动率。     

用ARCH模型研究中国股市的波动特征

中国股市的波动特征是学者们和投资者关注的一个重要领域,与国外成熟的证券市场相比,中国股票市场作为新兴市场,具有其特有的性质,如更高的不可预测性和复杂性,股票价格更大的波动幅度和频率.研究中国股市的波动特征就具有重要的理论价值和现实价值.投资者在选股过程中需要理解中国股市随时间变化的波动情形,而ARCH模型族正是研究股市波动随时间变化的工具.以上证综合指数为对象,采用GARCH类模型对中国股市波动情况进行实证研究,为股市收益的尖峰厚尾特点、波动的集簇性、时变性提供了实证证据,并对实证结果作了一些初步的探讨.     

区间型金融时间序列的长记忆性研究

研究金融时序的长记忆性能够帮助人们更加准确地刻画金融市场的特征,而在现有研究中,有关区间型金融时序长记忆性的研究很少。因此,考虑了区间型金融时序蕴含的长记忆性特征及其基于现有实值金融时序长记忆性建模的区间值时序预测模型,首先,将区间数表示成区间中心和区间半径的形式;然后分别对中心和半径序列进行长记忆性检验,并对具有长记忆性的序列进行组合预测;最后,以上证综指和深证综指的区间股指为实证对象进行验证。实证结果表明:上证综指的区间股指具有明显的长记忆性,且组合预测能够显著提高区间型金融时序的预测精度。     

撰写财务分析报告应重视的问题

财务活动是综合性的价值活动,高质量的财务分析报告具有不可忽视的作用.本文从财务分析报告的类型和特点入手,对分析课题的提炼、文章总体构思、充分占有资料、分析方法的选择及规范写作等与撰写财务分析报告相关的一系列问题进行阐述,以期有助于提高广大财会工作者财务分析报告的写作能力.     

英汉口译的最佳语言信息提取和记忆模式设计研究

通过对已有口译研究的分析和归纳发现口译记忆模式的研究是当前口译研究的核心问题.本研究通过对口译摘要模式的比较研究设想,从而铺设了本研究的实验步骤、方法和数据的处理,最终确定口译过程中最佳的信息提取和记忆模式的研究方法和思路.     

基于二次分解与LSTM的金融时间序列预测算法研究

现有结合特征提取与预测模型的方法不能准确把握金融时间序列的混沌性与交互性,导致预测精度不高。针对此问题,提出一种基于二次分解与长短期记忆(long short term memory, LSTM)网络的金融时间序列预测算法。使用变分模态分解方法与集成经验模态分解方法依次解析金融时间序列数据,得到能表达数据混沌性特征的模态;将模态信息输入到融合有因子分解机(factorization machine, FM)的长短期记忆网络模型中,融合获取到的长记忆性特征与交互性特征,进而预测最终的结果;选取沪深300指数的历史数据作为实验数据集,通过多组对比实验验证算法的有效性。实验结果表明,提出的算法可以有效提升模型的预测能力,同时表达金融时间序列的混沌性、长记忆性、交互性。     

基于文献综述的家庭金融脆弱性测度方法研究

家庭是经济社会的基本组成单位,随着我国经济迅速发展,家庭金融的脆弱性正在成为影响金融和社会稳定性的一大风险源。了解家庭的金融脆弱性和抗风险能力,有助于为宏观政策和微观决策提供参考,促进社会可持续发展。为了更好地梳理有关家庭金融脆弱性的研究,本研究采用文献分析法,通过将宏观层面的金融脆弱性延伸到家庭层面,明晰了家庭金融脆弱性的概念与特点,并详细介绍了6类测度家庭金融脆弱性的主要方法。在此基础上,本研究对家庭金融脆弱性的不同测度方法进行比较分析,总结归纳了在实际应用中各方法的优缺点,提出了在数据、方法和理论方面进一步优化现有测度方法的展望,为家庭金融脆弱性的相关研究提供了一定的理论参考。     

金融衍生证券定价的随机分析基础

随机分析构成了金融衍生证券定价研究的重要理论基础与分析手段。尤其是几何布朗运动、算术布朗运动、均值恢复过程和Poisson跳跃过程等四类基本的随机过程和ITO随机微分定理得到了极其广泛的应用，可用以分析与解决几乎所有的金融衍生证券的定价问题。文章主要对这些基本的随机过程与随机分析方法及其在一般性Black-Scholes扩展定价模型推导中的应用进行分析与讨论，为解决更为复杂的金融衍生证券定价问题提供一个良好的理论研究框架。     

重庆市金融服务业对国民经济的影响分析——基于投入产出表的视角

利用重庆市2007年42部门投入产出表,重新整合计算得到14个产业部门的投入产出表;利用投入产出的理论方法对重庆金融服务业做产业关联分析和产业波及效果分析;并分析了重庆市金融服务业与其他产业的关联关系;研究了重庆市金融服务业对国民经济的影响;提出加快发展我市金融服务业的政策建议。     

金融时间序列预测中的神经网络方法

概述了神经网络方法在金融时间序列预测应用中所面临的有关问题,给出了解决方法;针对有关模型和算法作了计算模拟与分析,得到了一些可供今后研究参考的经验结果;讨论了金融时间序列预测中主要的神经网络模型,如多层前馈网络、径向基函数网络以及支持向量机网络等.总结了关于模型改进的一些近期研究进展与结果,指出了神经网络用于金融时间序列预测的一些可能的方向.     

历史洪水重现期的误差对设计洪水的影响

探讨了历史洪水及其重现期的误差对洪水频率计算成果的影响及不同适线准则下计算结果的差别。计算表明：历史洪水重现期越长，设计洪水成果的稳定性越好；精度越高，按平方和准则（离差平方和达最小）比绝对值准则（离差绝对值之和达最小）适线更好一些。在本文采用的适线准则前提下，尽管历史洪水重现期有一定误差，但仍能有效地提高设计洪水成果的可靠性。     

形状记忆合金驱动的软体仿生手掌

与刚性部件控制的机械手臂或者手指相比,以记忆合金丝作为驱动器的驱动部件,避免了结构复杂的刚性部件以及复杂的运动反馈控制系统,其输出力—重量比高,驱动方式简便,引起各界的关注。本文以形状记忆合金为基础,设计试验了一种形状记忆合金丝驱动的软体仿生手掌。阐述了驱动记忆合金的原理、手掌的制作原理,建立了软体仿生手掌的运动学模型,采用matlab进行了运动学仿真验证分析,通过物理试验证明记忆合金驱动的软体仿生手掌可以达到手指弯曲及实际物体抓取的效果。