股票价格波动模型探讨

在介绍传统的股票价格波动模型——随机游走模型和对数正态分布模型的基础上 ,提出了由随机波动源和异常波动源共同作用的波动源模型 ,并对波动源模型进行了实证研究 ,结果表明波动源模型要比传统的对数正态模型更能精确地描述现实股票市场的价格波动现象 .     

一种基于材料形变理论的股价塑性幂指数模型

针对中国股市量价关系的问题,借鉴材料形变理论,通过引入成交的最高、低价,将成交量、成交额和流通股的时间标度后移了一天,并将幂指数形式转换为对数形式,从而构建了一种新的股价塑性幂指数模型,并利用1999年1月4日至2007年6月9日沪深A股市场30支股票的日数据进行了实证研究.实证结果表明新模型比原模型的样本决定系数平均提高了21.16%,其余变量也均通过显著性检验, 新模型也具有经济学意义.在一定程度上表明,新构建的模型的拟合优度要比原模型有较大提高.     

股票市场弱势有效与股票价格的随机游走

对股票市场弱势有效和股票价格的随机游走两个概念及它们之间的关系进行分析和论述，在此基础上运用R／S模型对中国股票市场的弱势效率进行实证分析并得出相关的结论。     

上海股票市场流动性的度量与影响因素实证分析

首先分析了市场流动性的定义,给出了流动性指标的一种新的度量方法,然后,首次描绘了上海市场弹性和影响力的日走势图和分时特征图.最后,研究了交易量、股票价格、波动性和流通盘的大小与各项流动性指标的影响,通过对上海证券交易所的交易数据进行实证,表明上海证券市场,交易量、股票价格、波动性和流通盘的大小对流动性各项指标都有显著的解释能力;上海交易所存在“股本小的股票价格较高”的现象.     

上市公司临时报告对资本市场信息传递的影响

以中国资本市场上2000-2009年的上市公司为研究样本, 文章探讨了上市公司临时报告对资本市场信息环境的影响, 发现了临时公告对资本市场信息环境的积极提升作用. 实证结果表明, 上市公司临时报告提高了股票价格中的公司 个体层面的信息含量, 具体表现为: 临时报告降低了股票价格的同步性, 增加了收益率的异质波动性, 增加了信息交易的概率. 以是否具有研发行为、外部分析师数量的多少、所处地区市场化发展程度的大小,作为公司所处信息环境的代理变量, 文章发现在信息不对称程度较高的上市公司中, 临时报告提高股票价格信 息含量的作用更加明显. 实证检验还发现, 临时报告使得上市公司信息传递更加平稳, 降低了股票价格暴跌的风险; 临时报告提高了盈余信息反应到股价中的速度和程度, 提高了盈余反应系数, 降低了盈余公告后的漂移程度.     

噪音交易、投资者情绪波动与股票收益

通过对Delong etc的噪音交易理论模型的修正,分析了投资者情绪对股票收益的影响机理.选择市场换手率、封闭式基金折价和投资者开户增长率作为间接投资者情绪指数,应用因子分析法构造综合投资者情绪指数,并应用OLS和GARCH-M回归分析方法对中国股市投资者情绪及波动与股票收益间关系进行实证分析.结果显示, 投资者情绪是影响股票价格的系统因子,股票价格随着投资者情绪波动而波动, 而且情绪的上涨和下降对股票价格的影响是不对称的, 情绪上涨对股票价格的影响要比下降强的多;因投资者情绪波动而产生的股票收益波动构成市场系统风险并得到了相应的风险溢酬.     

有效证券市场的理性泡沫与股票内在价值的信息滤波

对有效证券市场上理性泡沫的产生条件、度量方法和形成原因进行了分析;并对我国股市的泡沫进行了相应的实证分析.在上述研究的基础上,探讨了与度量股市泡沫相反的问题,即如何从股票价格的波动中滤去泡沫从而识别出股票内在价值的信息.用Kalman滤波方法对股票内在价值进行信息滤波与预测.     

基于微分信息的ARMAD-GARCH股价预测模型

ARMA-GARCH模型进行股票价格收益预测时,只考虑了滞后历史数据所包含的信息,而对于在每个滞后时间点的变化趋势信息却未纳入计算模型进行统一考虑,在一定程度上影响了模型分析时序数据时的泛化能力.本文提出了一种基于微分信息的ARMAD-GARCH模型,在包含传统ARMA-GARCH模型对因变量的滞后值以及残差滞后值进行线性回归的基础之上,又在条件均值方程中增加了因变量滞后值的近似微分信息,用以融合股票价格变化趋势信息,提高预测模型对于价格演变方向的判别能力.通过对于不同市场综合股指收益率数据的实证研究表明,ARMADGAR,CH模型在数据除噪,趋势判别以及预测精确度等方面均优于一般的ARMA-GARCH模型.     

中国可转债模糊定价及其算法研究

在Black-Scholes模型和国内传统债券定价模型的基础上,讨论了可转换债券的模糊定价问题.对于连续复利率、无风险利率、股票价格、股价波动率等均为模糊数的情况,给出了可转换债券的模糊定价模型和相应的算法.最后,对上海国际机场股份有限公司发行的可转换债券进行了实证研究,计算结果显示了该模糊定价模型在预测可转债市场价格方面的有效性.     

有交易成本的期权定价方法

基于股票价格的对数正态分布假设,Black-Scholes模型运用连续交易保值策略成功解决有效证券市场中的欧式期权定价问题.然而,在非有效市场中,投资者将面临数量可观、不容忽视的交易成本.本文在界定交易成本的基础上,建立了离散交易时间条件下的非线性期权定价模型,并分别讨论了有交易成本的欧式期权多头与空头的定价方法.     

零部件最优库存量控制的研究

提出了零部件最优库存的控制方法。并以博西威家电有限公司为例，在确保连接生产的约束条件下，通过设置安全库存量和采购风险期，有效地解决了因产品需求预测误差和采购过程中的误期波动导致的缺货。论文所提出的重点库存品分析方法以及以资金占有为优化目标的控制策略经实例验证有效可行。     

基于持股数据的基金择股能力评价

证券投资基金的业绩评价是一个在理论和实践中都十分有意义的课题.传统的回归型评价方法对评价基准有较强的依赖性,而基于持股数据的方法则因利用了较多的信息而对基金的择股能力有较强的识别力.利用基于持股数据的方法对中国54个封闭式基金的择股能力进行实证分析,结果显示它们有明显的择股能力.     

国际股市联动条件下中国股市与汇市的非线性相依性关系研究

与以往仅对市场间相依关系进行静态、孤立的研究不同，基于全局化视角，在国际股市联动条件下研究中国股市与汇市间的相依关系。选取2006-01-04~2019-02-28沪深300指数、人民币兑美元汇率中间价、美国S&P500指数、欧洲STOXX50指数、香港恒生HSI指数、日本N225指数、英国FTSE100指数以及全球股市MSCI指数为研究样本，聚焦于2008年全球金融危机和2015年中国股灾两次极端波动事件，采用R-vine Copula方法研究国际股市联动条件下中国股市与汇市间的非线性相依关系，并构建参数动态化的动态R-vine Copula方法进行稳健性检验。研究结果表明：国际股市与中国股市和汇市之间分别存在着正向联动关系；在国际股市联动条件下，中国股市对汇市具有引导作用，且两者间的相依关系可以由资产组合平衡模型解释；中国股市与汇市在国际股市联动条件下间的相依关系弱于不考虑国际股市联动条件时的相依关系，且这种偏差在金融危机、股灾等极端波动后会显著增加。本研究对国际投资者合理配置资产规避风险、政府监管部门制定相关政策具有重要参考意义。     

基于元胞自动机的股票市场投资行为模拟

将元胞自动机的建模理论与方法应用于股票市场的复杂性研究,并初步建立了基于元胞自动机的股票市场投资行为演化模型,通过对多种市场状态下、股票市场复杂系统的演化的模拟与分析,认为投资偏好和宏观因素是影响股票市场稳定的关键性因素,因此,建议投资者应该多一些自己的独立见解,少一些盲目从众行为,以促进股票市场的稳定和发展。     

非线性回归的弹性分析在股票投资与行情预测中的应用

根据我国沪深股市中个股在每一阶段内的每日成交量与每日收盘价的统计数据 ,应用最小二乘法分段拟合了成交量关于价格的非线性回归方程 ,并通过对回归方程的弹性分析 ,揭示了量价变化之间相互作用的内在规律 ,为股票投资和市场预测给出了一种比较实用的技术分析方法 .投资者只要及时把自己所选定的股票在近期内的日成交量与日收盘价的原始数据输入本文所给的数学模型 ,就可根据模型输出的弹性数值序列的变化特征 ,预测出该股的后期行情 ,然后调整自己的投资策略 .     

我国深圳股市“庄家操纵”特征的实证分析

采用 1 999-2 0 0 0两年的深圳股市数据 ,通过实施配对样本 t检验 ,分析了业绩因素、行业因素、流通规模因素、庄家操纵因素此四因素对股价变动 (以股价超额振幅指标来衡量 )的显著性 ,获得了以大户持仓比例来衡量的庄家因素对股价超额振幅有显著影响的直观的经验结论 .并在此基础上 ,采用随机2 4 析因设计 ,分析了该四因素对股价变动的主效应、交互效应 ,获得了只有庄家因素对股价超额振幅有显著效应的经验证据 ,从而找到了支持深圳股票市场具有庄家操纵特征的强有力经验证据 .     

LM-BP算法在金融股指预测中的参数设定

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题.为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较.以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测.     

基于BP神经网络的股市建模与决策

给出一种基于BP神经网络的股票市场建模、预测及决策方法。研制成功了股票预测与系统，只需输入当天收盘价、成交量等七个容易得到的股票信息，系统就能给出下一交易日的买卖决策。通过对综艺股份及许继电气两支股票的预测与决策实验，表明所提方法有效，且易于操作，有实际应用价值。     

基于T-S模型的模糊神经网络在股市预测中的应用

采用基于 T-S模型的模糊神经网络 ,用改进的遗传算法来训练网络权值 ,隶属函数参数调整算法则采用动量法和学习率自适应调整相结合的策略 ,以上证指数和厦新电子 (个股 )为研究对象予以建模和预测 .结果表明 ,此种模型具有较好的泛化、学习、映射能力 ,对股票市场或类似的非线性经济系统的走势研判或其相应预测决策具有较好的应用价值.     

基于激励机制的美式股票期权相对多指数化模型设计

在指出传统股票期权缺陷基础上,借用欧式股票期权多指数化和相对化设计的思想,结合美式期权特点构建了美式相对多指数化股票期权约定价格和定价模型,从而设计出美式相对多指数股票期权激励契约.在对定价模型进行静态比较分析和与欧式期权对比分析中,得出了美式相对多指数股票期权比欧式相对多指数化股票期权具有更大的Delta系数,很好考虑了激励中不确定性问题,即具有更大激励效率的优点.