基于投资者情绪与股票价格视角的中国股市发展趋势研究

30年发展历程中我国股市发展迅猛,但对比西方股票市场,散户化是我国股市重要特征.散户的非理性投资行为,即情绪对股价波动起着重要作用.以情绪与股价的关系作为切入点,探究市场的现状.研究表明,投资者的情绪与股价互为格兰杰因果关系,中国市场要达到成熟市场的要求还需努力,但市场的发展形势良好,股票价格受到情绪冲击的作用在降低,市场上投资者情绪波动持续的时间在缩短,投资过程的理性程度在增加.     

中国股市与美国股市相关性的研究

对中国股票市场与美国股票市场的关联性进行分析具有十分重要的现实意义,通过单位根检验、协整检验和Granger因果关系检验,对道琼斯工业股价平均数、上海证劵综合指数和美元兑人民币汇率的关联性进行了系统的分析.通过分析三者是否具有长期共同关系建立了EGARCH模型,定量地研究了道琼斯工业股价平均数和上海证劵综合指数的关联性及其收益率之间的关系.     

基于双流LSTM神经网络的股价趋势预测

股价波动研究依赖分析金融新闻数据集浅层特征，而忽略了金融新闻句子中单词之间的结构关系，从而导致股价波动预测研究效果不佳。针对该问题，提出了一种基于双流长短时记忆网络（long short term memory network, LSTM）神经网络的股价趋势预测模型（Sent2Vec-DLSTM）。该模型的创新之处在于：提出了基于金融股票新闻数据集和哈佛IV-4情绪词典训练的情感词向量生成模型——Sent2Vec；提出了新型的双流LSTM神经网络（Dual-stream LSTM, DLSTM）。在实验中，首先用标普500指数历史数据以及爬取获得的金融类文章进行标普500指数的趋势预测，然后用VietStock新闻和来自Cophieu68的股票价格数据预测VN指数的变化趋势。结果表明，Sent2Vec-DLSTM相较于现有模型在股价趋势预测中具有更好的效果。     

心理因素对投资决策行为的影响分析——基于ARCH类模型的实证研究

心理因素影响投资者的投资决策行为,以往对于股市的涨跌更多的从政策层面寻找利好或利空因素去诠释,实际上从行为经济学角度来讲,投资者心理上的微妙变化,也会影响他们的投资决策行为。股市涨跌不仅受国家政策等基本面的利空或利好因素影响,也会受到投资者的心理因素影响。通过使用ARCH类模型来考察和分析股票市场星期一与星期五收益率波动性的特征,分析投资者在这两个日期上心理的变化,我们发现不同的心理状态影响着投资者的投资决策行为。     

基于Copula-MEM的中国上海和香港股票市场波动相关性研究

以中国上海股票市场和香港股票市场的极差数据作为样本,采用极差波动度量中国上海股票市场和香港股票市场的波动,并用乘积误差模型(MEM)进行建模。在选择适当的MEM的基础上,采用5种Copula函数对中国上海股票市场和香港股票市场之间的波动相关性进行研究。实证结果表明,WMEM(1,1)刻画中国上海股票市场和香港股票市场波动的能力最好。t-Copula函数相比较于正态Copula函数、Gumbel Copula函数、Clayton Copula函数和Frank Copula函数,能够最准确地捕捉到中国上海股票市场和香港股票市场的极差波动的相关关系。     

基于事件研究法的中国市场定向增发效应研究

定向增发是上市公司重要的再融资途径,对公司的发展和股价有重大影响。为研究中国股票市场上定向增发对公司股价的影响,以2010—2013年成功进行定向增发的公司为样本,采用事件研究法和多元回归分析检验了定向增发事件窗口内异常收益率的变化及其影响因素。结果表明:定向增发前后几天内有显著为正的异常收益率;在有大股东参与的定向增发中,股价较早出现波动;发行折价率越高、股权集中度越低的定向增发中累计异常收益率越高。说明定向增发有显著为正的短期效应,且存在消息提前泄露的可能,大股东可能会利用信息优势获利。     

基于双指数跳扩散的三叉树利率模型

运用三叉树模型研究了利率服从双指数跳扩散过程,推广了NR(1990)的变换方法.在双指数跳扩散模型的基础上给出了跳点的概率和任意时刻的利率值,推广了Beliaeva(2011)的结果.通过数值计算得到随机利率比常利率下期权的价值要低并且利率的波动率越大,对期权价值的影响越大.     

融合多源信息的人民币汇率预测

通过有效融合与汇率相关的互联网搜索信息和宏观经济信息,提出一个新的汇率预测方法.一方面,根据信息丰富的互联网大数据,将选取的百度指数关键词信息合成能反映投资者关注度的百度综合搜索指数,再利用核主成分(KPCA)方法对宏观经济变量的信息进行提取,合成宏观综合影响指数,最后构建基于多源信息融合的汇率预测模型;另一方面,分别采用BP、KELM和SVM模型进行预测.为减小预测误差,对神经网络连接权重和阈值使用灰狼优化算法(GWO)进行了优化.通过对美元兑人民币汇率进行实证发现,融合多源数据信息之后,使用GWO-BP预测模型能获得更好的预测性能.     

广东省博罗县中长期电力负荷预测的研究

基于中长期电力负荷预测受诸多不确定因素的影响,结合广东省博罗县电力负荷的发展情况,建立了一种基于灰色系统理论的中长期负荷组合预测模型,旨在提高博罗电力负荷预测的准确度。对传统灰色预测模型进行了改进,引入二次指数平滑法对原始数据进行修正,构造一个新的样本序列,并构建灰色等维新息预测模型。然后将改进后的GM(1,1)模型与一元二次回归模型进行线性组合,该预测模型精度高,其结果对博罗电力生产实际具有指导意义。     

投资者有限关注与并购重组事件的停牌效应

基于认知心理学的"有限关注"理论,以股吧发帖量数据作为投资者关注度指标,针对个股当期和滞后一期的反应进行了分析,检验了并购重组事件中的停牌效应和信息传播有效性。实证结果表明,停牌显著增加了市场信息的流通,缓解了并购重组重大事件对上市公司股价造成的波动,即停牌期间投资者关注度与其复牌日股价波动成反比。同时,停牌期间发帖热度越高,投资者关注度越高,其持有相关股票的动机越大,个股回报率越高。此外,上市公司并购重组事件停牌前一周内存在信息泄漏问题,有显著的异常收益。这些发现有利于优化上市公司相关停牌的决定,对投资者的有关投资决策和监管部门对并购重组的信息披露有积极意义。     

ARCH族模型研究及其在沪市A股中的应用

介绍了ARCH模型、GARCH模型、EGARCH模型、TARCH模型,分析这些模型的特点,并将ARCH族模型运用到我国沪市市场的实证分析,得出EGARCH模型有最好的拟合效果.     

基于引入技术指标的Elman网络的股市预测

利用能够反映动态系统特性的Elman回归神经网络,结合传统的技术分析方法,通过对股票市场的技术指标的建模,寻求股票价格的变化规律,实现对股票价格的预测.实验结果表明,Elman网络具有较好的的逼近性能,能够实现对股票市场的预测.因此,引入技术指标的Elman神经网络用于股市预测是可行、有效的,具有很好的应用前景.     

股票价格波动的理论模型及其实证分析

探讨股票价格波动机理的两大理论体系的特点和区别,对两大理论体系所选用的相应模型给予较详细的介绍和分析。在此基础上,试图将两大理论体系融为一体,给出相应的股票价格波动理论模型,并做了相应的实证分析。     

沪深300股指期货与现货的波动关系研究

随着高频数据获取的便利性,采用高频数据研究金融市场的波动越来越普遍。沪深300股指期货市场的迅速发展使得股指期货与现货市场的波动关系研究成为热点。采用MEM模型,对股指期货与现货市场的连续成分(连续样本路径方差)之间和跳跃成分(离散跳跃方差)之间的关系进行研究。结果表明,现货跳跃成分对期货跳跃成分的溢出效应大于期货跳跃成分对现货跳跃成分的溢出效应;现货连续成分对期货连续成分的溢出效应大于期货连续成分对现货连续成分的溢出效应。现货与期货之间的波动溢出效应主要体现在二者的连续成分上。     

基于神经网络股票预测的研究

利用股票市场的理论和神经网络的BP算法来预测股票价格.先对股票进行基本面的分析,再对股票进行技术面的分析.运用技术分析的技术指标和神经网络优势,对股票进行大数据量的训练,使得模型可靠,再对股票进行测试.从实验的效果来看,取得令人满意的效果.     

重设型牛市认购权证的鞅定价

在无风险利率、指数连续股利率、指数瞬时波动率为时间t的非随机函数的情形下，以鞅论和随机分析为数学工具得到了重设型牛市认购权证的定价公式，更正了[1]中重设型熊市认售权证定价公式的一个小错，并对其定价公式进行了推广。     

论我国推出股指期货

当前股票市场已发展到一定规模，吸收了众多的投资者和大量的资金，但市场存在着一定的系统风险。推出股指期货有利于完善证券市场，增强竞争力，减少系统风险，稳定股票现货市场。本文就股指期货的概念、推出的必要性和对证券市场的影响等几个方面作了一些探讨。     

铁氧体法处理含铬废水

实验产生废水含有Cr3 和Cr6 ,这类废水对人体及动物体有毒害作用,严重污染环境.本实验研究了将铁氧体法处理重金属元素的方法用于处理实验室含铬废水,经测试选定最佳的实验条件,进行平行实验,得到回收产品铁氧体.经处理后污水中含Cr6 浓度小于0.05 mg/L,达到国家排放要求[1].     

确定性存储基本模型的几个推广

根据企业存货管理中的实际情况，提出了4个推广的确定性存储模型，并给出了这4个模型的解决方法。