我国股票市场共因子的价格发现——以上证指数、H股指数与H股指数期货为例

随着越来越多的国有企业在香港市场发行H股股票，A＋H的股票发行方式愈加普遍，A股市场与H股市场的指数构成趋于相似，两个市场有进一步整合的趋势。本文分别利用Hasbrouck的信息份额模型（I—S）与Gonzalo-Granger的永久短暂模型（P—T）分析了上证指数与H股指数、H股指数期货之间的价格发现机制。研究表明，上证A股综合指数对我国的股票市场共因子的价格发现起着主导作用，H股现货和期货市场对我国股票市场的共同有效价格的发现仅起次要作用。本文认为，我国股票市场的特定信息首先发生在境内，因此境内市场信息流动应该会引导境外市场，这同“本国／本地偏好”假说相一致。     

人民币汇率、沪港通交易与股指波动

伴随着沪港通等资本市场开放政策的深入实施,人民币汇率、外资流动与内地股市间的联动效应将如何演变?本文运用SV-TVP-SVAR模型深入考察研究了人民币汇率、沪股通资金净流入与上证50指数三者之间互动关系的时变特征,研究发现:从同期关系看,人民币汇率贬值显著负向影响着沪股通资金净流入和上证50指数,而沪股通资金净流入对上证50指数有着显著正向影响;从时变脉冲响应走势看,人民币汇率贬值总体上导致了沪股通资金净流出,并拖累了上证50指数表现;沪股通资金流入对人民币汇率贬值有着显著的时变影响,且推高了上证50指数;上证50指数上涨导致了人民币汇率升值和沪股通资金流出,证实了沪股通资金的逆向投资风格.因此本文的实证结果首次刻画了人民币汇率、沪股通交易与内地股市三者之间的联动效应,然后提出了维护人民币汇率基本稳定、完善沪港通交易机制和促进资本市场健康发展相关政策建议.     

羊群效应的新测度指数及其对我国股市波动的预测作用研究

羊群效应作为一种典型的市场投资者行为异象，极易对股票价格波动形成影响.因此，在已有羊群效应测度方法基础上，提出了一种新的羊群效应测度指数，并以我国上证综指为样本，运用广义自回归条件异方差混频数据（GARCH-MIDAS）模型实证检验了该指数对上证综指波动率的影响及预测作用，并与多种常用的同频数据GARCH族模型和纳入经济政策不确定性指数（EPU）的波动率模型进行比较分析.实证结果表明，相对于EPU指数，纳入新羊群效应指数的GARCH-MIDAS模型具有更显著的样本内参数估计结果，同时可以更好地解释上证综指波动的长期成分.进一步，模型信度集合（MCS）检验和预测方向准确性（DoC）检验结果表明，纳入新羊群效应指数能够显著提高模型对我国股市波动率的样本外预测精度.最后，采用不同样本外预测天数、不同损失函数、不同滞后期预测以及基于深证成指样本的各种实证结果进一步证实上述结论的稳健性.     

动态指数平滑优化模型及其应用

针对常规二次指数平滑模型在实际应用中的不足，引入动态平滑参数的概念，建立了一类不需选取平滑初值、平滑权重能自行调整的指数平滑模型；以预测误差平方和SSE最小为目标，构造了优选并自动生成最佳平滑参数使预测模型得以优化的最速下降算法。通过严谨的数学论证和算法分析较完整地解决了指数平滑预测中，平滑参数靠经验确定并且因静态、平滑初值难以确定而易导致预测偏差等问题、最后用所建模型对中国消费品零售总额进行了预测。结果明显优于传统模型。     

二阶非齐次序列的直接离散模型及灰色预测应用

本文不要白化微分方程和一次累加序列参与建模，提出了二阶非齐次序列的直接离散模型，研究了此模型的模拟预测公式及其性质.经实例验证该模型有可操作性，且有较高的模拟预测精度，同时由该模型递推形式的模拟预测公式出发，采用降阶（二阶降为一阶），化齐次（非齐次转化为齐次）等方法推导出了通项形式的模拟预测公式.该公式直观展示了适用本模型的序列基本形式：指数型序列、线性型序列、抛物线型序列、三次曲线型序列四类基本序列及两个不同底数的指数序列与线性序列三者的和差组合、一个指数序列与抛物线型序列的和差组合、一个指数序列与线性型序列的和差组合、线性型序列与指数型序列的乘积组合序列再与另一线性型序列的和差组合四类组合序列.从理论上证明了当序列严格遵循这些基本形式时，本模型能实现完全模拟，从而近似遵循这些基本形式时，必然有较高的模拟预测精度.     

股票价格的灰色—马尔柯夫预测

股票价格及其走势预测是投资和证券理论界普遍关注的课题。本文在对灰色预测和马尔柯夫预测详细剖析的基础上把两者结合起来，提出了一种新的股票价格预测方法，并通过证综合指数的预测说明了该方法的有效性。     

需求预测和供应链协调对长鞭效应的影响分析

运用自适应过滤、滑动平均和指数平滑预测方法分析多阶段供应链中长鞭效应．分析结果表明，在运用自适应过滤预测方法时，供应链不一定存在长鞭效应，文章进一步提出该预测方法前提下长鞭效应存在的条件；在运用滑动平均和指数平滑预测方法时，长鞭效应总是存在．根据三种预测方法的分析结果得出，适当的预测参数和供应链协调可以减小长鞭效应．并在此基础上，比较分析三种预测方法条件下供应链协调时需求参数对长鞭效应的影响规律，结果表明，预测方法不同，需求参数对长鞭效应的影响规律也有所不同．     

利用DFT分析证券市场的周期性

本文论述了证券市场周期性的存在，并分析影响证券市场周期性的因素。利用频谱分析方法可以找到带整个市场的各种周期，我们利用ＤＦＴ方法对上海Ａ股指数进行分析并证实了周期性的存在。     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义，定义了一种航空旅客出行指数，运用机器学习方法对航空旅客出行指数进行预测，克服了单一预测模型精度的不足，提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型，并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证，验证了LSTM-SVR组合预测模型可行性与有效性，实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度；同时，LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外，基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级，此举为机场运营管理及旅客出行提供一定的决策支持。     

动态指数平滑预测方法及其应用

指数平滑法是应用广泛的时间序列预测方法之一,但在传统方法中其相关系数的确定具有主观性,因此,其预测结果往往偏差较大.本文对传统指数平滑法进行改进,将其参数动态化,使得模型随预测过程自动更新,从而保证了预测的实时性、客观性.以最小预测误差平方和(SSE)为优化目标建立动态指数平滑参数和初值的优化模型,并通过迭代优化法求解.通过动态指数平滑模型,传统方法的一些缺陷,如模型参数选取的主观性、易导致预测偏差等被有效解决.预测实例表明,新方法优于传统指数平滑方法.     

基于小波分解的月径流预测校正模型研究

根据小波分析理论,建立了月径流序列的小波分解预测校正模型。该模型通过小波分解方法将月径流非平稳时间序列分解为多个细节信号序列和一个逼近信号序列,然后运用平稳时间序列的ARMA模型对各信号序列分别进行预测,最后再对各序列预测结果的和进行校正。以长江的宜昌站和寸滩站的月径流资料为例,分别采用ARMA模型、季节性ARIMA模型、BP神经网络模型以及所建立的小波分解预测校正模型进行模拟预测,并讨论了小波分解尺度数对小波分解预测校正模型的影响。结果表明,所建立的小波分解预测校正模型较其它模型具有更高的预测精度,并且尺度数对月径流序列模拟预测的效果没有显著的影响。     

中国工业增加值的半月预报:基于宏观月度数据

工业增加值是衡量实体经济成效的重要指标,随着中国经济不确定性加剧,更及时地预报其增速显得尤为重要.本文首先建立前沿的混频结构向量自回归模型,再从中导出预报数学表达式并给出向前滚动预测形式,并将预报模型化为状态空间结构,采用Bootstrap重要性抽样步骤实现模型的稳健性检验.基于1996年1月至2016年3月的相关月度数据,实证研究表明:预报模型合理、参数估计具有收敛性和稳健性;除工业增加值自身惯性影响外,货币政策M2和消费方面社会消费品零售总额滞后1～2期对工业增加值增速半月频率具有显著正向冲击影响;全样本预报、部分样本预报和预见性外推预报合理可行,半月预报能有效预警工业增加值波动规律.最后,针对性地提出相关政策启示和展望.     

运用SAS软件系统对我国农作物受灾及成灾面积的预测分析

运用 SAS软件系统中的一些时间序列建模方法及回归分析方法对我国农作物受灾及成灾面积作了预测分析 ,得到了较高的预测精度 ,为我国的灾害预测提供了一种方便实用的方法 .     

基于混合核函数SVM水文时序模型及其应用

核函数的选取与构造是SVM应用的关键所在. 传统SVM在水文时序分析方面的应用多是默认选取单一径向基核函数,而忽略了核函数的选择对模型精度和预测结果的影响. 本文基于Mercer核理论,将多项式核与径向基核进行线性组合,构造出混合 核函数,并植入SVM中,对水文时序建立自回归预测模型. 基于武山站和南河川站的月径流预测结果表明,预测序列的相对误差及 均方误差明显优于任一单一核函数. 这是由于混合核函数能够更好地适应并处理复杂的水文时序变化,因此提高了预测精度. 该研究为利用SVM解决复杂多变的非线性水文时序提供了新的探索模式.     

基于跳跃时间和幅度的BDI指数波动幂律分布特性研究

BDI指数是国际航运市场的风向标,摸清BDI指数波动幂律分布特性,对于进一步掌握运费规律、预测BDI趋势、协助航运决策等方面具有重要意义.基于此,本文对已运行30年BDI指数的波动幂律分布特性进行了详细研究,主要特色有:一是借助Pareto、Exponential以及Fokker-Planck函数首次深入探讨了BDI指数波动幂律分布特性.二是在跳跃识别的基础上,构建了基于跳跃时间和跳跃幅度两标度的BDI指数波动幂律分布特性分析模型,并转化成最小二乘法的线性回归测算模型.三是对BDI指数日、周和月增长率的跳跃时间和跳跃幅度幂律分布特性进行了实证分析.结果表明:BDI指数具有尖峰薄尾的增长率分布和波动聚集性;Fokker-Planck函数拟合BDI指数增长率跳跃时间更合适;Exponential函数拟合BDI指数增长率跳跃幅度更合适;BDI指数增长率跳跃时间和跳跃幅度都具有薄尾幂律特性,且向上、向下幂律呈现对称性.     

IS TECHNICAL ANALYSIS INFORMATIVE IN UK STOCK MARKET？ EVIDENCE FROM DECOMPOSITION-BASED VECTOR AUTOREGRESSIVE （DVAR） MODEL

The paper proposes a new approach -- The decomposition-based vector autoregressive （DVAR） model to scrutinize the predictability of the UK stock market. Empirical studies performed on the monthly British FTSE100 index over 1984-2012 confirm that the DVAR model does provide informative forecasts for both in-sample and out-of-sample forecasts. Trading strategies based on the DVAR forecasts can Significantly beat the simple buy-and-hold, which demonstrates the valuable information provided by technical analysis in the UK stock market.     

中国股市已实现波动率的跳跃行为研究

以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为.将已实现波动率分解为连续样本路径方差争离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对上证综指的已实现波动率进行预测.研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素.     

基于综合指标多阶段相似的发动机寿命预测

针对航空发动机全寿命周期数据对性能衰退不够敏感的问题, 提出一种基于综合指标多阶段相似的寿命预测方法。首先, 使用参数变化幅度、参数起始值差异和参数失效值差异对多个传感器参数进行筛选, 将符合综合标准的参数融合成综合指标。然后, 采用移动相似性匹配的方法分别对整阶段和半阶段进行最优多模型选取, 将两个阶段的最优多模型寿命预测结果进行融合完成最终寿命预测。最后, 利用美国国家航空航天局数据集验证该综合指标和该方法的有效性, 其寿命预测精度高于单阶段多模型相似性寿命预测。     

DOES INVESTOR SENTIMENT PREDICT STOCK RETURNS？ THE EVIDENCE FROM CHINESE STOCK MARKET

This paper examines the proxy variables of investor sentiment in Chinese stock market carefully, and tries to construct an investor sentiment index indirectly. We use cross correlation analysis to examine lead-lag relationship between the proxy variables and HS300 index. The results show that net added accounts （NAA）, SSE share turnover （TURN）, and closed-end fund discount （CEFD） are leading variables to stock market. The average first day return of IPOs （RIPO） and relative degree of active trading in equity market （RDAT） are contemporary variables, while number of IPOs （NIPO） is a lagging variable of stock market. Using the sentiment proxy variables with most possible leading order, and forward selection stepwise regression method, the empirical results on monthly stock returns reveal that three leading proxy variables can be used to form a sentiment index. And the out of sample tests prove that this sentiment index has good predictive power of Chinese stock market, and it is robust.     

考虑合成灰数灰度性质的改进区间灰数预测模型

基于核和灰度的区间灰数预测模型,初步解决了区间灰数序列预测问题,但模型中灰度预测值的确定方法存在不足,且模型不支持误差分析。提出了合成灰数灰度的定义及其性质,据此分析了模型存在的问题,并建立灰度序列的预测模型实现灰度预测,以代替原有模型中灰度预测值的确定方法,从而改进和完善了原有区间灰数预测模型。改进模型从核和灰度两个方面同时发掘区间灰数序列的内蕴信息与发展趋势,克服了原有模型存在的不足,且支持误差分析和精度检验。算例表明了改进模型的有效性和可用性。