金融市场超扩散行为的随机游走模拟

用扩散指数来衡量股票市场随机行走的特征,并对中国股票市场高频数据的扩散指数进行了实证研究。结果表明:中国股市与其他股市具有相似的短暂非高斯行为,表现出超扩散;但是中国股市的长期行为更加丰富,在不同阶段具有明显不同的扩散指数。通过一维的扩散模型进行模拟,解释了不同价格时间序列的扩散指数值产生差异的机制。     

中外几大股票市场差异的分形研

运用了分形理论中的R／S分析法对中国的三大股市（上证,深证和香港的恒生指数）以及欧美的三大股市（道琼斯、纳斯达克以及标普500指数）的近10年（2002～2011）的股票指数作了差别研究．我国股市的月对数收益率的Hurst指数为0．74左右;而国外的则在0．77左右．国内三大股市的平均循环周期在600d左右,而国外三大股市在1150d左右．道琼斯指数对上证指数价格变化影响较大;恒生指数对深证指数的价格波动影响要比上证指数的价格波动影响大．中外股指均具有比正态分布更高的峰度,且在最初的一到两个周期内,数据呈现右偏尖峰后尾的分布特征,之后则呈现左偏尖峰后尾的分布特征．而国外股指的数据分布更接近于正态分布．本研究对股市研究者了解和借鉴近年来国外股市行情有着一定的指导意义．     

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.     

沪深A股综合指数的时间序列分析建模与预测

通过基于Box-Jenkins方法的时间序列分析技术,对中国沪、深A股综合指数的2000～2009年月收盘数据序列进行建模分析,验证了沪、深A股综合指数月收盘数据的时间序列特性,研究并选择了这两个序列的最佳ARMA模型,本文也通过模型对2010年的综合指数进行了预测.模型实证分析的结果表明：在股市综合指数时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

中国与海外股指的混沌特征的比较实证

通过深沪综合指数的5天收益率分布规律以及用R／S方法研究收益率序列得出这样的结论,即深沪综合指数的收益率不服从正态分布,并且收益率是负斜,呈现出胖尾和峰态;中国股票市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为;深综指的赫斯特指数H为0．87,非周期循环为16周(4个月),而沪综指的赫斯特指数H为0．85,非周期循环为25周(6个月)。也就是中国股市呈现出长期记忆等非线性的混沌特征。     

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.     

新兴市场股市，为何成了差等生？

今年初以来,多个新兴市场经济体股市集体下挫,一季度成为2008年以来表现最差的一季度。截至3月中旬,MSCI新兴市场指数下跌了将近3％,而吲期MSCI世界指数则上扬了7％。印度股市下挫4％,巴西股市下跌近10％,中国的上证综指在2月反弹后调头下探,基本回到了年初的点他。     

中国股市和美国股市的联动性分析

为分析中关股市之间的联动性。针对两国主要股票指数,建立VAR模型,运用脉7中响应函数和方差分解进行研究．结果表明：美国股市波动对中国股市有一定的影响,但中国股市波动对美国股市的影响较小,中美股市存在一定的联动性．     

中国股市收益波动的实证研究

采用GARCH类模型，利用上证综合指数对中国股市收益波动进行了实证研究。以前的研究显示中国股市波动存在反向的不对称性或不对称性不显著，并归因于中国股市的高投机性。而本研究的TARCH模型和EGARCH模型的实证结果首次提出了新的不同证据。说明中国股市存在显著的不对称性。对杠杆效应和波动反馈效应在中国股市的作用进行理论分析，认为波动反馈效应更能说明中国股市波动的不对称性。     

基于修正GARCH模型的中国股市周内效应实证研究

运用总样本区间（1996～2009年）上证综指和深证成指数据,同时以合格境外投资者制度（QFII）实施为分界点,前后分为两个子样本区间（1996～2002年和2002～2009年）,采用修正GARCH模型分别研究三个样本区间中国股市周内效应特征。研究结果表明：1）在不同的样本区间中,中国股市收益率和波动率均存在周内效应;2）中国股市收益率和波动率周内效应在不同的样本区间：表现并不一致,前子样本区间沪深股市收益率和波动率存在更加显著的周内效应。     

换手率与中美股票市场流动性研究

国内习惯以换手率判断流动性,而中国股市换手率常年较高.通过中美股市2005年7月到2015年6月10年间的历史数据,从市场深度和宽度2个角度对比分析中美股市流动性,发现中国股市的流动性确实显著优于美国市场,建议提高分红、抑制投机来调整过度追求短期价差收益导致的高流动性.但同时发现,换手率指标衡量流动性的效率较低,对于中国股市而言,经价格与股票数量调整后的Martin指数与即时交易成本2个流动性深度与宽度指标更能解释股票的收益率,更适合作为我国流动性衡量指标.     

股票市场的分形特征

针对我国股票市场所具有的混沌特征，运用分形理论的方法对我国上证指数进行分析,给出一种构造生成元的新方法——尺度生成法，并采用此生成法构造出我国上证综合指数的生成元．根据分形迭代函数系统理论与方法，迭代生成我国上证综合指数的模拟走势图，并计算出其分形维数，从而得到了股市波动的复杂程度的定量值．     

我国上市公司风险收益关系的统计分析

选取以2006—2007年为分析期的98家A股上市公司的股票为研究对象,这些上市公司是截至1996年有较长交易历史的上市公司,并且引入资本资产定价模型（CAPM）,利用上证A股指数作为市场综合指数,通过回归分析方法对我国股市的风险收益进行统计分析。研究分析结果表明：沪市系统风险与收益率存在一定的正相关关系,但不是线性关系。     

基于Kaplan-Meier算法的上证指数涨跌天数研究

运用Kaplan-Meier算法对上证指数连续上涨和下跌天数进行研究,研究了在不同的市场交易制度(即T+0,T+1和涨停板制度)对上证指数涨跌天数的影响,其结果表明Kaplan-Meier算法对于分析股市的变动是有效的.     

SPSS在证券分析中的应用

介绍了SPSS在证券分析中的应用,将数学方法应用于证券市场,通过对2009年6月15日至2011年11月30日沪深证综合指数的日历效应分析,探索数据的规律和特点.结果表明,中国股市不存在周日效应,同时也指出几点可能会对日历效应带来的影响,为人们进一步研究日历异常效应提供了可供参考的研究思路.     

我国证券市场开发股指期货研究

股指期货是一种新的金融衍生产品，对发展和完善我国证券市场具有重要意义．本文在详细介绍了股指期货的特点和功能的基础上，借鉴发达国家和地区股指期货推出和发展经验，结合我国证券市场实际，对开发股指期货的必要性和可行性进行探讨，并针对开发股指期货实施步骤、政策准备和风险规避等方面提出相关建议．     

基于VaR和压力测试方法的我国股指期货价格波动性风险研究

股指期货在我国起步较晚,加之金融市场波动性大、股票市场不稳定等特点,通过理论基础对其风险进行度量显得十分重要。通过综合运用VaR方法和压力测试方法,结合GARCH模型对未来收益率序列标准差进行预测,从而得到在一定置信水平下的风险测度。由此得出了收益率变化存在异方差性和不对称性的结论,同时提出建议与对策。     

GARCH-neural网络模型对股票价格买卖差波动率的预测

股票价格买卖差是衡量金融市场流动性和有效性的重要指标,已经得到学术界的广泛研究.相比而言,作为衡量股票市场风险的重要因素的股票价格买卖价差的波动率却没有得到相同的重视.在广义自回归条件异方差(generalized autoregressive conditional heteroscedasticity,GARCH)模型的基础上,提出了GARCH-neural network (GARCH-NN)混合模型分析股票价格买卖价差波动率的动态性.以深圳证券交易所成分股价指数的高频数据为样本对所提模型进行了实证分析.运用GARCH家族模型对股票价格买卖差波动率的动态性进行分析,得出预测效果最优的GARCH模型.在最优GARCH模型的基础上结合神经网络分析方法即GARCH-NN混合模型对样本数据进行了实证分析.比较分析最优GARCH模型和GARCH-NN混合模型对股票价格买卖差波动率的预测效果,并以AIC(Akaike information criterion)和BIC(Bayesian information criterion)作为检验模型预测效果的指标.实证结果表明,提出的GARCH-NN混合模型更优.     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.