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.     

朝韩关系变化和中国股市惊人相似

2010年12月下旬,中国股市连续几天飘绿,找不到国内政策层面的坏消息,很多分析师们就将目光转向了“局势紧张”的朝鲜半岛。怛让他们抓狂的是,在危机中,韩国股市却不跌反涨,一连几天突破历史最高纪录。     

国际证券资金流动对中国股市的影响

随着全球金融一体化进程的加速,跨境证券资金流动逐渐成为国际资本流动的重要组成部分,对一国金融市场的影响也越来越显著.在此背景下,本研究分析了流入中国股市的国际证券资金流动的总体特征和行业板块特征,并运用多元回归模型和面板模型从市场综合指数和行业板块指数两个角度实证研究了其对中国股票市场收益率的影响.结论表明:第一,2006年以来中国国际证券资金流动规模不断增加,从股市板块来看,流入金融板块的国际资金最多,医疗保健、信息技术、可选消费等板块也是国际证券投资的热点.第二,当期国际证券资金的流入对国内股市收益率有显著的正向影响,且影响程度和显著性不断增强,但影响效应是短期的,符合"价格压力"假说.     

2000年中国股市向好

股票市场是个靠人气支持的市场,有人气就有行情,而市场的人气则成为投资者的信心,2000年我国宏观基本面的好转无疑为投资者坚定信心奠定了最坚实的基础。 “5.19”式的井喷行情会不会在2000年再现?本文的观点是乐观的。     

银行信贷资金违规入市的防范与化解

银行信贷资金进入股票市场,一方面推动了我国股票市场的发展,但另一方面,如果股市靠巨额的信贷资金支撑,迟早会有危险爆发的时候。但强制性、大面积将资金撤出会加剧股市的动荡,因此对违规流入股市的信贷资金必须采取妥善的处理方式。笔者认为,银行信贷违规资金防范化解的关键在于“严格控制银行违规资金进入股市的增量,然后通过各种改革来治本”。     

基于神经网络集成系统的股市预测模型

基于神经网络集成理论,建立股市预测模型.其中分别建立"基本数据模型"、"技术指标模型"和"宏观分析模型",最后以简单平均生成集成系统.实证分析表明,股市预测神经网络集成系统的泛化能力高于各个独立的模型,从而使模型具有更好的稳健性和更好的应用价值.     

MRS-GARCH模型在沪深股指波动中的应用研究?

考虑MRS-GARCH模型中存在的"路径依赖"问题,采用混合Gibbs抽样与EM算法的两步MCEM-MCML法求参数的极大似然估计,避免了对原模型的简化或近似而导致的信息损失及估计精度下降.以上证综指和深圳成指日(周)收益数据为样本,利用MRS-GARCH模型对沪深股市收益波动进行估计.结果表明:沪深股市存在显著的高、低波动状态,处于低波动状态的可能性更大,持续时间更长.与MS、Gray及Klassen模型相比,MRS-GARCH模型估计的波动状态持续性有所降低.比较各模型的BIC值,MRS-GARCH模型的拟合性能最优.     

关于上海股市收益分布的实证研究

本文通过概率坐标图发现上海股市收益呈明显的曲线，说明收益具有非正态性，随后的参数及非参数检验从统计上验证了这一点。我们又分别利用ＧＥＤ，ＡＲＣＨ及ＴＰＮ三种模型实证拟合了上海股市收益的分布形式由ＡＩＣ可知它们较正态分布对实际都更具有刻画力，尤以ＴＰＮ最佳。     

多重分形理论在股市大幅波动中的应用

运用多重分形谱方法对上证指数大幅波动前后各时段高频数据的实证研究发现,不同时段其多重分形谱形状及多重分形谱参数的变化具有一定规律,即指数发生大幅波动时,其多重分形谱图形的开口变至最大,其参数值也有显著性的变化.为了验证上述实证结果的普遍性,提出运用滑动时间窗的思路,将每连续5个交易日的高频数据进行多重分形统计分析,并将其与股指波动进行对比.结果发现,在股价指数发生大幅波动的情况下,多重分形谱参数具有较明显的变化特征,这为进一步描述股票市场的复杂性规律提供了依据.