中国股市交易量的周内效应

研究了中国股市交易量在一周里面的变化规律,采样时间跨度是从1990-12-19到2002-12-31。以市场换手率度量交易量,采用自回归广义自回归条件异方差(AR-GARCH)模型研究了中国股市交易量的时间系列。研究结果显示沪市和深市的日市场换手率不服从正态分布并且存在着自相关性和ARCH效应;AR-GARCH模型很好地拟合了日市场换手率时间系列,估计出来的参数十分显著;周一到周五的日市场换手率存在显著差异并且周一的市场换手率达到了一周的最大值。利用混合分布假说进行了解释,非交易日的信息积累可能是周一高换手率的原因。结果指出:在该研究的样本范围内,中国股市交易量存在着周内效应。     

条件概率与刚性近似下高分子链非格子模型的Monte Carlo模拟

探讨了采用高分子链的实际键长、键角、旋转异构态和无扰链时的条件概率逐个链段地生成样本高分子链进行真实链和受限链分子构象统计研究的可能性.并就无扰链、尾形链、真实链的情况与完全计算法、Flory矩阵方法进行了比较.结果表明:在刚性近似下,使用无扰态时的条件概率生成样本高分子链的Monte Carlo模拟,其样本库能真实地重现平衡态时受限链和真实链的构象分布,适用于受限链和真实链的构象统计研究.     

条件非线性最优扰动的最大值原理

在非线性系统(发展方程及常微分方程)中初始数据的扰动对系统以后某固定时刻,T的状态的影响是一个重要的研究课题.本文研究非线性系统在初始数据在一定的范围(称为初始扰动域)内作有限幅度的扰动时,在时刻,T对状态扰动的幅度达到最大的问题.通过考虑反向时间的问题及假设解对初始数据的连续依赖性,证明了若在时刻,T状态扰动的幅度达到最大, 则初始数据位于初始扰动域的边界上, 这个结果的重要意义在于可以减少数值求解扰动幅度最大问题的计算量.     

基于状态信息的条件剩余寿命建模研究

根据监测到的设备状态信息预测其条件剩余寿命一直是基于状态维修中的关键问题。利用滤波理论,建立了基于状态信息的剩余寿命预测通用模型,并推导出采用极大似然估计法下参数估计的通式,使得在已知寿命服从其他任何分布形式时直接代入通式便可快速地得出其模型,从而预测其剩余寿命,省去了复杂繁琐的迭代过程。通过案例发现模型能够根据状态信息很好地预测其剩余寿命,并在不断更新状态信息的条件下越来越精确地预测其剩余寿命。     

基于条件蒙特卡罗方法的信用违约互换合约定价

多标的资产违约相关性结构的度量及其联合违约时间的模拟是信用违约互换合约定价的关键.Copula函数和蒙特卡罗模拟是解决此关键问题的有力工具,被广泛应用于信用衍生品定价.本文基于因子t-copula模型,结合条件蒙特卡罗模拟,构建了计算第7n次信用违约互换合约的条件蒙特卡罗算法.该算法能够捕捉多标的资产违约的尾部相关性,更准确地度量标的资产组合的违约风险及提高违约事件的模拟效率.数值结果表明,在考虑尾部相关性的情形下,采用重要抽样技术的JK算法和改进的JK算法是不稳定的,不能达到减方差的目的;而本文新构建的定价算法更稳定,在高斯copula和t-copula模型下,都能够有效减小估计量的方差,提高信用违约互换合约的定价精度和可靠性.     

异方差下条件处理效应的非参数估计及应用

处理效应模型作为分析政策效应的量化工具,在社会与经济的各个领域有着广泛的应用.现有文献为了得到处理效应的一致估计量,通常需要加一些较强的限制条件(如条件均值独立)或采用工具变量法,在较弱的与实际更吻合的条件下给出处理效应的一致估计量并不多见.本文在误差项对称的假定下,讨论了条件处理效应模型的非参数识别和估计,并进一步估计了平均处理效应.我们通过放松模型中函数形式的假定,同时考虑了较为普遍的广义异方差形式,大大减少了模型误设的可能性,拓展了现有模型的适用性.本文对估计量的大样本性质进行了分析,表明了估计量的一致性和渐近正态性,蒙特卡罗模拟显示了估计量良好的有限样本性质.最后,本文将估计量应用于研究大学教育回报及其性别差异,进一步解释了估计量的实用价值.     

宏观经济信息发布对股票市场收益率及其波动的影响

通过构建宏观信息发布中的未预期信息衡量指标,本文研究了宏观信息对股票市场收益率及其波动的影响.实证分析发现:股票市场指数月收益率具有"通胀对冲"功能,同时PPI、固定投资、货币供给(M2)也会显著影响指数收益率,贸易顺差则与收益率波动显著相关;进一步对股票市场指数日收益率分析发现沪深两市对宏观信息的短期反应并不相同.对上证综指,仅CPI、固定投资与进口同比显著影响指数收益率,而出口同时影响指数收益率及其波动;对于深证成指,市场只对出口信息会作出及时反应.此外,本文还发现危机后股市对宏观信息的反映也出现了显著变化,宏观信息变量中只有PMI和进出口变量显著影响市场收益率,而PPI则成为影响收益率波动的显著因素.     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

LEARNING CAUSAL GRAPHS OF NONLINEAR STRUCTURAL VECTOR AUTOREGRESSIVE MODEL USING INFORMATION THEORY CRITERIA

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis. Traditional causality inference methods have a salient limitation that the model must be linear and with Gaussian noise. Although additive model regression can effectively infer the nonlinear causal relationships of additive nonlinear time series, it suffers from the limitation that contemporaneous causal relationships of variables must be linear and not always valid to test conditional independence relations. This paper provides a nonparametric method that employs both mutual information and conditional mutual information to identify causal structure of a class of nonlinear time series models, which extends the additive nonlinear times series to nonlinear structural vector autoregressive models. An algorithm is developed to learn the contemporaneous and the lagged causal relationships of variables. Simulations demonstrate the effectiveness of the nroosed method.     

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.