网络世界可以帮助我们了解现实世界吗?

在股市震荡和经济衰退的警告中,美国当局和总统候选人提出了无数个振兴经济的方案.这些提议往往非常复杂,并且存有争议,而且几乎都是基于推测,谁也不知道这些方案是否会带来预想的效果.     

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．     

混合认知系统及其在股市分析上的应用

本文综合运用神经网络，模糊推理等多种新技术，提出了一种智能型模型－混合认知系统，并将它运用股市分析和预测，取得良好效果。     

中国股市收益率胖尾性分析

应用HKKP估计方法对沪深股指收益率的尾指数进行估计,并对涨跌停板前后股指收益率尾部的变化状况进行分析。结果表明:沪深股指收益率的左右尾指数均大于2;上证综指收益率呈现明显的非对称性,右尾胖于左尾;上证综指收益率的波动性比深成指收益率的波动性大,但沪市比深市更有吸引力;沪深股指收益率在涨跌停板后发生了较大的变化,沪市变化更大。     

我国股市与实体经济关联度的实证分析

利用我国工业增加值及上证、深证工业指数作为总体样本 ,运用统计中的回归分析和拟合分析方法 ,使用统计软件SAS ,对我国股市与实体经济的关联度及滞后效应等问题进行实证分析 ,得出了“我国股市与实体经济高度相关 ,并且实体经济的波动周期比股指波动周期滞后 3个月左右”的结论 ,该结论对投资者及政府有关部门具有一定的实用参考价值     

神经网络理论在股市建模中的应用

探讨神经网络理论的辨识特性，基于先验信息对股票市场建立非线性动态模型，用以预报市场短期走向。通过实证分析表明，采用神经网络所建立的股票市场模型能反映一段时间内市场平稳运行规律，对次日的市场行情变化预报的准确率较高，对市场短期预报有一定的参考价值。     

马尔可夫链在股市分析中的若干应用

应用马氏链理论建立股价波动及预测的数学模型．提出了股价的运行周期和投资收益的最大化理论．通过实际数据的检验，证明了该模型应用的可行性．     

房地产估价的收益还原法计算公式修正研究--以股市地产指数及房地产景气指数为例

分析了运用收益还原法评估房地产中,安全利率加风险调整值法计算还原利率的公式所存在的缺陷,并根据房地产投资与股票投资的共同性,用沪、深股市地产指数及房地产景气指数对该公式的调整值进行了改进并用AHP法简单探讨了对不同调整系数的权数的确定。运用改进后的公式,使得风险调整不仅仅体现在物价的变动上,而且更体现在房地产市场的变动上,这样就更能符合实际,得出的数值就更实用,更准确。     

基于对称Levy函数的径向基函数神经网络用于股市预测

在做径向基函数预测股票数据产生的非线性时间序列研究的时候,发现股票数据有标度行为。用对称Levy函数来取代高斯函数作为径向基函数神经网络的径向基来作预测,获得了更好的预测结果.     

MDH理论与日历效应下的中国股市量价关系

基于分布混合假说(MDH)理论的数学推导,以我国深沪股市的大盘指数为研究对象,检验原始交易量、包含自相关性的交易量对广义自回归条件异方差模型(GARCH)效应的解释效果,并分析日历效应对交易量与股价波动性关系的特殊影响.结果表明,GARCH模型可以很好地拟合中国股市的股价波动持续性问题;当引入原始交易量以后,股价波动性在一定程度上可以为原始交易量所解释,而包含自相关性的交易量对股市GARCH效应并无很好的解释力.经实证分析证实,股价的日历效应对于上海市场中交易量对股价波动性的解释有着推波助澜的作用.