周内效应在牛市、熊市中的异化现象——关于中国证券市场的一个实证研究

基于行为金融学理论,考虑到不同市场环境下投资者的行为模式会存在差异,提出在研究日历效应时应将牛市和熊市区别对待.针对中国股票市场和基金市场的6个指数,按市场走势分为牛市、熊市两个时期,分别根据French的周内效应模型,运用EGARCH模型进行回归分析,然后依次采用日收益率差异检验和符号秩检验对回归结果进行分析.实证结果显示,牛市和熊市中的周内效应存在着显著差异.牛市时期表现出显著正向的周一效应,其收益率显著高于其他四个交易日,周四的收益率低于其他四个交易日;而在熊市时期则同时存在着显著为负的周一、周四效应,以及正向的弱周二效应.     

股价效应和经营绩效对企业双重融资选择的影响——基于中国A股上市公司的经验证据

以我国深沪两市A股上市公司1999～2006年期间有效数据为样本,本文利用Binary Logistic回归和OLS估计方法实证检验了股价效应和企业经营绩效对中国上市公司双重融资与其他融资方式选择的影响.研究结论显示,股价效应和企业经营绩效一方面通过权益融资的市场时机效应影响了双重融资与其他融资方式的选择,与资本结构呈负相关关系;另一方面以市值账面比表示的股价效应同时也包含企业增长的信息,与较低的目标资本结构相关,而企业经营绩效则通过影响资本结构的偏离而与杠杆率呈负相关关系,这与动态平衡资本结构理论假设一致.因此本文认为市场时机资本结构理论和动态平衡资本结构理论对中国上市公司融资决策行为具有较强的解释能力.     

基于ARMA（1,1）需求的多级供应链牛鞭效应仿真

在市场需求信息为ARMA(1,1)平稳可逆时间序列模型的前提下,首次建立了多级供应链各级成员以均方误差优化预测技术预测市场需求,以订货点法来确定订货量时多级供应链牛鞭效应理论及仿真模型,并利用仿真模型对多级供应链的整体牛鞭效应及其影响因素进行了详细的分析,研究表明供应链牛鞭效应和相关系数ρ与滑动平均系数θ之间的相互关系有关.     

公司多阶段财务危机动态预警研究

以上市公司的季度数据为研究样本,以指数加权移动平均控制图模型为研究方法,以被实施特别处理和暂停上市为两个财务危机演变状态,建立了一个多阶段动态财务危机预警模型;实证结果表明,该模型对上市财务危机公司具有较好的预测效果,有较大的应用价值.     

Hopf bifurcation and chaos of financial system on condition of specific combination of parameters*

Exponential stability of the first order singular distributed parameter systems is discussed in the light of degenerate semi-group methods, which is described by the abstract developing equation in Hilbert space. The necessary and sufficient conditions concerning the exponential stability of the first order singular distributed parameter systems are given.     

灰色T型关联度的改进

通过对现有灰色关联度及T型关联度模型的分析,提出了灰色T型关联度的改进模型,改进后的关联度模型能够反映序列的正、负相关关系,并且具有对称性、唯一性、可比性和无量纲化后的保序性.通过实例表明了改进的灰色T型关联度能够更真实地反映序列曲线的关联程度,所得关联分析结果较为客观可靠,并且易于在计算机上实现.     

时滞竞争神经网络的全局指数稳定性

对于不同时标的时变时滞竞争神经网络的网络模型,通过构造适当的Lyapunov函数,结合微分不等式分析,研究了时变时滞竞争神经网络的全局指数稳定性,获得了新的全局指数稳定性判据,所得判据推广和改进了前人的相关结论。最后的数值仿真例子证明了该算法的有效性。     

基于凸多面体不确定网络化系统的鲁棒无源滤波

研究一类同时具有时变时延和测量数据丢失的不确定网络化系统的鲁棒无源滤波器设计问题。时变时延假设在一个已知的界内随机变化。测量数据的丢失是随机发生的,假设满足Bernoulli分布随机序列。采用线性矩阵不等式方法,给出了全阶和降阶的鲁棒无源滤波器存在的充分条件。所设计的滤波器使得滤波误差系统是均方指数稳定并满足给定的无源指标。最后数值仿真表明所提方法的有效性。     

基于位置和散度效应因子分类筛选及仿真试验

针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.