我国股市与汇市间信息传导的实证研究

运用Granger因果检验方法和DCC-MGARCH模型,对我国沪深300指数、上证综合指数以及深证综合指数与人民币对美元汇率之间的联动关系进行了实证研究,与国内很多研究文献所得结论不同,研究发现股价与汇率之间均不存在长期的稳定协整关系,只存在外汇市场对股票市场的短期单向价格引导关系和单向波动溢出效应。     

加权支持向量机在证券指数预测中的研究

支持向量机是基于统计学习理论的新一代学习机器．它使用结构风险最小化原则，给出了实际风险的上界，运用该技巧，较好地解决了学习问题．而神经网络则采用经验风险最小化原则，会出现过学习现象．根据证券指数等时间序列数据的特点即近期数据要比远期数据重要，重要数据点要求比较小的误差而提出了加权支持向量机算法，与径向基神经网络相比较，加权支持向量机在证券指数预测方面表现出了良好的泛化性能。     

中国上市公司财务预警问题的统计分析和定性分析

阐述了在市场经济条件下投资者如何正确分析上市公司的财务比率，正确预测企业财务危险的信息，通过SPSS统计软件进行因子分析和回归分析，得出投资者应重点关注的七大指标和一个预测营业利率的多元线性回归模型．指出在减少投资者的投资风险方面，定量分析与定性分析结合的重要性．     

浅议中铝股份公司资金管理模式

介绍了中铝股份公司上市前的资金管理模式及存在的问题,分析了实行资金集中管理模式后的优势及存在的不足,提出了资金集中管理的完善措施。     

基于扩展Kalman滤波的神经网络学习算法在股票预测中的应用

给出一种新颖的用于股价预测的基于扩展Kalman滤波的神经网络学习算法。与传统的BP算法相比，该方法具有更好的收敛率和学习能力。通过对股票的预测实验验证该方法的可行性和有效性。     

基于区域标记法的代价敏感支持向量机在股票预测中的研究

针对传统股票预测中单点标记法的缺陷,提出了区域标记法,区域标记法可以为训练分类器提供更多有用信息,在一定程度上减轻了类别不平衡的问题,也更能满足实际任务的需求.同时,构建了一个RCS-Trader模型,该模型使用了代价敏感的支持向量机和FS度量进行优化,相比于传统股票预测方法,RCS-Trader模型的效果更好,投资回报率更高.     

关于股票风险控制的某些问题的研究

研究与股票投资的风险控制有关的几个问题：股票投资的系统性风险和非系统性风险的定量刻画的数学模型；总风险对它们的分解问题；深入考虑了在实际操作中，对有名的β系数的估计问题；最后还应用所得结果，利用电子计算机给出数值实例．     

基于误差修正模型的股市逆向干预政策时效分析

以2006年以来的数据为样本,运用误差修正模型对管理层逆向干预政策的时效问题进行实证分析.研究表明逆向干预政策达到了预期目的,但在股指涨跌的不同阶段其时效表现不同.     

投资者参与股票论坛的影响因素

通过问卷调查,对投资者参与股票论坛现状进行统计分析,并从信息内容和行为因素两个方面对投资者参与股票论坛的影响因素进行讨论.研究表明,股票论坛在中国投资者群体中已较为普及,具有明显的专业性特征.证券市场投资者参与股票论坛的概率显著高于未参与投资人群,其曾访问过股票论坛的比例达到82.1%.股票论坛的访问意愿和发贴意愿受到...     

证券市场上市公司与监管部门的寻租博弈分析

中国证监会在赋予发审委员审核权力的同时,没有要求其在虚假上市审核中承担责任,必然给发审委员留下寻租空间。本文用金融监管腐败模型来分析一级市场上市公司与监管部门的寻租博弈,求出均衡解并得出了相应的结论。