EMD和GARCH模型应用于股票价格预测

将EMD（经验模式分解）方法应用到股票价格趋势的预测中,找出影响股票市场波动的关键因素,旨在提高预测的精确性。通过EMD方法将上证指数日收盘价数据分解为不同频率的数据段,重组为高频序列、低频序列和趋势序列,运用高阶自回归和GARCH模型对分解出来的各序列进行拟合和预测,避免各个分段预测过程中的误差累积,最后对预测数据重组,得到样本外数据的预测序列。结果表明,该模型具有较好的预测效果,能给投资者提供更为合理的股票投资意见,同时为趋势预测研究提供借鉴。     

水库生态牧场绿色发展模式与技术对策的思考

水库渔业是我国淡水渔业的重要组成部分, 在保障优质水产品供给、维持生态平衡、促进渔民增收等方面发挥着重要作用。近年来, 随着资源与环境约束日益加大,水库渔业发展方式亟需转型升级。文中分析了水库渔业发展现状及面临的问题与挑战, 探讨了生态渔业发展的理论基础、绿色渔业模式和生态养殖技术方法, 提出了相关的建议。     

基于模糊SVM与周期分析的股票预测

基于模糊SVM与周期分析的股票预测方法通过选取曲率变化大、形式简单的幂函数作为候选隶属度函数,并采用格子搜索法寻找最优参数,确定出最优模糊隶属度,同时又结合寻找股票波动的工具：市场周期分析法．仿真实验表明：在利用模糊SVM训练时间序列数据集时,该方法比目前常用的选择模糊隶属度、以及单独用最优模糊隶属度方法的效果都好．     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

基于网络信息挖掘的股市影响因素分析

针对海量网络文本信息的获取、 量化和分析的难题, 采用信息抓取技术获得网络金融舆情文本信息, 并根据数据的信息量对金融舆情信息进行分类, 建立因子模型和时间序列模型, 分析网络金融舆情信息对我国股票市场的影响。通过实证得到以下结论： 与单只股票相关的网络文本信息数量, 明显影响了该只股票在第2日的收益率; 信息容量越大的网络文本信息对股票的影响力越大, 而不同组的信息对收益率的作用方向不同; 网络文本信息的数量与股票波动率明显相关, 信息容量不同的文本信息对波动率的影响力也不同。     

股市预测的一个随机时间序列模型及其实证

给出了将非平稳时间序列转化为平稳序列构建自回归模型的步骤和方法.将这一方法具体运用于上证指数的预测,并证实该方法与实际吻合很好.最后讨论了该方法运用于股市波段预测应注意的问题.     

基于相似性最优模块神经网络的股票预测

该文提出一种最优模块化神经网络的模型.BP网络存在学习后面的样本而"遗忘"前面的样本,以及训练速度很慢的问题,但具有泛化能力强的优点,同时网络的结构不会随数据增加而变的庞大.而RBF网络随着输入维数增加其隐藏层的神经元个数呈指数增加,并且其泛化能力不强,但RBF网络具有训练速度比较快,逼近效果好等优点.于是提出最优模块化神经网络的模型,综合BP和RBF网络的优点.使学习样本能力,运算速度,网络规模得到改善.该模型适合于较多的样本训练.     

股票市场供求关系与股价及其变化率的微分方程

在股票市场中,股票进行买卖的行为叫做股票交易。交易量的大小称为成交量,而成交量直接影响股票价格的变化。主要研究供求与股价等一些相关因素的关系,建立数学模型,并对此模型进行讨论、分析,给出定量的描述,为投资者提供一个理论依据。     

论推出股指期货对我国股票市场的影响

文章从我国即将推出的沪深300股指入手,介绍了股指期货的发展历史及股指期货的主要功能,详细分析了股指期货推出对股价、股市资金规模、股市结构及股市的监管机构造成的影响。     

托板法治理地基塌陷时的沉降观测

本文着重讨论用托板法治理因岩溶发育引起的地基塌陷时建筑物的变形征及安全监测的必要精度和观测时机等问题。