排序方式: 共有37条查询结果,搜索用时 453 毫秒
1.
通过对股票价格运行特点分析,将这一随机时间序列分解成由灰色模型拟合的趋势变动序列和马尔可夫链,并在对两详细剖析的基础上建立了无偏灰色—马氏链组合模型,以此预测上证综合指数的区间概率分布、平稳分布、均值以及平均涨落时间,检验和实例表明该模型具有较高精度和应用价值. 相似文献
2.
3.
为了研究企业债券市场,并针对汇率波动对企债市场的影响,提出建立LSTM和GRU两种神经网络模型;首先证明了它们对于企业债券市场收益的研究具有良好的拟合和预测效果,再将人民币兑美元的汇率数据作为神经网络的输入变量之一,验证人民币汇率对企债市场收益的影响,并比较两种模型的预测效果;结果显示:加入汇率指标后,两种模型不仅能捕捉收益趋势,同时都在数值上也更加精准可靠。实证研究表明,目前在研究我国企业债券市场时,人民币汇率是不可忽略的影响因素,并且相较而言GRU模型的结果更为精准。 相似文献
4.
股票价格涉及很多不确定因素,且各个因素之间的相关关系错综复杂, 因此要从理论上彻底弄清楚股市的变化机理十分困难.然而股市是一个运动的、特殊的系统, 它必然存在着规律.以上证综合指数为例,利用EVIEWS软件对其股票价格建立ARIMA模型,提出了股票价格序列的一步向前静态预测方法,用于股票价格序列的建模及股价短期预测,希望为企业和投资者在进行相关决策时提供有益的参考. 相似文献
5.
6.
基于模拟退火原理的模糊C-均值聚类在证券市场中的应用 总被引:1,自引:0,他引:1
通过将模拟退火技术与模糊C-均值聚类相结合,提出了一种新的具有全局优化的模糊C-均值聚类算法,用于解决一般动态聚类方法中聚类结果对初始中心的敏感性问题。利用该方法,对上证50指数分类,并对分类结果的特征进行了分析。仿真结果表明该方法是一个具有全局最优解聚类方法。 相似文献
7.
本文运用贝叶斯方法研究了门限分位点自回归时间序列模型的估计和预测. 将分位点回归的最优化问题转化为极大似然估计的问题,从而可以利用Metropolis-Hastings算法对模型中的参数进行Bayesian估计. 同时我们将模型应用于上证综合指数的增长率的数据, 得到了这一增长率的分位点估计. 这一方法的优越之处在于它不需要对数据的分布作预先的假定. 相似文献
8.
上证50ETF由于其组合资产的对冲,其资产面临的主要是系统风险,通过马尔可夫结构转换GARCH模型(MS-GARCH模型)准确预判上证50ETF波动状态后对其实施风险管理。首先,根据MS-GARCH模型稳态分类方法对上证50ETF波动率划分3个波动区间;其次,将波动率以滚动窗口形式带入Black-Scholes期权定价模型;最后,运用均方误差、对称平均绝对百分比误差等确定最优模型。实证结果表明:拟合和预测期权价格得到MS-GARCH模型优于GARCH模型。通过准确预判上证50ETF波动状态,在高波动状态情行下可以对上证50ETF提前做好风险管理措施,为金融组合资产系统风险管理提供一个很好的参考依据。 相似文献
9.
金桩 《吉首大学学报(自然科学版)》2005,26(1):52-55
因子分析法能较好的解决其它财务分析方法当中普遍存在的信息重叠和主观赋权等不足之处,使得分析结果更加公平合理,因此因子分析法成为了财务状况综合评价的主要方法之一.本文采用因子分析方法,从上市公司的盈利能力、资产运营能力、偿债能力、企业扩张能力和主营业务突出状况等5个方面,对上证180指数样本进行综合评价,并对其结果作了简要的分析. 相似文献