证券市场的噪音估计建模与估计研究

通过将噪音交易者引入交易树扩展经典的EKOP模型,构建了含有7个不同状态的新的交易到达过程模型,然后基于泊松到达理论得到交易到达过程的单期似然函数及多期联合似然函数,从而达到估计证券市场的噪音交易比例的目的.HS300样本股样本期间的估计结果表明,中国股票市场2011年1月–7月平均噪音交易比例达0.243 2,高于知情交易者比例.同时,参数结果分析表明期间噪音交易者情绪偏乐观,市场的信息效率不高.

基于相空间重构方法的证券市场噪音水平估计

鉴于证券资产价格变化序列中存在非线性、确定性及混沌现象,本文将信号学中基于相空间重构理论下噪音水平的估计思想引入证券市场并构建了相应的估计模型,然后在检验2010年1月4日到2010年12月14日期间沪深300指数为例的高频资产价格变化序列数据的非线性、确定性及混沌特征的基础上估计了其日噪音水平,结果表明沪深300指数期间噪音处于21.55%-65.40%之间,且噪音水平存在右偏及扁平特征,与资产价格走势及市场信息之间可能存在复杂的关系。

浅谈数据挖掘技术在企业营销管理中的应用

为了更好地对企业的营销管理进行量化分析,许多企业开始引进数据挖掘技术为企业的营销管理提供精准的信息支持。本文就是基于这样的一种发展趋势,结合数据挖掘技术特点与营销数据的特征,分析数据挖掘技术在企业营销管理中的应用。

中国证券市场Knight不确定性度量及资产定价研究

针对资本市场中不能被单一资产收益分布描述的Knight不确定性,首先分析了投资者信息集与这类不确定性的关系.在此基础上依据投影概率理论描述它以及传统风险对资产收益的映射过程,并构造了考虑这类不确定性的新定价模型.通过度量中国证券市场Knight不确定性及研究其对资产价格的影响,发现我国证券市场这类不确定性近几年来呈现出递减趋势且其大小略小于美国市场.另外,实证结果显示Knight不确定性能够参与定价并与收益率负相关,说明中国证券市场投资者对其呈现出喜好的态度.

基于Kalman滤波方法的证券市场噪音收益度量

在充分解析价格扩散过程的基础上，本文构建了融入时变噪音因素的新过程，并将其离散化后转换成状态空间模型。然后，利用Kalman滤波方法并借助EM算法估计未知参数，实现了有效度量噪音收益的目的。最后，以上证综指1991年1月4日至2012年2月24日的周数据为样本探析中国股市噪音收益情况，结果表明：期间中国股市的噪音收益水平处在-23．00％～83．51％，且存在右偏及尖峰特征，进一步分析表明投资者理性程度及监管是影响噪音收益的重要因素。

人人动手,按照“三主”原则,大力开展调查研究工作

前一个时期,同各地一样,我们比较集中地考虑了统计工作如何大跃进的问题.抓住中心进度统计、进行生产评比,这是跃进的一个重要方面.但是,仅从这一个方面来为政治、为生产服务。