股票价格和收益变化中的幂律

用不同的方法来研究股价的波动规律。非参数估计显示股票收益分布的非正态性及“肥尾”现象,其尾部满足幂律衰减。股票收益的“一般化”波动函数在不同时间间隔下的结构函数也服从幂指数分布律。第三个幂律是在我们使用模式分析法对股价的波动进行分析时发现的。

上证指数的混沌特性分析

通过计算得到上证指数的最大李雅普诺夫（Ｌｙａｐｕｎｏｖ）指数为正值，表明上证指数具有混沌特性．通过上证指数的相关积分关于相空间维数的数值计算发现，当相空间维数大于１０以后，相关积分趋于平稳，从而确定上证指数的嵌入维数约为１１，这时对应的相关积分可以看作为它的分数维，约等于１．１．

运用变点理论对连涨连跌收益率的Bayes分析

文章运用变点统计分析理论对上证指数连涨、连跌收益率进行Bayes实证分析。选用2005年6月6日至2010年5月12日共1 204个交易日的上证指数收益率数据,利用K-S检验法将其分成3个阶段,发现这3个阶段的连涨和连跌收益率服从伽马分布。通过计算后验概率的大小,判断分段之后的每一段收益率数据是否存在变点,同时给出变点发生位置的估计,并探讨变点发生的影响因素。

运用生存模型对上证指数涨跌天数的研究

本文运用生存模型对上证指数连续上涨和下跌天数进行了研究,分析了"T+1"政策和"涨停板"政策对股市的影响。我们发现生存模型对于分析股市的变动是有效的。

ARCH族模型在上证指数中的应用与预测

利用ARCH族模型对上证股票指数序列进行拟合和短期预测表明:上证股票指数序列存在ARCH效应,GARCH模型的预测效果要好于其他几种模型,但为了更好地模拟和预测数据,该模型还需考虑其他因素。

基于贝叶斯正则化BP神经网络的股票指数预测

提出了利用贝叶斯正则化BP神经网络对股票指数进行预测。通过对比实验表明,贝叶斯正则化的BP神经网络比相同条件下采用其他改进算法有较好的泛化能力,对股票指数预测有很好的效果。

股票市场正相关影响通货膨胀的路径分析

股票市场与通货膨胀的变动关系主要有四种:通货膨胀正相关影响股市;通货膨胀负相关影响股市;股市负相关影响通货膨胀;股市正相关影响通货膨胀。之前对于两者的变动研究得出的结论主要是负相关。1992-2008年中国股票市场与通货膨胀的数据显示,06年以前二者在趋势上基本呈负相关。但是,06年至今两者呈现出了滞后正相关的变动关系,并且是CPI滞后于股票市场同向波动。本文通过对股票市场参与结构的历史比较,总结出了股票市场正相关影响通货膨胀的路径。

基于遗传算法的模糊神经网络股市建模与预测

提出一种基于模糊神经网络的股票市场建模与预测方法，并采用遗传算法训练网络权值及模糊子集的划分．对于上证指数及个股（上海石化）的建模与预测结果表明，该方法具有很强的学习与泛化能力。

对中国A股市场新股初始回报的分析与研究

通过对1997年1月至2002年10月期间上市的641只普通股A股进行多变量时间序列分析,发现:整体价格水平对初始回报产生正影响;发行规模较小的公司的初始回报较高,给承销商垄断权利假说提供了支持;在深圳市场上,中签率与初始回报间是显著负相关的,说明初始回报与申购风险成正比,大的机构投资者为了弥补申购风险有操纵上市价格的嫌疑.发行到上市的时间间隔对初始回报的影响随着样本区间的缩短而增强.

上证基金指数波动结构分解与短期预测:基于EEMD模型

上证基金指数反映了基金市场的整体变动情况,研究其波动结构特征对基金市场参与者具有重要作用。研究结果表明:(1)上证基金指数序列可由经济基本面决定的趋势项、重大事件带来的低频分量和短期不均衡导致的高频分量构成,而且趋势项主导上证基金指数的长期走势,低频分量在中期对该指数有较大影响,而高频分量的影响可忽略不计;(2)与直接SVM预测法相比,EEMD-SVM组合预测法有更高的预测精度,说明EEMD分解得到的各结构分量有效地刻画了上证基金指数的内在运行特征。

上证综指波动特征及收益率影响因素研究——基于EEMD和VAR模型分析

总体经验模式分解(EEMD)是Norden E.Huang等人提出的一种最新的数据处理方法。本文通过EEMD将上证综指分解为高频分量、低频分量和趋势项三个分量,结合各结构分量的波动特征发现,高频分量对上证综指的解释率较低,低频分量和趋势项对上证综指的解释率较高。进而运用VAR模型分别分析低频分量收益率与趋势项收益率的影响因素,结果显示,M2增长率是长期内影响两者的最主要因素,并且M2增长率对趋势项收益率的影响高于对低频分量收益率的影响;趋势项受同业拆借利率和工业增加值增长率的影响明显,而低频分量则受自身影响较大。

基于自适应BP神经网络的上证指数预测模型的研究

股市的波动受许多因素的影响,属于非线性问题。对于非线性的问题传统的统计学知识不能很好的应用。本文提出了一种基于Ma TLAB神经网络工具箱的自适应神经网络的上证指数预测模型,自适应神经网络可以根据误差大小自主的调整学习效率,加快收敛速度。在对神经网络训练时,先对学习样本先进行归一化处理,再做BP网络的预测。经过与有动量的BP网络和L-M网络实验对比,结果表明这种方案比其他方案效率高、误差小。

牛熊市投资者情绪与上证综指的协整关系研究

本文选择了《股市动态分析》杂志公布的好淡指数作为测度投资者情绪的指标,与现有研究不同的是,将样本期分成了上升和下降两个不同阶段,利用协整检验和基于ECM的格兰杰因果检验方法分析了投资者情绪与上证综指之间的相互关系。研究表明,在全样本和下降时期,上证综指是投资者情绪的单向格兰杰原因;而在股市上升时期,投资者情绪与上证综指互为格兰杰原因。本文的启示在于,监管当局在引导投资者情绪调控股票市场时,需要立足于股市所处的阶段,不同的阶段需要有不同的调节手段。

短期国际资本流动对我国经济潜在冲击的实证分析

短期国际资本的流动会扰乱一国经济或金融市场的稳定。本文基于我国1997年1月—2009年9月的月度数据,根据赤池信息准则与施瓦茨信息准则,采用泊松相关系数,对VAR试算取得变量间或有影响机制,并根据测算结果对相关宏观经济指标做OLS回归分析。结果表明,短期国际资本的流动增大了中国证券市场的波动性,而对M2,CPI和ER等指标影响并不显著。本文最后根据结论对当前短期资本流动监管提出几点建议。

中国股市量价关系研究

研究了上证综指和深证综指从1997年1月至2016年4月之间日度收益率和成交额之间的关系。非对称GARCH-M模型的实证结果表明,成交额对收益率的影响(尤其是短期影响)较为显著;将成交额作为外生变量进行回归之后,收益率序列具有明显的杠杆效应,且对利空消息更为敏感。分位数回归的实证结果表明,上证综指的量价关系主要呈现为正相关关系,但在左尾处呈现为负相关关系;深证综指的实证结果的估计值仅在左尾处较为显著且量价关系呈现负相关关系。综合来看,我国证券市场在不断发展的过程中,沪深两市收益率和成交额的关系已经较为稳定。

基于VaR的我国股市市场风险度量

本文基于EGARCH-t模型,利用VaR方法分析计算了从1997年1月2日到2009年4月3日的我国股市上证综合指数的市场风险价值,度量了该时期不同阶段上证综合指数的市场风险状况。

投资者情绪和上证综指关系的实证研究

投资者情绪是反映投资者的未来投资意愿或预期的市场人气指标,文章选择了央视看市投资者情绪调查数据作为投资者情绪指标的依据,分析投资者情绪指标和上证综指之间的关系。研究表明投资者情绪和上证综指有非常直观的联系和比较一致的运行趋势,有较强的相关性。投资者情绪指标为我们提供了分析投资者心理与行为模式的工具,监管部门也可以通过调节和引导投资者情绪来调控市场。

上证50指数收益率特征及其波动性分析

研究国内非综合指数即成份指数(上证50指数)的收益率特征及其波动性,可以估计得出对指数风险收益具有较好预测作用的自回归———GARCH(1,1)-M模型,并实证分析指数收益的风险特性、稳定性、波动性等特征,这对当前探讨上证50指数相关指数衍生品推出及其投资分析均具有重要意义。

上证指数与宏观经济指标协整关系的实证分析

本文研究了上证指数与宏观经济指标变化之间的协整关系 ,并在多因素协整分析的基础 ,利用误差修正模型建立了二者之间的预测模型。其结果表明 1995年 1月到 2 0 0 0年 9月这段时间内 ,上证指数对长期利率、短期利率以及货币供应量的变化是敏感的 ,但同国民生产总值、固定资产投资、全国物价指数的变化之间没有长期均衡的关系 ,这对于我国证券市场的分析具有一些指导意义。