股票价格聚集现象及其横截面决定因素研究——基于上证180指数成分股的经验分析

利用上证180指数成份股的高频数据,对我国股票的价格聚集现象进行了较深入的研究。研究发现上证180指数成份股的交易价格和报价的尾数显著聚集于数字0、5和8,而聚集的程度可以用交易价格、收益率的波动率、市值、股票的流动性等因素解释。排除这些因素的影响,离最佳报价越远的报价队列,价格聚集程度越高,这意味着离最佳报价越远的报价队列可能包含的信息越少。

上证180指数样本股经营绩效综合评价

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.

基于上海股市的资本资产定价模型的实证检验

鉴于资本资产定价模型对资产评估和资本定价的作用,以上海股票市场为对象,选取上证180指数中178家股票的相关数据,运用计量经济学的方法进行相关的资本资产定价模型的实证检验。结果显示:上海股票市场存在较大的投机行为,资本资产定价模型在上海股票市场还不适用,对于上海股票市场股票的定价还存在一定的困难。并就结论出现的原因给予了相关的解释。

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。

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。

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。

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。

美元流动性、国际大宗商品价格与上证指数的关联性分析

在世界经济增长共生模式下,美元流动性、国际大宗商品价格与上证指数之间具有联动结构。数据分析表明:国际大宗商品价格指数对上证指数具有长期的影响力,美元流动性对上证指数具有间接的影响力。因此,对上证指数的预测应从国内流动性和经济增长周期二维分析框架推广到广义的全球性框架中。

上证综合指数(日收盘)线性回归模型

根据技术分析的理论和基本假设,利用收盘价、最高价、最低价和成交量,以及前几个交易日的收盘点、最高点、最低点和成交量对上证综合指数999999收盘点位建立的多元线性回归模型显示,当期上证综合指数999999确实与前3个交易日的收盘价、最高价、最低价和成交量有线性关系,模型拟合得很好,但估计的个别值与实际值偏离较大,用模型进行预测时还得用其他方法予以佐证。

基于信息准则的连涨连跌收益率变结构分析

文章主要运用Schwarz信息准则(Schwarz information criterion,SIC)对上证综指连涨连跌收益率进行变结构分析,选用1992年5月至2015年5月近6 000个交易日的对数收益率数据,基于信息准则,检验该段时间内连涨和连跌收益率是否发生结构变化。如果发生结构变化,估计发生结构变化点的个数以及相应的变结构点位置,并探讨发生变结构的背后影响因素,并对连涨连跌收益率的不同变化情况给予解释。

基于极限学习机的上证指数预测与分析

针对证券指数具有随机性、时变、波动性较大、非线性等特点，传统线性预测方法预测精度低等缺陷，提出了一种基于极限学习机的证券指数预测方法。极限学习机克服了BP神经网络的训练速度慢、过拟合、局部极值等缺陷，具有训练速度快、全局最优和泛化能力优异等优点。采用1991～2013年上证指数对算法性能进行训练，2014年数据做测试，对100个测试数据仿真结果表明，复相关系数高达0.9935，极限学习机是一种预测精度高、误差小的证券指数预测算法，预测结果可以为用户提供有价值的参考意见。

上海股票市场与证券投资基金市场协整研究

利用计量经济学中的协整理论、误差修正模型和Granger因果检验方法,对上证综合指数和上证基金指数进行实证分析,论证我国股票市场和证券投资基金市场之间存在互动关系和长期均衡关系。

基于ARIMA模型对上证国债指数的预测研究

债券价格变化受很多不确定因素影响,而各个因素之间的相关关系又错综复杂,所以从理论上完全弄清楚债券的变化机理是件冗杂的事情,也非常困难。然而,债券是一个运动的、特殊的系统,也存在着可以被探索到的规律。本文以上证国债指数为例,选取2008年7月1日至2009年7月31日的日收盘价作为数据,利用Eviews软件对该数据建立自回归移动平均模型,对上证国债指数进行预测,并对预测效果给予评价,提出采用一步向前静态预测方法对国债价格进行短期预测的方法,可为国债发行主体和投资者进行相关决策时提供参考。

上证综指Markov预测模型合理性卡方检验方法

在建立上证综合指数Markov预测模型过程中,连续型指数需转换为较少状态的离散时间序列。只有选择恰当离散化方法,才能保证所得离散时间序列满足马尔科夫性。借助同分布卡方检验方法,可检验给定两个出发状态的转移概率分布之间是否存在差异。若同一转移概率矩阵不同行的分布差异较大,表明两个出发状态确有差异,即这两行对应的状态划分合理。而不同历史时期转移概率矩阵同一行的比较,可作为检验马尔科夫链非齐次性的一种方法。

上证综指的概率密度分布和自相关特性的分析

分析了2000-2006年上海证券交易所综合股价指数（简称上证指数）的对数增量在不同时间间隔情况下的概率分布密度和自相关函数.发现上证指数的对数增量符合列维非高斯分布,高频指数的对数增量具有大约20 min的时间相关性且在5-15 min之间表现为负相关,对数增量绝对值的自相关函数按幂率分布缓慢衰减.上证指数的总体统计行为与国际成熟股市基本相同,但高频指数的负相关效应和一些定量的差异表明上海股市的投机性较强.

2004年国家宏观调控政策与股市走势的联动性分析

在现代经济发展条件下,股市是国民经济的晴雨表,经济运行中的变化会迅速、放大反映在股市的涨跌变动中。我国股市现在是典型的政策市,受国家宏观经济政策影响巨大,每次有较大政策出台时,都会带来股市的大幅波动。文章通过对近十几年来我国宏观调控政策变动引起的变动的分析,以2004年宏观调控政策为切入点剖析了我国股市和宏观调控政策的联动关系。

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。

基于具有LR型模糊输出回归模型的上证指数预测

以对称二次型模糊回归模型为基础,引入一般二次模糊回归模型,利用模糊最小二乘法估计未知参数.构建评价标准考察两模型的拟合效果,在样本期内和样本期外分别评价模型的实际拟合与预测能力.