基于隐马尔可夫模型在股票择时上的应用与研究

隐马尔可夫模型(HMM)是由马尔可夫过程衍生出的概率图模型,常被用于语音模式识别、生物基因序列标记、金融时间序列预测等。主要是验证隐马尔可夫模型在量化金融领域的应用可行性。选取上证指数(上海证券交易所全部上市股票,包括A股和B股,反映了上海证券交易所上市股票价格的变动情况),指数在2000年到2004年这个时间段的数据并进行特征选取,通过实验对隐马尔可夫模型的预测结果与实际结果进行对比,发现隐马尔可夫模型能够更好地识别金融市场的状态,预测金融市场的走向,从而验证其在我国金融市场的应用可行性。

基于卷积神经网络的股票市场择时模型——以上证综指为例

本文在前人的研究基础上,以卷积神经网络为核心模型,构建了上证综指择时模型,并编写了配套的交易策略。模拟账户在2015年和2016年的回测中表现出优异的性能,其收益率在同时期指数型基金和股票型基金中名列前茅。实证研究表明,卷积神经网络在证券行业有着极其广阔的研究和应用前景。本文在一定程度上推动了金融技术的革新,为智慧金融做出了贡献。

上市公司选择股票增发的时间吗?——中国市场股权融资之谜的一种解释

本文通过比较中国A股市场增发和配股两种再融资方式对股票市场价格的影响以及相关的融资成本大小,研究上市公司股票增发过程中的“股票市场择时性”问题。本文主要做了以下两点工作:(1)验证了中国上市公司的股权再融资也存在“股权融资之谜”,且间接成本理论不能解释“股权融资之谜”;(2)利用“股票市场择时性”假说来解释“股权融资之谜”,并且通过实证分析验证了该解释。