基于灰色神经网络的股票收益率预测

股市是一个巨大的非线性动力系统,所以单一的预测模型很难全面地反映股市发展规律。通过构建多变量的灰色GM(1,N)和BP神经网络的组合模型实现了对上证股票收益率的预测,并取得了较好的预测效果。实验结果可以为股票投资者把握股市未来走势和规避投资风险提供参考。

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。

期权隐含尾部风险及其对股票收益率的预测

当投资者预期未来股票市场可能出现下跌时,会用虚值看跌期权来对冲下跌风险,因此这部分期权价格中隐含了未来股票下跌风险的信息.文章根据下偏矩的概念,通过无模型的估计方法,从看跌期权价格中提取出股票收益率分布的尾部风险指标或下跌风险指标,发现其对未来1个月的股票超额收益率具有显著的预测能力.加入控制变量后,隐含尾部风险指标的预测能力依然十分稳健,说明该指标中含有其他预测因子中所不具备的额外预测信息.

高阶矩风险与市场收益:来自中国期权市场的证据

基于上证50ETF期权隐含的方差和高阶矩的期限结构,本研究使用偏最小二乘回归的降维方法构造了与中国股票市场收益相关的方差-高阶矩风险因子.实证结果显示,在2015年到2020年的样本期内,该风险因子显著地预测未来1个月以及2周至8周的市场收益,月度样本内和样本外R^(2)分别达到了10.08%和6.55%.在控制了常见的经济预测变量和期权变量后,该因子的预测能力仍然保持显著.这表明我国股市收益中包含了对偏度和峰度风险的补偿,与含时变高阶矩的资产定价模型相一致.在经济价值方面,方差-高阶矩因子的预测能力可为投资者在市场择时交易中带来可观的收益.结果表明,中国期权市场提供了高阶矩风险的独特信息,这为理解我国股市风险与收益的权衡关系提供了新的角度.

基于SGED分布的变参数ARIMA+EARCH动态预测模型的研究——以沪深5只个股的滚动预测为例

根据股票市场收益率序列呈尖峰厚尾、偏态、波动集聚和杠杆效应等特征,本文构建Skew-GED (SGED)分布下的变参数ARIMA+EGARCH动态混合预测模型来挖掘和分析收益率序列的内在规律,运用r语言通过实时最优化动态模型的参数估计,分别对5只股票日对数收益率序列的未来收益情况进行每日预测每日更新,输出交易信号;最后通过滚动时间窗进行推进分析,解决可能存在的过度拟合问题,结果表明动态模型能更好地描述收益率特性,提高预测准确性。

Applications of nonferrous metal price volatility to prediction of China's stock market

The aim of the present work is to examine whether the price volatility of nonferrous metal futures can be used to predict the aggregate stock market returns in China. During a sample period from January of 2004 to December of 2011, empirical results show that the price volatility of basic nonferrous metals is a good predictor of value-weighted stock portfolio at various horizons in both in-sample and out-of-sample regressions. The predictive power of metal copper volatility is greater than that of aluminum. The results are robust to alternative measurements of variables and econometric approaches. After controlling several well-known macro pricing variables, the predictive power of copper volatility declines but remains statistically significant. Since the predictability exists only during our sample period, we conjecture that the stock market predictability by metal price volatility is partly driven by commodity financialization.

由GARCH模型探讨深圳股市风险价值的应用——基于1997~2013样本数据实证分析

中国自改革开放经济快速成长,人们在追逐高额回报率的背后,高风险也伴随而来。近年来投资者对风险的意识逐渐抬头,如何采用适当模型与方法对风险进行预测,是当前金融研究领域的热门话题。本文采用GARCH(1,1)模型对深证综指收益率序列进行研究,以Va R方法作为计算风险值的依据,进行波动率探讨。从实证的结果可知,GARCH(1,1)模型虽能预测深证综指的波动情况,但存在低估风险的情况。