股票特征对流动性影响研究

股票流动性的影响因素大致可以总结为三大类,即股票特征、市场微观结构以及其它因素。而对于同一个市场来说,股票流动性最大的影响因素便是股票特征。本文首先将股票特征分为交易特征、股权结构、公司特征、股票收益率,然后分别对这四个方面因素对流动性影响的研究进行统计归纳,最后得出相关结论。

支持向量机在股票特征选择中的应用研究

在西方国家，股票市场已经成为整个社会经济的“晴雨表”和“报警器”，其对于经济发展的作用不可估量。中国的股票市场经过十几年的发展，已初具规模。随着越来越多的人进入股市进行投资活动，人们提出各种各样的股市预测方法；

基于机器学习的股票特征预测机构持股研究

本文基于2006年-2017年沪深300中141支高机构持股比例的股票数据进行实证研究,分析机构增持股的CAR,建立集成SVM,Random Forest,XGBoost三大机器学习算法的多数投票分类器,利用上市公司13个财务和非财务特征数据预测机构投资者在季度末的增减持行为,根据shaply value分析机构持股偏好。结果表明:机构增持股在季度报披露前具有正CAR,分类器增减持分类预测准确率最高达88. 89%,总资产周转率,净资产收益率和市净率对机构持股影响显著。这表明机构增持股能获取超额回报,机构择股能力强,持股行为具有可预测性,持股偏好具有可识别特征。个人投资者可以在季度末利用分类器预测机构持股行为,在季度报披露前跟进以获取超额回报。

投资者情绪与股票特征关系

选取了表征情绪及心态的变化量,来构建情绪的关联指数架构,解析收益与特定类别情绪的常规性关系。在明确了这一类的敏感程度以后,探讨了投资所带有情绪与股票本身属性的密切关联。研究的数据表示出:A类股市,可能在后续性的时段内存有波动,这一浮动的规模凸显,且频率相对很高。市场率偏高的那部分股票,受到投资心态约束的可能性也大;然而,年龄段存有差别的股票,并没能受到关联心态的各类影响。

投资者情绪与股票特征关系

通过选取情绪变量,构造了情绪指数和反映股票收益对情绪变化敏感性的指标—情绪β.在此基础上,分析和研究了情绪与股票特征之间的关系.实证研究表明,我国A股市场在一定时期内,规模较大、波动率较高、市净率较高的股票易受情绪的影响,不同年龄的股票并未受投资者情绪的影响.

基于修正R/S模型族的中国上市家族企业股票风险特征研究

本文利用股票风险分析模型修正R/S模型,利用我国上市家族企业和非家族企业的30只（15对）个股2006年1月4日~2010年1月4日期间的样本数据进行建模分析,来对我国上市家族企业的风险特征进行分析研究。研究结果表明：上市家族企业价格持续状态明显弱于上市非家族企业,家族企业对冲击的消化能力较强;股价波动的关联性,股价的波动一定程度上受历史信息的影响。这些研究发现对投资者来说,掌握历史信息对投资决策是有帮助的。

中国股市动量效应的表现特征

多数学术研究结果显示,中国股票市场不存在动量效应,而市场人士的直观感觉却正好相反。本文在归纳总结成熟股票市场中动量效应具体表现的基础上,根据股票的不同特征(价值型与成长型、大盘与小盘、高价与低价、高换手率与低换手率)分别考察中国股市中套利组合(Jegadeesh-Titm an相对强弱组合)的收益表现,结果发现了与成熟市场中显著不同的动量表现特征:相对于小盘、低价和高换手率的股票,大盘、高价和低换手率的股票具有较高的动量收益,而价值型与成长型股票几乎没有动量收益。进一步,基于大盘、高价和低换手率特征构建的套利组合具有非常显著的动量收益。

投资者注意力指数与股票收益关系的实证检验

文章运用主成分分析法构建了投资者注意力指数(ATT)。选择沪深A股1465只股票作为研究对象,以2004年7月到2011年6月为样本区间,实证检验注意力指数与股票期望收益的关系,发现注意力指数可以作为决定股票收益的风险因子。进一步分析注意力指数与股票特征间的关系,发现低流通市值、低名义价格、低机构投资者持股比例、低市净率和上市年龄长的股票按ATT构建的零投资组合L-H经FF三因素调整后的月度超额收益分别为0.68%,0.72%,1.16%,0.52%和0.86%。

基于GARCH模型的股票市场价格操纵研究

随着经济的发展,中国股票市场存在价格操纵的风险缺口,相关监控措施亟待完善,在此重点研究了2016年由中国证监会查处的6起真实发生的股价操纵事件,并以这6起操纵事件的真实交易数据为基础,结合GARCH模型对其共性特点进行实证研究,总结股票被操纵期间所表现出来的一般规律。挑选出具有代表性的股票特征,包括股票收益率和波动性、股权集中度、股票流动性和股本规模,作为中国监管机构重点关注并密切监控的目标对象。以中国现阶段股票市场的真实交易数据为基础,对股价的波动性特征进行实证研究并检验。根据所选取的典型特征,结合中国现阶段的制度体系,从加强信息披露、加强投资者教育、尽快解决股权分割、完善投资者结构、加强对账户和交易的监控、规范政府行为和完善法律法规方面,给出相应的政策建议。

上市公司股票流动性影响因素的实证

股票流动性的影响因素大致可以总结为3大类,即股票特征、市场微观结构以及其他因素.而对于同一个市场来说,股票流动性最大的影响因素便是股票特征.股票特征中股票价格、公司规模、资产负债率、股权集中度以及机构持股率等对股票流动性有较好的解释,不同的流动性表述方式下的实证结果也不一样.

股票型共同基金业绩评估方法的研究综述

股票型共同基金的业绩评估是监管层考核基金投资能力,基金公司建立激励机制,投资者选择投资目标的重要参考依据。关于股票型共同基金的业绩评估方法,国内外学者通过近五十年的研究建立了较为成熟的评估体系。文章将相关文献中记载的评估方法分为市场风险调整,多风险因子模型和股票特征模型三类,分别进行了梳理和汇总,为今后的相关研究提供了参考和借鉴。

股票基本面指数的优化研究

本文以嘉实基本面50指数为研究对象,从会计信息质量以及中国股票市场特征两个角度对其进行分析。从会计信息质量角度来看,由于受行业差异、发展战略和商业模式等因素的影响,基本面会计指标的可比性、相关性、谨慎性等质量明显存在问题。从中国股票市场特征来看,国内大多数投资者倾向于短期投资,对分红不够重视,四个基本面指标等权重设计不符合实际情况,其权重有待根据实际情况进行优化。本文根据上述两个角度的理论分析,提出修正基本面指数的编制方法。即根据每年的折现因子剔除通货膨胀,结合每股收益净收益优化营业收入,将商誉摊销优化净资产,降低分红在基本面中的权重,最后对2000-2017年所有样本公司的基本面数据进行实证检验,并计算出新的基本面指数。结果显示,优化后的基本面指数可以稳定地提高投资回报率。本研究成果属于被动式投资,管理成本极低,适于"储蓄"型的长期投资。因此,以本研究成果为投资工具,通过互联网众筹资金进行投资等,可提高社会闲散资金的投资效率,顺应"互联网+"的大趋势。

基于板块效应的深度学习股价走势预测方法

股票价格预测作为金融预测领域中一项重要的研究方向,准确预测股票价格的涨跌可以帮助投资者盈利或及时止损.经研究发现,某些因素(如政策、社会突发事件等)会对同板块下的多只股票价格产生影响,导致同板块的多只股票在某个时间段内出现相似的走势,即板块效应.因此,同板块下多只股票的价格走势对于股票预测具有参考作用.针对这一现象,提出了一种基于板块效应的深度学习股价走势预测方法.首先,使用皮尔森(Pearson)相关系数和XGBoost算法对同板块下多只股票的收盘价进行分析,以筛选出与预测股票相关性高的多只股票,并使用自编码器对这些股票的收盘价进行降维,以提取股票的价格走势;其次,构建了一个基于卷积神经网络(convolutional neural networks, CNN)与长短期记忆(long short-term memory, LSTM)网络的混合深度学习预测模型,使用一维卷积神经网络提取输入数据的特征,使用LSTM网络对股票价格进行预测.该模型使用银行、医药、酒业、娱乐传媒4个板块的股票作为实验数据集.为了提高模型的预测效果,通过随机搜索对LSTM网络的神经元个数进行简单的分析,以选择较优的神经元个数.最后,通过实验分析,基于同板块数据集的深度学习预测模型具有良好的预测效果.

基于股价日均线的趋势策略有效性分析

反转效应的存在说明了股价的走势具有规律性,但仅依赖单一时间窗口历史收益率构造的反转策略难以有效捕捉这一规律。基于股价日均线指标本文构造了趋势策略,该策略在投资收益及策略的稳定性上均优于反转策略。趋势策略具有更佳的表现,一方面其可反映反转策略捕捉到的股价走势信息,另一方面其还可捕捉到反转策略无法捕捉的信息。趋势策略对市场风险系数、市值、账面市值比、市盈率、杠杆率、换手率等特征指标的影响、卖空交易及策略的构造具有较高的稳健性。

金砖国家股市相依结构研究——基于藤Copula-GARCH方法

在藤Copula理论研究框架下,本文构建Pair Copula-GARCH类模型,并分别采用C藤和D藤结构分解下的t-Copula、Clayton Copula和SJC Copula函数来研究金砖国家股票市场之间的动态相依性结构以及波动溢出效应。研究发现,D藤分解模式下的t-Copula模型更适合描述金砖国家股票市场的数据。研究还表明,巴西和印度、俄罗斯和南非股市间存在很强的波动溢出效应,而巴西和南非股市间则最弱。另外,在D藤结构下,巴西和南非市场出现极值的可能性最小,而巴西和印度市场出现极值的可能性则最大。

基于ARFIMA模型与GARCH模型的上证指数收益率研究

股票的价格序列是一个十分复杂的非线性动态系统,对投资者来说,如何准确分析股市行情,做出最优的投资决策,显得更加急迫;对中国股市的管理者来说,如何把握股市动态,使其健康、稳定的发展,也是一项艰巨的任务。本文选取2006—2015年的上证指数周收盘价的数据,计算股票对数收益率,通过对时间序列分析理论的实证研究分析,建立上证指数的GARCH模型和ARFIMA模型;进而对两种模型进行预测并比较,来说明时间序列分析的方法对拟合股票价格趋势的质量效果。

中国基金的股票投资偏好演变及其市场影响

利用我国证券投资基金1998～2008年41个季度的股票持仓数据,实证分析了我国基金持股偏好的演变路径及偏好变化对股票市场的结构影响。研究发现:我国基金的持股偏好在样本期内存在清晰的演变路径,且在2003年中期前后发生了显著变化,基金由前期偏好流通比率低、beta值高的个股转向后期偏好流通比率高、beta值低的个股,同时基金对高价格、大市值、低换手率个股的偏好在样本后期得到了显著加强;基金在样本期内持股偏好的转变对市场中大、小公司组合在估值和交易等方面的差异造成了一定影响。结论认为,我国股票基金持股偏好的演进趋势符合基金投资的审慎原则,对我国股市的平稳运行逐渐发挥出积极作用。