中国股票市场价格波动的尺度特性

股票价格波动的尺度特性是价格波动的重要特征,对其深入的研究对于衍生工具定价、风险控制、市场监管和价格预测等一系列金融市场中的重大研究课题具有极其重要的意义,本文针对我国股票市场的价格波动,不仅对传统的PDF的尺度特性进行了深入地研究,更进一步研究了意义重大的相关性尺度特性,为我国股票市场上述各类研究课题提供了坚实的实证依据和理论上有益的启发。     

基于小波包和神经网络的股票价格预测模型

股票价格是大量因素影响的综合结果,波动规律异常复杂,即使是神经网络这样强大的非线性预测工具也不堪胜任对其的准确预测。本文利用小波包理论将价格波动序列最优地分解为一系列规律较易掌握的子波动,对原始价格波动的预测也就分成神经网络对各子波动的预测。实证研究结果表明,这种小波包和神经网络相结合的股票价格预测模型预测精度明显高于小波和神经网络相结合以及直接利用价格波动预测的同类神经网络模型。     

股票价格持续大幅波动前后多重分形谱的异常及分析

利用多重分形谱可以深入地分析金融时间序列的微观结构及其特征.本文以民生银行、长江通信二上市公司的具体数据为例,以它们出现持续大幅震荡前后共35天的5min股价高频交易序列为原始数据,并将连续5天的高频数据分为一组,考察每支股票在持续大涨及持续大跌前后各个阶段时多重分形谱的形态及其重要参数的变化.研究表明股价持续大幅波动前后,股票价格的高频时间序列的多重分形谱具有前兆性的共同特征.运用本文的研究方法可以对个股持续大幅波动的开始及结束做出一定预测.     

基于多分形理论的动态VaR预测模型研究

经济物理学(econophysics)的大量研究表明,金融市场的波动具有复杂的多分形(multifractal)特征,因此准确地测度和预测市场波动,对金融风险管理工作的意义重大。在已有多分形波动率(multifractal volatility)测度及其模型应用基础上,以上证综指10年的高频数据为对象,提出了基于多分形波动率的样本外动态风险价值(out-of-sample dynamic VaR)预测法。通过两种规范的后验分析(backtesting)结果表明,与8种主流的线性和非线性GARCH族模型相比,在高风险水平上,基于多分形波动率测度的VaR模型明显具有更高的样本外动态风险预测精度。     

金融市场的多分形波动率测度、模型及其SPA检验

提出一种新的金融市场波动率的测度方法--多分形波动率(multifractal Volatilty)测度,并以上证综指在长达8年左右时间内的高频数据样本为例,构造了多分形波动率的ARFIMA动力学模型.同时,运用最近提出的SPA(superior predictive ability)检验法,实证对比了多分形波动率模型与现有的如实现波动率(realized volatility)模型、GARCH模型以及随机波动(stoclaastic volatility,SV)模型对市场波动预测能力的优劣.实证结果显示,在某些损失函数标准下,文中提出的多分形波动率测度及其动力学模型具有比现有其它模型更优的波动率刻画能力和预测精度.     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。     

多重分形理论在资本市场中的应用研究综述

在分析了多重分形理论产生背景的基础上,简要介绍了多重分形的概念、特点、产生方式及多重分形过程和多重分形谱估计.分别从资本市场的多重分形结构、资本市场多重分形特性及多重分形在资本市场风险管理中的应用3个方面,重点分析了资本市场中多重分形理论的研究进展,指出了多重分形理论在该领域所面临的困难与不足,并展望了该研究的发展方向.     

不同抽样频率波动模型的预测精度比较

以上证综指和标准普尔500指数为例,构建了基于不同抽样频率股价数据的波动模型,然后运用样本外的滚动时间窗法实证计算了各波动模型对未来市场波动率的预测值,最后运用具有bootstrap特性的SPA检验法实证检验了各波动模型的预测精度差异.研究结果表明,基于低频数据的波动模型对股市波动率的预测精度远远落后于基于高频数据的波动模型,使用高频数据有助于对市场波动率的精确预测.     

多重分形分析在经济中的应用

多重分形(Multifractal)最早是用来研究湍流的,近年人们也用它研究时间序列、DNA序列和外汇模型等等.我们将用它来检验证券市场的股票指数模型,它是一个检验股票价格是否服从随机游走假设的比较简单的模型.利用它还能来发现证券市场的突变点临界点和建立新的资本资产组合理论.     

国际汇率的多重分形消除趋势波动分析

基于多重分形消除趋势波动分析方法,对国际上3种主要的国际汇率收益序列进行实证研究.通过对收益时间序列进行重排处理和相位随机化处理,并将处理后的收益序列多重分形强度与原始序列进行比较,发现国际汇率的多重分形特征是由两个因素共同作用的,其中收益序列的波动相关性起主导作用,是形成多重分形特征的主要原因,而收益序列的胖尾概率分布对多重分形特征的形成也起到一定的作用.     

基于多尺度组合模型的铜价预测研究

铜价预测是国际大宗商品市场研究的一个重要领域。本文运用经验模态分解法（EMD）、人工神经网络（ANN）、支持向量机（SVM）和时间序列方法,基于分解-重构-集成的思想,构建了一个多尺度组合预测模型。在模型构建过程中,提出了运用游程判定法对分量序列进行重构的新思路。然后,运用此模型对LME铜价波动特点和走势进行分析：将铜价序列分解并重构成高频、低频和趋势三个部分,并从不规则因素、重大事件以及长期趋势三个角度解释了重构项的波动特征;实证分析表明,与灰色模型GM（1,1）、Elman神经网络方法等单模型,以及ARIMA-SVM组合模型相比,多尺度组合模型取得了最好的预测效果。     

基于动态模型平均的大豆期货价格预测研究

针对大豆期货价格波动的复杂性及影响因素的多元性，本文将动态模型平均理论引入大豆期货价格分析与预测研究中，通过动态选择解释变量和系数时变程度，在有效控制模型和系数不确定性的同时，最大限度综合利用大豆期货市场内外部信息，以提高大豆期货价格预测准确度。具体的，本文提出一套基于动态模型平均理论的大豆期货价格影响因素与预测分析框架，从期货市场和经济环境等两方面准确地识别出大豆期货价格影响因素的时变特征，进而构建大豆期货价格预测模型，并通过预测误差指标和Diebold-Mariano检验法评估其与基准模型的预测能力。研究结果表明，动态模型平均理论在有效剖析大豆期货价格影响因素的时变特征的同时，能明显提升大豆期货价格预测准确度。     

基于多标度分形理论的金融风险测度指标研究

多标度分形(multifractal)理论是一种刻画金融市场波动复杂性特征的有力工具,而金融价格时间序列的多标度分形谱(multifractal spectrum)则是对测度对象复杂性特征的一种具体和全面的描述.以上海证券交易所综合股价指数高频价格时间序列的多标度分形谱计算为例,建立了基于多标度分形谱两个主要参数的市场风险测度指标Rf,弥补了传统风险测度指标在非有效市场条件下的不足.通过对上证综指的实证研究验证了这一指标的有效性,并对其在价格波动预测方面的作用进行了初步的探讨和理论解释.     

生猪产业链价格的区制转移与非线性动态调整行为研究

准确刻画生猪产业链价格的动态行为特征是预测生猪市场价格变化趋势的基础,也是政府制定切实可行的生猪价格稳定政策的重要依据。本文以1994年6月至2018年6月中国生猪价格和猪肉价格月度数据为研究对象,运用多区制平滑转移自回归模型划分了生猪价格和猪肉价格序列的区制并实证分析了其区制转移特征;结合多区制平滑转移自回归估计方程的特征根和非线性脉冲响应分析进一步探究了生猪价格和猪肉价格的非线性动态调整行为特征。研究结果表明,生猪价格遵从一个三区制的平滑转移过程,猪肉价格则为一个四区制的平滑转移过程。生猪价格仅在低价位区和高价位区具有较强的持续性,而猪肉价格则在价格低迷区、价格坚挺区和价格恢复区均具有较强的持续性。从区制转移路径上来看,生猪价格很容易从中等价位迅速暴跌到低价位,猪肉价格倾向于由价格下跌区向价格低迷区转移以及由价格恢复区向价格坚挺区转移。随机冲击对猪肉价格的影响持久且具有微弱的"自我调节机制",对生猪价格的影响具有持久性但缺乏"自我调节机制";短期内,随机冲击对生猪市场价格波动起到正向促进作用,在长期,随机冲击对生猪价格主要体现为负效应,对猪肉价格整体表现为正效应。     

考虑结构变化和长记忆性的国际原油价格波动率预测研究

原油市场普遍存在结构变化现象，可能会引发原油价格波动率的长记忆性，导致模型参数的有偏估计。为此，本文考虑原油价格波动率的结构变化和长记忆性特征，采用考虑结构断点的GARCH族模型和MMGARCH模型对WTI和Brent油价波动率进行预测建模。结果表明，WTI和Brent油价波动率中确实存在明显的结构变化和长记忆性特征，而能够捕捉这两种特征的GARCH族模型往往比忽略它们的模型取得更好的油价波动率预测效果，特别是，同时动态捕捉结构变化和长记忆性特征的MMGARCH模型对油价波动率的预测性能优于其他相关模型。     

多重分形理论的大盘股和中小盘股差异性分析

采用2007年1月15日～2011年7月29日间的中证100指数和中证500指数分别代表我国大盘股和中小盘股的走势,采集2种指数1分钟的高频数据生成指数收益率序列,利用统计方法和多重分形-降趋脉动分析(MF-DFA)方法,比较研究2种指数整体的统计特性和多重分形特性;并基于每个交易日数据的多重分形分析,构造新的风险度量指标MFV,用以比较大盘股和中小盘股的风险。结果表明:①2种指数整体分布呈现尖峰胖尾分布,中间部分均服从双指数分布,尾部极端收益率服从幂率分布;②中证500指数整体的谱宽度较大;③中证500指数的日MFV有70%左右大于中证100。由这些不同均可得到大盘股的风险小于中小盘股这一结论,也弥补了传统风险测度指标在金融市场复杂系统中的不足。     

考虑促销因素的医药电商平台需求预测研究

医药电商平台需求预测涉及到药品自身属性及电商平台推出的各种促销活动,本文针对以上影响药品销量的因素提出了时间序列-机器学习组合模型对医药电商平台进行需求预测。传统研究促销因素的需求预测文献将促销阶段商品销量拆分为常规销量和促销增量的线性组合,本文首先拟合各药品促销阶段的常规销量,根据各药品常规销量时间序列数据及服用周期,使用SARIMA模型拟合药品的常规销量预测值,并将常规销量预测值与商品促销特征数据一同输入XGBoost模型进行集成学习预测。本文使用国内某医药电商平台真实销售数据测试组合模型的有效性,结果显示组合预测模型的预测效果相比其他三种传统预测模型更优。此外,本文验证了不同折扣力度下组合预测模型的有效性,以及促销变量在预测模型中的有效性,同时研究了数据共享策略在需求预测中的应用场景,结果显示预测模型在引入促销变量和采用数据共享策略后都能显著降低模型的预测误差。     

基于EEMD-LSTM的农产品价格短期预测模型研究

本文将集成经验模态分解(EEMD)方法与长短期记忆网络(LSTM)相结合，构建了一个端到端的农产品价格短期预测模型。首先，对原始价格信号进行EEMD分解，得到若干IMF子序列和一个残差序列；然后，运用Fine-to-coarse高低频重构方法对IMF子序列进行高频—低频重构；最后将原始价格序列、高频项、低频项和残差趋势项作为特征，输入到LSTM网络进行训练得到预测模型。本文以广州市江南农副产品市场的富士苹果日价格为例进行实证分析，结果表明，本文提出的EEMD-LSTM模型在农产品价格短期预测问题上具有一定的性能优势。     

基于多分形波动率测度的权证定价方法研究

金融复杂性研究表明,无论是成熟资本市场还是新兴资本市场,其价格波动除了具有时变、聚类和杠杆效应等典型特征外,还普遍具有更复杂的多分形特征.以中国股票市场中的4只认购权证为例,通过深入考察并充分提炼股价多分形分析过程中产生的对定量描述价格波动有益的统计信息,提出一种新的金融市场波动率测度,即多分形波动率,并进一步探讨其在权证定价领域中的实际应用.实证结果表明,中国股票市场的股价波动确实具有明显的多分形特征;且在B-S定价模型框架下,多分形波动率测度具有比常用的GARCH波动率测度和EGARCH波动率测度更优异的权证定价精度.