过程控制图在股票收益波动分析中的应用研究

应用AR型残差控制图解决过程自相关问题;用受控过程的条件标准差替代无条件标准差,构造控制图的控制线,解决过程波动簇聚问题.在实证中,以上证50指数中股票的周收益序列为样本过程,根据其统计性质将其分为四类,并分别举例、选择适当的控制图加以监控.然后,对控制图识别出的异常点举例进行验证、分析,以评价控制图应用于股票收益序列监控的有效性.     

自相关过程的统计控制状态

对过程实施统计质量控制的基本假设前提是观测值彼此统计独立,但是实际工作中经常出现过程的观测值存在自相关的现象.本文在简单介绍残差控制图的基础上,探讨了自相关过程的统计控制状态的含义,提出了判断自相关过程是否处于统计控制状态并进而寻找处于统计控制状态下的自相关过程的模型的途径,运用示例加以说明.最后给出保持自相关过程的统计控制状态的方法.     

基于协方差阵特征结构的新型控制图研究

本文在深入分析现行广义方差类的统计控制图存在的统计监控缺陷的基础上,提出了对多变量过程的协方差阵的特征向量张成的坐标系的一致性进行统计监控的C控制图,以及对特征值构成的椭球体的相似性进行监控的S控制图,有效地提高了对多变量过程的协方差阵的异常变动的统计监控能力。仿真表明,联合使用C控制图、S控制图及常规均值T²控制图,能够实现对多变量过程的协方差阵与均值的系统监控,显著改善监控效率。     

移动商务中面向客户细分的KSP混合聚类算法

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一。为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K-m eans、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K-m eans和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-m eans优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制。针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K-m eans、层级自组织映射网络和基于粒子群的K-m eans等4种算法对实际案例进行对比分析。研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题。     

SPC在企业应用中存在的几个问题

SPC主要是指应用统计分析技术对生产过程进行实时监控,科学的区分出生产过程中产品质量的随机波动与异常波动,从而对生产过程的异常趋势提出预警,以便生产管理人员及时采取措施,消除异常,恢复过程的稳定,从而达到提高和控制质量的目的。本文对SPC的企业应用过程中存在的几个首要问题进行了论述。     

“特质波动率之谜”与估计模型有关吗？

以CAPM、Fama-French三因子和五因子模型为均值方程,分别采用无条件标准差,以及GARCH、EGARCH条件方差为基准计算出中国股票市场的特质波动率,研究了特质波动率与股票收益率之间的关系。研究发现,关于高特质波动风险对应低预期收益的定价异象来源于特质波动率估计模型的差异。具体地,当使用无条件标准差方式估计特质波动率时,存在定价异象,而使用GARCH、EGARCH等条件方差模型估计特质波动率时,则不存在定价异象。该结果在改变残差估计均值方程以及控制规模、流动性等其它变量后依然稳健。本文的研究有助于解释长期困扰在资产定价领域的“特质波动率之谜”。     

统计过程控制与设备维护管理的集成模式研究

统计过程控制是提高产品质量,降低产品成本非常有效的一种工具,它主要利用控制图监控生产过程,尽量使其处于受控状态.然而,导致产品质量异常的因素多数与设备有关.因此设备维护管理与统计过程控制存在着紧密的联系,也是生产管理中不可或缺的一种工具.然而这两种工具一般都被独立地进行应用或研究,这大大地降低了它们的效能.本文综合的考虑这两种工具,提出了一个具体的统计过程控制与设备维护管理的集成模式,并通过更新回报过程以及费用模型分析了该集成模式的经济效益.     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)-GARCH(1,1)模型与幂律型分布相结合计算VaR的方法。用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,二者结合更好地描述回报时序的动态波动现象。对上证综指进行实证分析,结果表明本文提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确。     

政策因素对股票市场波动的非对称性影响

政策因素对中国股票市场的波动具有重要影响.首先对中国股票市场的政策因素进行系统的分类并量化;其次,以上证综合指数收益率的标准差及上、下半标准差度量股票市场波动性,应用多元回归模型,从市场总体和不同市场环境两个方面分析了各类政策因素对我国股票市场波动的影响.研究发现:政策因素是影响我国股市波动的主要因素,其在牛市行情中对市场波动的影响大于熊市行情,对股市向下波动的解释程度大于向上波动的解释程度.研究结果表明:政策因素更容易在牛市行情中对股市波动产生影响,更容易引起股市向下波动.     

中国股票市场存在特质波动率之谜吗? ——基于分位数回归模型的实证分析

选取我国沪深A股所有股票作为研究对象,采用OLS回归残差标准差提取和GARCH(1,1)加权平均等两种方法估计特质波动率,并利用Fama-MacBeth横截面回归法和分位数回归法对特质风险与股票预期回报之间的相关关系进行了实证研究.发现:OLS回归结果表明我国股票市场的特质波动率与股票预期回报之间呈现负相关关系,但在统计上不显著;分位数回归则表明我国股票市场的特质波动率风险与股票预期回报之间的关系是随着分位水平的变化而变化的,特质风险在低分位水平下与股票预期回报呈显著负相关关系,而在高分位水平下则与股票预期回报之间呈显著正相关关系.