“已实现”β系数长记忆检验及建模预测研究

基于信息更丰富的高频交易数据,应用一种新的时变茁系数计算方法,对上海证券交易所交易的A股股票的日β系数进行实时估计,并使用长记忆随机波动模型检验了“已实现”β系数长记忆特征且对其进一步建模预测。实证结果表明,上证指数的“已实现”方差和个股同上证指数间的“已实现”协方差都具有显著且相似的长记忆特性,个股的β系数普遍不具有显著的长记忆特征;分规模分行业预测结果表明,ARMA(2,1)模型在建模预测方面存在优势;预测精度对于每一个模型都有随着组数(即规模)的     

多重指标波动性模型在中国股市波动性估计 和预测的应用——基于高频数据的研究

文章分析了三种常用波动性衡量方法的特点，在此基础上讨论了多重指标波动性模型的具体形式。多重指标波动性联合估计模型是在倍乘误差模型基础上，综合考虑日间、日内波动以及已实现波动建立的一种联合预测模型。通过应用上证综指数据的实证结果表明，衡量波动性的不同方法间存在相互作用，多重指标波动性模型可以显著提高波动性的估计和预测精度。     

已实现波动和赋权已实现波动的比较研究

已实现波动是针对高频金融时间序列的一种全新的波动度量方法，具有不需要模型和计算方便的优点。赋权已实现波动则对已实现波动进行了改进，是另一种更为有效的波动度量方法。本文从定义形式、无偏性、有效性、日历效应等方面对已实现波动和赋权已实现波动加以比较。通过对上海股票市场的实证研究，说明了赋权已实现波动是优于已实现波动的波动估计量。     

中国股市已实现“核”波动研究

基于蒙特卡洛方法模拟出的股票价格路径分别考察“已实现”核波动（RK）、“已实现”波动（RV）方法的估计精度,结果表明:RK能有效滤出噪音更贴近于真实波动率。进一步将RK与分整自回归移动平均模型结合,并对其分数阶差分算法进行了修改,基于高频数据对我国股票市场的日波动率进行估计和预测。研究结果表明:RK方法在中国市场条件下具有较好的适用性,相对于RV有更好的预测效果。     

基于已实现波动率的长记忆性分析

根据长记忆性的检验方法,即H/S分析法、GPH法,分别对上证指数收益率波动的长记忆性进行检验。同时,采用已实现波动率（RV）对波动进行度量,结合ARFIMA-RV、HAR-RV长记忆性模型进行分析,证实上证指数的RV序列具有长记忆性,而且HAR-RV模型能更好地对波动进行预测分析。     

中国股票市场日内波动率的分行业差异研究--以高频数据为样本

目前国内学者利用年、月等低频数据对股票市场的波动率进行了很多的研究,但以日内高频数据为基础的研究还不多见.本文借鉴国外文献,提出用已实现流动率(realized volatility)对日内波动率进行估计,同时重点对不同行业股票的日内波动率差异进行实证研究和原因分析.     

金融市场波动测量方法新进展

文章阐述了“已实现”波动的研究进展 ,针对ARCH类、SV类等主流波动模型实际应用中存在的问题 ,从理论上阐述了如何解决维数“灾难”、参数估计等问题。着重介绍了“已实现”波动、“已实现”协方差的构建以及与积分波动、积分扩散阵之间的关系 ,和国外实证研究的成果 ,同时又介绍了用“已实现”波动的测量方法构建的一些模型 ,并指出了“已实现”波动正在进行的应用领域和发展前景。     

"已实现"波动率理论研究与评价

"已实现"波动率是一种全新的金融波动率测量方法。"已实现"波动率在理论上没有测量误差的无偏估计量,在实证建模方面比其他模型更易于估计参数,同时最优频率的选取对于"已实现"波动率的测量精确度是很重要的。     

α-加权模糊线性回归模型及其在电力需求预测中的应用

建立了一种回归系数为对称三角模糊数的α-加权模糊线性回归模型，运用模型进行了电量需求预测，实际需求和预测结果分析表明，该模型能够实现历史数据“重近轻远”的预测效果。进一步提高预测精度，减少预测误差，适合于电力需求预测。     

基于正弦变换和背景值优化的灰色GM(1,1)模型研究

对传统GM(1,1)模型进行误差分析,基于正弦变换和误差最小化原理对初始条件和背景值进行改进,建立了优化GM(1,1)模型。为了比较与传统GM(1,1)模型的优劣,选取2005—2015年我国水产品总产量数据,基于传统GM(1,1)模型和优化GM(1,1)模型分别对水产品总产量进行预测。实证研究表明:优化GM(1,1)模型在预测相对误差方面有明显改善,极大地提高了灰色模型的预测精度。     

基于FIGARCH模型的股指波动性估计与预测研究

首先引入了FIGARCH模型,并讨论了具有不同分布特征FIGARCH模型参数估计方法。采用沪、深两市的指数数据考察了考虑长期记忆的FIGARCH模型、不考虑长期记忆的GARCH模型和IGARCH模型对市场波动性的拟合效果和预测能力。实证结果表明非对称的t分布和广义误差分布的分布函数更适合我国股市波动特征的描述,FIGARCH模型在拟合效果和预测能力方面都要优于其他两个模型。     

农产品市场价格超短期预测研究——基于西红柿日批发价格的现代时间序列法建模

为科学分析与预测农产品市场日价格走势,研究农产品市场日价格波动的随机性特征,增强价格的预见性和市场的调控性,选择全国西红柿日批发价格为预测对象,基于价格序列数据的ADF检验和ARCH效应检验,结合2008—2009年间731天日价格数据分析,利用ARIMA、ARCH、GARCH等现代时间序列法,分别建立西红柿日批发价格预测模型,并选取2010年1月1—10日进行样本外区间的评估预测。研究表明,3个日价格预测模型的平均绝对百分比误差（MAPE）都在2％以内,其中GARCH模型在预测中具有更高的精度;农产品市场价格超短期预测中,在没有突发性因素干扰的情况下,所建立的3个模型预测结果的精度比较理想,但对于突发性事件等引起的价格急剧变化难以定量化模拟和预测。     

中国民用汽车保有量的短期组合预测

国内外对中国汽车保有量预测的研究很多,但由于各种假设不同而偏差较大。组合预测方法的出现,结合了不同预测方法的优点,提高了预测精度。文章运用Logistic模型拟合中国汽车保有量的增长,将其增长期划分为三个阶段,低速增长期,快速增长期,平稳增长期,以此指导灰色预测合理选取数据,对中国的汽车保有量进行短期预测。该预测方法只涉及市场最大汽车保有量的估计,尽可能地避免了传统预测模型中预测参数选取主观化的缺点。预测结果显示我国汽车保有量已经进入快速增长期,2015年将突破1亿9千万辆。     

GARCH类模型波动率预测效果评价——以沪铜期货为例

以沪铜期货为例,研究了GARCH、EGARCH、FIGARCH和FIEGARCH四种模型的波动率预测效果。以已实现波动率为模型评价衡量标准,分别采用M-Z回归和损失函数进行预测效果检验,结果表明,无论残差服从高斯分布还是t-分布,不同的GARCH类模型预测效果有显著差异,其中FIGARCH模型预测效果最好,其次是GARCH模型,EGARCH和FIEGARCH模型预测效果不佳。此结论说明我国铜期货市场具有显著的长记忆性,但不具有非对称效应。     

云南白药通过资本运作增强核心竞争力的实证分析

医药产业高风险、高投入、高回报的特点决定了其必须具有高度的产业集中度。资本作为要素市场最活跃的因素,通过资本运作和并购活动,可以促使经济资源流向高效率方向,提高医药产业集中度、资源优化组合及企业核心竞争力。本文以云南白药上市公司为例,说明其通过资产重组、上市筹资及一系列并购活动,提高了企业核心竞争力,保持了较好的盈利业绩及实现企业价值最大化目标。     

智力资本投资与企业资本化发展——基于软件上市公司的实证研究

企业的资本化即企业市场价值的形成,其衡量指标也为企业的市场价值。智力资本能够促进企业的价值创造,提升企业市场价值,而智力资本的增长来源于投资,因此,企业对智力资本的投资可以促进其资本化发展。文章改进了智力增值系数VAIC法,选取15家软件服务业上市公司进行实证分析。结果表明,样本企业物质资本、人力资本、结构资本投资对企业市场价值具有正向影响,关系资本对企业市场价值的影响为负。     

基于市值管理理论的选股模型应用

根据市值管理理论,公司的管理者通过科学的公司管理与合理的资源配置,可以实现股东利益最大化的目标,然而这会反映到股票价值和公司财务数据上.财务数据能够反映公司的内在价值,市值能够反映公司外在价值,通过分析内在外在价值之间的联系,即公司财务指标与其真实市值的关系,总结出一套以市值管理分析为基础的选股方法,从而为个人投资制定一个合理的投资方向.