网络近邻择优策略下的股市羊群行为演化模型及仿真

以行为金融理论和复杂网络理论为基础,针对股市投资者行为的"模仿"性特征,从投资者自我心理偏好和近邻行为效应两个维度,构建网络近邻择优策略下的股市羊群行为演化模型,理论分析股市羊群行为的演化动力学特征,并进行模拟仿真。研究结果表明:投资者投资行为演化路径受股市网络结构和近邻择优效应影响;近邻择优函数的凹凸性直接关系投资者投资行为动力学均衡态的稳定性;股市网络连通度和异质性对投资者投资行为均衡演变趋势具有重要作用;初始投资行为状态特征对投资者投资行为均衡态影响较小。所建立的模型及分析结论在一定程度上阐述了影响股市投资者投资行为变化的特征要素,解释了股市羊群行为演变的内在性规律,为金融管理部门制定宏观政策起到了一定理论支撑。     

我国股市同业扩容的合理性解释

中国股市一直存在着垄断供给。本文从理论上分析了我国股市供给的垄断性缺陷,并说明此缺陷会影响上市公司质量,从而得到股市同业扩容的合理性理论解释。本文认为股市同行业内扩容,将增加上市公司的同业竞争,是提高上市公司质量的可行方案。     

房价与股价联动关系的实证分析

房市和股市在一国的经济发展中扮演着重要的角色,随着房地产市场化改革和股市中股权分置改革的深化,房价和股价的联动关系日趋明显,关于房价与股价的联动关系的研究越来越受到重视。本文从理论和实证分析论述了房价变动对中国股市影响。首先,综述了国内外的学者关于这个课题的理论成果;在实证分析中采用了国内外学者在分析此问题时普遍使用到的平稳性检验、Granger因果检验法及脉冲响应函数。     

马尔可夫链在股市分析中的应用

本文运用随机过程中的马尔可夫链理论模拟股市运行规律,并以此对我国股票市场中的个股进行实证分析,结果显示:用马尔可夫链理论预测股市是有效的.     

股价波动的本质特征是什么?——基于非线性动力学分析视角的研究

基于金融复杂性研究视角,采用非线性动力学分析方法,分析股市波动的本质特征与形成机制。结果表明股市波动具有显著的分形动力学特征与长期记忆效应;股票市场存在低维混沌,具有内生的不稳定性;股价行为有其内在的非线性动力学形成机制,揭示出金融市场的正反馈机制、投资者的异质性与相互影响是引发市场复杂行为的重要途径;提出了非线性金融理论的研究方向并阐明了对于金融实践的意义。     

高风险低收益？基于机器学习的动态CAPM模型解释

我国股票市场存在高风险股票反而伴随较低收益的低风险定价异象,这有悖于传统资产定价理论．本文使用宏观经济和微观企业特征构建了六百多个变量的宏微观混合大数据集,并结合多种经典机器学习算法开发了基于大数据和机器学习的智能动态ＣＡＰＭ模型,检验了时变系统性风险对我国股市收益解释能力．实证结果表明：本文的智能动态ＣＡＰＭ定价模型能够显著解释我国股市低风险定价异象;随机森林等非线性机器学习算法表现最佳;影响股票时变系统风险的主要因素是市场类因子,基本面因子居次．本文对于我国股市系统性风险测度、动态资产定价模型构建和金融与大数据和人工智能融合创新有重要理论与实践指导意义．     

中国股市是宏观经济的晴雨表吗?——基于马氏域变模型的研究

本文运用马氏域变向量自回归模型研究我国宏观经济因素变动对股市的影响。宏观因素选取了工业增加值、消费、出口、通胀率、广义货币增速、利率以及人民币兑美元的实际汇率以反映实体经济增长和货币政策变动。本文首先利用马氏域变模型对所选变量不同时期所处状态进行识别,进而分析了各宏观经济变量周期与股市周期之间的关系;在此基础上,对各序列绝对离差建立马氏域变向量自回归模型,并利用其冲击响应函数研究各宏观经济因素波动对我国股市的影响。研究发现,A股收益率和各宏观经济变量变动都具有明显的非线性;在大多数时间里实体经济变动和股市波动保持了较好的协同性,股市周期略领先于实体经济周期;M2的快速增长往往伴随着股市的大幅上涨,但股市大幅上涨阶段并不与M2的快速增长相伴;利率调节对股市周期有显著的负向影响;通货膨胀对股市收益率影响显著;实际汇率变化周期与股市收益率周期相协同。     

投机性股市泡沫预警指标的构建与实证分析

金融自身的泡沫问题作为引发金融危机的一个重要方面,正成为金融体系乃至整个经济体系健康发展的重大威胁.本文以中国股市泡沫问题为研究对象,针对股市交易中投机性大小建立预警体系从而对投机性股市泡沫进行有效的监控.本文选取了8项经济指标,通过对1998-2007年10年间我国股市泡沫水平的相对变动进行分析,结合功效系数法[1]构建了投机性股市泡沫预警体系的理论框架,并据此对我国上证A股投机性股市泡沫建立相应的预警指标体系进行实证分析,得到了一些有用的结论.     

中国股市与国际股市的极值风险传导效应研究

本文针对股市中具有的部分典型事实构造股市指数损失的标准残差序列,并运用EVT对其极值尾部建模进而估计出股市指数的动态极值风险,然后基于Granger-Causality检验方法分析中国股市与国际上主要股市之间的极值风险传导效应。结果表明,在过去相当长时间内,中国大陆沪市与其它三个国际股市不存在风险传导效应而处于分割状态,但自2007年起,中国大陆沪市可以通过香港市场与其它国际股市进行极值风险传导;日本东京股市极值风险单向传导给香港股市,香港股市又单向传导给美国纽约股市;日本东京股市和美国纽约股市的极值风险存在明显的双向传导关系。     

运用生存分析与变点理论对上证指数的研究

本文运用生存分析与变点理论对上证指数进行了研究,发现连涨和连跌的股指服从伽玛分布,表明股市是有记忆的并且不服从随机游动假说。当股市发生变化时,伽玛分布的参数也会发生变化,而且伽玛分布的两个参数很好地反映了牛市、熊市的变化以及股市波动的变化。我们运用变点理论对这一变化进行了实证分析,得出了一些有意义的结论。     

基于元模型的异质交易行为主体下股票市场微观结构仿真研究

股票市场由大量具有不同的理性程度、行为偏好以及操作策略的异质类型交易者所构成的,这些交易者汇聚在一起相互作用,以自组织的方式涌现出诸多复杂的宏观金融市场现象。基于主体建模思想,从交易媒介、交易活动以及交易者行为三个层面进行设定,构建模拟真实市场交易的人工股票市场元模型。其中交易者(Agent)按其行为偏好分为风险厌恶型、损失厌恶型、过度乐观型、保守型、过度乐观的损失厌恶型以及保守的损失厌恶型6类;交易策略则分为基础交易者、趋势交易者、零信息交易者和自适应型交易者4类。不同的行为偏好和交易策略自由组合形成代表性异质交易者,并在交易环境的约束下相互作用推动市场的演化。以我国沪深300指数实际数据为参照,采用AnyLogic系统环境下优化算法对模型参数赋值并进行敏感性分析,发现股票市值和波动率之间不存在直接的联系,且所有交易者的总财富值在无风险利率改变的条件下差别不大,这意味着我国金融市场很大程度上是一个零和游戏过程,有效市场假说在市场运行的宏观层面成立。而在微观层面,不同类型交易者的财富分布均值明显不同,说明交易者的操作策略和行为偏好直接决定了其财富状况。     

T + 0交易制度的计算实验研究

利用计算实验方法考察T + 0交易制度对市场质量的影响。实验结果表明,无论是在正常还是异常波动的市场中,相对于T + 1,T + 0 制度降低了日内波动性、增加了日内流动性和定价效率,因而改善了市场质量。这是由于在T + 1制度下,投资者买入股票后,如果当天的市场价格发生较大波动或其预测价格发生了变化,投资者无法进行日内卖出,只能把需要当天卖出的订单累积到下一天早盘集中卖出,从而导致市场价格发生大的波动,如果由此又触发其他投资者的止损点,会导致市场进一步下跌并加大市场波动。T + 0制度则避免了上述问题,使得基本价值波动能够在日内消化,同时活跃的日内交易又改善了流动性,从而提高了市场质量。     

T+0交易制度的计算实验研究

利用计算实验方法考察T+0交易制度对市场质量的影响.实验结果表明,无论是在正常还是异常波动的市场中,相对于T+1,T+0制度降低了日内波动性、增加了日内流动性和定价效率,因而改善了市场质量.这是由于在T+1制度下,投资者买入股票后,如果当天的市场价格发生较大波动或其预测价格发生了变化,投资者无法进行日内卖出,只能把需要当天卖出的订单累积到下一天早盘集中卖出,从而导致市场价格发生大的波动,如果由此又触发其他投资者的止损点,会导致市场进一步下跌并加大市场波动.T+0制度则避免了上述问题,使得基本价值波动能够在日内消化,同时活跃的日内交易又改善了流动性,从而提高了市场质量.     

PREDICTING STOCK MARKET BEHAVIOR THROUGH RULE INDUCTION: AN APPLICATION OF THE LEARNING-FROM-EXAMPLE APPROACH*

An artificial intelligence-based rule-induction approach to the analysis of stock market prediction is presented. A single investment analyst was used as the expert for this study. Predicting intermediate fluctuations in the movement of the market for nonconservative investors was selected as the decision to analyze. Commercially available rule-induction software was used to generate rules that predicted the market calls of the market analyst and the actual movements of the market. Rules predicting actual market movement performed better than rules predicting the analyst's calls and better than the analyst himself. Such an approach may prove useful in designing a decision support system for market analysts or in improving the decision-making processes of such analysts. The dynamic nature of the stock market represents a substantially different decision environment than those previously analyzed by learning-from-example (LFE) techniques. This study provides insights into the limits and applications of LFE approaches.     

基于信息扩散原理运用人工神经网络识别股票级别

本文提出采用人工神经网络的方法对股票级别进行识别,以便辨识股票的优劣。首先建立股票识别的指标体系,对神经网络的训练样本中的各支股票的各项指标进行初步评级,然后用因素状态空间上信息扩散的方法对初步评级的结果进行优化处理,把处理后的结果作为神经网络训练样本的输入和输出因素,并利用BP算法进行网络训练,当计算达到要求的精度后即完成训练。经训练所得的神经网络即可用于识别股票级别。本文最后给出一个实例,具体说明运用信息扩散和人工神经网络的方法识别股票级别的过程,并对结果进行了分析讨论。采用本文所介绍的方法对股票级别进行识别,可以有效地减少主观因素及市场波动所带来的影响。     

经济不确定性是股市波动的因子吗？——基于GARCH-MIDAS模型的分析

本文运用混频模型（GARCH-MIDAS）分析了经济不确定性对中国股市波动率的影响。经济不确定性包括宏观经济不确定性和经济政策不确定性两方面。总体来说,经济不确定性会影响中国股市的波动,但强度有限,且A股、B股间表现出差异。经济运行（IP）和消费（inf）中的不确定性是A股、B股共同的波动因子,且IP的贡献度最高;货币政策（IR）、中国经济政策不确定性（CEPU）对A股无显著影响,但会显著影响B股的长期波动趋势;美国经济政策不确定性（AEPU）的影响则不显著。加入显著性指标有助于提高波动率的预测精度,混频模型为分析股市波动中的长期趋势和短期波动提供了一个新视角,有助于识别股市波动中的经济影响因素。     

分类信息对股市波动的影响研究

本文提出了基于高频数据的分类信息混合分布EGARCH模型,将上证指数的五分钟高频数据作为研究对象,引入修正混合分布(MMM)模型,将去除了趋势性和序列相关性的不同性质的对数交易量分解为进入市场的正的随机信息流和负的随机信息流两部分,作为分类信息流代理,加入EGARCH模型的方差方程中,考察"好消息"和"坏消息"对上证指数波动性的影响。     

基于复杂网络理论的股票指标关联性实证分析

复杂网络理论是研究股票市场内在结构和功能的有力工具,股票指标的关联性已成为研究股票市场的一个新视角。基于复杂网络理论对深沪300指数(2011年7月28至2012年2月28)构建网络拓扑结构。利用DFA进行数据筛选,计算筛选后数据的股票指标的绝对相关系数。根据股票指标的绝对相关系数概率分布确定阈值,构建网络拓扑结构,计算股票指标的网络统计特征指标,分析收益率、成交量、市盈率的网络结构。研究结果表明,股票收益率和成交量指标的具有较强的关联性,具有小世界性质;市盈率指标具有较弱的关联性,不具有小世界性质,是随机网络且受外界影响较大、效率低下,风险比较大。