基于时间序列分析股票上证指数走势

本文应用时间序列对上证指数历史数据进行研究分析,并建立预测模型,以研究2014年上证指数的变化规律。利用统计分析软件分别对其开盘价格进行分析,应用时间序列分析方法建立模型对上证指数作预测分析,以得出接近真实值的预测值,并对模型进行检验,证明有效后,对未来数据进行短期预测。     

次债危机下美国股市对中国股市的影响

美国次贷危机对我国股票市场的影响有多大?本文通过美国道琼斯指数和我国上证指数,以及恒生指数作联动性研究,采用协整理论和Granger因果关系检验方法来探求三者之间的关联性,并将指数联动性和时间序列的VAR模型相结合建立ECM模型。研究结果表明道.琼斯指数与上证指数之间存在长期稳定的均衡关系。     

带有泡沫与崩盘的可预测模型检验

资产价格收益的可预测性一直是学术界长期关注并存在广泛争议的话题，准确理解资产价格收益的可预测性无疑对市场参与者、学术研究者和政策制定者都具有重大的学术价值和现实意义.有鉴于此，对带有泡沫与崩盘的可预测模型进行检验，提出带有泡沫与崩盘的Wald统计量，并由此展开理论分析和仿真模拟研究.分析结果表明，新构建的检验方法不仅在预测变量不同持续性下以及模型存在内生性下具有一致、可靠的检验力度，而且还对被预测变量普遍存在的泡沫与崩盘现象具有稳健的检验功效.在对上证指数收益率的可预测性检验实证分析中，选择涵盖股票市场、宏观经济和债券市场等17个变量，研究发现通货膨胀率和换手率能显著负向预测股票市场的变动，这对于优化资产投资组合、发展资产定价理论以及完善宏观审慎监管政策均具有重要的参考价值.     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

基于遗传支持矢量机的股市预测

为了高效合理地确定支持矢量机(SVM)的参数,使其对目标有效分类,本文采用实值编码遗传算法来实现SVM模型参数的自动选择,使SVM模型具有更好的推广能力,将该模型用于上证指数的趋势预测和四川长虹股票预测,仿真结果表明该遗传支持矢量机比神经网络具有更高的预测精度.     

矫偏条件波动及其在VaR估计中的应用——以一般正态VaR估计为例

反映金融市场条件波动时变性的模型都只是时资产真实数据生成过程的一种近似拟合,许多模型严格来说存在设定偏误,这样可能导致由它们所预测的条件波动相对真实值存在偏差.本文用一回归模型检验一般正态VaR估计中的简单平均方法估计的条件波动是否存在偏差,另一方面用它对这一条件波动估计值进行矫正,并以此为基础估计相应的VaR.通过对上证指数和深成指数1995-2005年日收益率数据的分析,我们发现,用简单平均方法对我国股市波动进行估计存在非常大的条件偏差,并发现波动矫偏后所预测的VaR值的准确性和有效性都明显提高.     

基于DFNN的金融股指预测及金融非线性系统辨识研究

针对证券市场内部结构的复杂性、外部因素的多变性,本文采用动态模糊神经网络(DFNN)进行金融股指预测.DFNN能够实现在线学习,并且参数估计与结构辨识同时进行;同时采用误差下降率(ERR)修剪技术,保证网络拓扑结构不会持续增长,避免了过拟合及过训练现象,确保了DFNN的泛化能力.本文以上证指数为例,通过与同样以高斯函数作为传递函数的RBF算法预测结果的比较和分析,表明DFNN预测上证指数的偏差较小,预测的方向准确性较高.通过DFNN模型提取的模糊规则对金融系统运行模式进行分析,为研究金融非线性系统辨识提供了启发性思路.     

基于重现时间间隔分析的极端收益预测及交易策略研究

极端收益的预测在金融风险管理中非常重要。本文系统研究了极端收益重现时间间隔的统计规律，提出了一种基于重现时间间隔分析的早期预警模型，并对极端收益的重现进行预测，检验了模型在样本内外的预测性能；最后分别针对极端正收益和极端负收益的样本外预测结果，设计了看涨和看跌的两种交易策略，并以中国上证指数、法国CAC40指数、英国富时指数、香港恒生指数和日本日经指数为例，对交易策略的日均收益率进行了统计显著性检验。研究结果表明，极端收益的重现时间间隔具有右偏、尖峰厚尾和强自相关等典型特征；极端收益预测模型在样本内和样本外检验中都具有良好的预测能力；看涨和看跌交易策略在卖出区间均能有效地避开下跌阶段，看涨策略有更显著的盈利水平。     

经济增长、信贷规模、资产价格和股票价格的关系——主要以GDP、短期贷款和上证指数为例

基于ADF单位根检验,PP检验,协整理论,ECM模型等计量经济学理论,来描述GDP、信贷规模以及股票价格的关系。具体选用了以GDP,短期贷款和上证指数为研究对象,讨论它们之间的传导机制。采用实证分析的方法进行研究,揭示了上证指数是如何随着GDP和短期贷款变动而变动的。     

基于微博情绪信息的股票市场预测

行为金融理论的研究表明,股票投资者在进行投资决策时,容易受到自身的因素如情绪与心理因素的影响.以行为金融理论为依据,作出基本假设:微博情绪信息反映的社会整体情绪倾向能够影响并预测股票市场整体价格走势的变化.实证过程包括抓取新浪微博数据并进行预处理,生成情绪倾向时间序列,通过格兰杰因果关系检验上证指数时间序列与情绪倾向时间序列间的相关关系,建立支持向量机模型预测股票市场价格的变化采验证假设的正确性.实验结果显示加入微博情绪信息的预测模型能够获得更高的准确率,进而证明了本文所作假设的正确性.     

基于符号收益和跳跃变差的高频波动率模型

基于符号收益率的视角,对现有的HAR-RV类及其跳跃扩展模型进行相应分解,构建新型的HAR-RV类波动率模型.进一步,结合符号收益和不同的跳跃识别检验方法,提出了包含符号跳跃变差的HAR-RV类模型,并利用样本外滚动窗预测技术和"模型信度设定"(MCS)检验法评价了各种新旧HAR-RV模型对我国沪深300股价指数波动的预测能力.结果表明:基于C_TZ跳跃识别检验的符号跳跃变差能显著改善波动率模型的短期预测能力,但在中长期波动预测时,符号跳跃变差未能明显提升HAR-RV类模型的预测精度;新提出的HAR-S-RV-TJ-TSJV模型和HAR-S-RV-TJ模型分别在对短期(未来1天)和中长期(未来5天和20天)的波动预测检验中,展现出了最高的预测精度.     

我国沪市波动聚集性GARCH效应的实证研究

股票价格的频繁波动是股票市场最明显的特征之一,自回归条件异方差类模型可以很好地预测金融资产收益率的方差.通过对我国股价指数的统计描述,表明我国金融资产收益率存在自回归条件异方差的特征,并表现出非正态性.利用自回归条件异方差类模型,采用 1993年～2003 年的数据对上证指数的波动进行拟合,结果表明,广义自回归条件异方差模型对我国股市波动具有较好的拟合效果.     

GDP／货币供给量和上证指数的关系分析——基于VAR分析

本文采取VAR（向量自回归模型） 检验分析法,对中国1998年1季度～2009年4季度们季度数据进行实证研究,得出中国货币供应量与宏观经济变量GDP和以及上证指数的因果关系,分析过程将采取Evlews5.0统计分析软件进行数据检验, 实证分析及研究。     

基于上证综指的波动率模型比较研究与实证分析

GARCH模型和SV模型适合于不同的市场,尚未有一种方法和模型的预测效果绝对优于其他方法和模型.本文选择具有代表性的上证综指收益率数据进行建模,对比分析GARCH和SV及其各自的扩展模型的拟和效果.实证结果反映上证指数收益率具有明显的群集聚性、波动性、尖峰厚尾的特征,同时,相比较而言,SV模型对于我国上海金融市场时间序列数据有更好的波动性拟和效果.     

基于“已实现”波动率ARFI模型和CAViaR模型的VaR预测比较研究

高频金融数据在风险价值VaR度量和预测方面的价值已经引起了学术界和业界的广泛兴趣。计算和预测VaR的方法广义上可以分为两大类:间接法和直接法,在有了高频数据后,两类方法均可行,尤其是由于高频数据导出的"已实现"波动率的出现,使得间接法有明显改进。本文将从间接法中选取基于"已实现"波动率的ARFI模型与从直接法中选取的两个CAViaR模型进行比较,采用沪深300、上证指数、深证成指的5分钟高频数据,根据多种在评价VaR预测模型表现时广泛使用的后验测试,对各模型进行实证检验,结果表明基于CAViaR模型的预测表现优于基于"已实现"波动率的ARFI模型,这对风险管理从业者有一定的参考意义。     

基于VECM模型的中国股票市场与宏观经济研究

该文从实证研究的角度出发,通过单位根检验、Johansen协整检验和建立VECM误差修正模型等方法的分析,研究了我国股票市场和宏观经济各指标之间的关系。结果表明:货我国股价指数与宏观经济变量之间存在协整关系,利率和工业增加值对于上证指数都有负向的影响,但是存在一定的滞后性,而消费者物价指数和货币供应量对于上证指数则影响非常有限。上证综合指数的变化主要还是受自身的影响,具有一定的外生性。     

基于马尔科夫切换模型的上证指数周收益率时间序列分析

本文先对上证指数收益率时间序列做非线性检测,再对时间序列进行结构性变化检测,发现上证指数收益序列既是非线性时间序列又有结构性变化;通过构建一个3状态,3阶滞后的异方差马尔可夫切换模型对1990年12月21日至2008年8月22日上证指数周收益率时间序列规律进行了实证分析,采用极大似然估计法对模型参数进行估计,识别出股市波动的三种主要的状态:慢涨、慢跌和快涨;实证结果表明马尔可夫切换模型能够比较有效的刻画股市波动的阶段性特征.     

Levy Tempered Stable金融资产收益分布及其CF-CGMM估计方法研究

本文在对经典的和修正的Levy tempered stable分布进行研究的基础上,结合现实中金融资产收益分布的实际特征,分析Levy tempered stable分布在构建模拟金融资产价格过程的Levy Jump模型的优势。由于这类分布的概率密度函数不存在解析式,直接应用传统MLE方法进行参数估计存在困难。为此,根据特征函数与概率密度函数的等价关系,本文建立基于特征函数(CF)具有连续矩条件的GMM(简称CF-CGMM)的Levy tempered Stable分布参数估计方法。同时,利用恒生指数、上证指数、标准普尔500指数数据对以上分布和参数估计方法进行实证研究,并根据参数计算结果和统计假设检验,对不同Levy tempered Stable分布的拟和优度进行检验和比较。本文也在参数估计和统计检验工作的基础上,根据Levy tempered Stable分布模型中不同参数的含义,结合实证计算的结果,对恒生指数、上证指数、标准普尔500指数价格运动特征给出符合现实的解释。     

中国股票市场技术分析非线性预测能力的实证检验

运用前向人工神经网络方法对我国股票市场技术分析非线性预测能力进行了实证检验.发现基于移动平均规则的人工神经网络模型具有明显高于AR模型和各种移动平均规则线性模型的样本外预测能力.为解释技术分析方法具有非线性预测能力的原因,本文构建了一个基于异质市场假说的移动平均规则非线性模型,发现该模型的预测能力远高于其它非线性模型.表明我国股票市场存在异质性特征,技术分析方法能捕捉到不同类型投资者之间非线性的相互作用关系可能正是其具有非线性预测能力的原因.     

江苏检验检疫行政事业收费的灰色预测

检验检疫收费系统是一个多因素、多层次、多目标的系统,影响收费的因素很多,包括地区外贸量、出入境货物批次、货值等.现有的预测方法一般需要大量、详尽的统计资料,而且地区外贸增长的预测作为检验检疫收费预测的相关依据.但是,由于外贸业务增长受国内外各种不可测因素影响,造成现有方法对检验检疫收费的预测与实际偏差较大,可信度偏低.实际上,检验检疫收费系统是一个典型的既包含已知又包含未知的灰色系统,根据少量的系统特征数据,可以应用灰色预测技术挖掘系统的变化规律,得到客观可信的预测结果.本文给出了灰色CM(1,1)模型的算法步骤,将灰色预测方法应用于检验检疫行政事业收费的预测.实际结果表明,灰色预测方法非常简洁,模拟精度很高,预测的可信度比较好.因此,灰色预测方法在检验检疫行政事业收费预测中具有很强的实用价值.