基于HP滤波和GARCH模型的股票价格趋势预测

在股票市场中人们最关心的就是股票价格的变化,对股票价格趋势的预测直接影响到投资者的投资决策,关系到投资者的切身经济利益,因而对预测的准确性要求较高.为了更精确的预测股票价格趋势,提供更为合理的股票投资意见.文章尝试将HP滤波法应用到股票价格趋势的预测中,通过HP滤波法将股票价格分解为不同的数据,然后通过高阶自回归和GARCH模型分别对分解出来的数据进行拟合和预测.并通过对上证指数的预测后,发现该模型具有较好的预报效果,可为金融产品的趋势研究提供帮助.     

股票价格预测:GARCH模型与BP神经网络模型的比较

股票价格对证券投资者来说是极其重要的,但由于影响股票价格波动的因素众多,使得其预测难于实现.确切地说,要对股票价格做出准确预测是不可能的,但我们总试图寻找不同的方法,不同的模型来刻画它.对于股票价格的分析有两种不同的学派,一是基本分析学派,二是技术分析学派.和这两种分析派别观点相对应,股票价格预测的建模思路有两种:①尽可能找出所有影响价格波动的因素(宏观经济指标、公司财务指标等等),建立股票价格和这些影响因素之间的模型.②遵循股票价格技术分析,依据股票价格系统自身规律来建模.     

神经网络方法在股票投资中的应用

日益膨胀的股票市场信息远超出人们的处理能力，股票价格变得越来越难以预测。神经网络方法可以模拟人工智能处理海量信息。提高对股票市场的预测水平。运用中国1998-2005年股票市场数据，利用梯度下降法拟合了一个BP神经网络模型，在实证过程中重点讨论预测过程中出现的分类标准、过抽样、过度训练等问题。认为正确运用神经网络方法可以提高预测分析效果，神经网络模型可以谨慎地作为一种股票投资分析方法加以运用。     

股票价格变动的测定

近年来,尤其是今年以来,由于各种因素的影响,我国股票市场行情波动较大,股票价格的变动已成为股票投资者及证券管理部门关注的焦点之一,本文拟就股票价格变动的测定从三个方面进行探讨。一、股价变动测定的意义     

我国股票价格与实际利率之间关系的实证检验

为了判断股票市场与债券市场之间的相互关系,本文使用协整模型和误差修正模型分析我国股票价格和实际利率之间的相互联系,发现我国的股票价格和实际利率之间不仅存在共同的长期趋势,并且具有短期的共同波动模式,因此,在储蓄投资与股票投资之间具有一定的替代性和流动性.     

基于分形插值模型的股价时间序列分析及预测

文章运用分形插值的理论与方法建立了能够分析及预测股票价格波动的分形插值数学模型;以上市公司青岛海尔为例,使用该模型分析了股价的变化规律,预测了股价的未来走势,并使用时间序列曲线的分形维数与Hurst指数,描述了股价的波动性及长期相关性等特征.     

股价预测的GM(1,1)模型

本文应用灰色系统理论,对股票价格变化建立GM(1,1)预测模型,并进行了实证分析.结果表明,把股票价格动态变化过程看作一个灰色系统,利用所建立的模型可较好地预测股票价格的短期发展变化趋势;同时通过与用ARIMA模型预测的拟合比较,表明在对股票价格作短期预测时,用GM(1,1)模型进行预测比用ARIMA模型进行预测具有更高的精确度.     

基于周易与博弈论的股价拐点预测模型

文章在分析现有股票价格预测方法不足的基础上,通过周易理论与博弈论分析股票价格波动规律,建立了股票价格短线波段拐点预测模型,对股票价格运行的顶点和底点产生时刻的预测有很强的操作性和准确性.该模型对于经济管理部门通过资本市场来调控宏观经济有积极意义.     

股票风险的衡量指标——β系数

股市有风险这是股票投资者均已了解的事实，在众多可供选择投资的股票当中，它们的风险大小不尽相同。β系数理论就是指导投资者合理地回避股票投资风险进行科学决策的一个有效理论。实践应用表明个系数能够很好地反映出一段时期内个股与股票市场之间变化的联动关系。通过β系数投资者就可以直观了解个股的市场风险．进而可为科学合理的股票选择或证券组合投资提供可靠的理论决策依据。在通常状况下把引发股票价格变化的原因分为两种，一是源于股票自身情内外因素引起的股价个别波动，另一种是源于股票市场变化而受到关联的股票价格波动，这…     

中国的股票价格对GDP与CPI预测能力的实证检验

文章从股票价格的情报内含角度出发,分析了股票价格是否应纳入货币政策目标体系以及央行是否应对股票价格的变动做出反应。实证结果表明,股价变动的信息内涵无助于提供未来经济活动和物价变动的有用信息,因此,中央银行对股市的态度只能是关注而非盯住,股票价格的变动不应纳入央行的反应函数。     

基于主成分与BP神经网络的股票价格预测分析

一、主成分与神经网络的股票价格预测模型 1.输入变量的选择 在应用人工神经网络模型预测股票价格的过程中,并非每个信息都要设置一个输入变量,有效地选取输入变量是决定该神经网络预测准确性的关键因素.     

统计预测与资源和环境管理

统计预测提供了对于现状的未来发展走势的深入分析,通过对未来最可能发生状况的了解,使资源和环境管理者做出适当的选择,以确保供给和需求之间的平衡,并努力使这种平衡维持下去,并且在不断达到平衡的时候开发一些替代品。统计预测还能够指出短缺将发生在什么地方,并且考虑在预期的短缺出现时,做出最佳的决定。统计预测的重点在于对未来的资源供给和需求状况做出估计。但因为人们的消费需求千差万别,所以统计预测往往是困难的。为什么统计预测的结论经常是错误的,因为通常情况下预测总是基于复杂的假设。如果假设没有得到满足,预测就不可能正…     

分式布朗运动金融模型中的参数估计

文章利用谱密度方法,分别研究金融中短期利率随机模型和股票价格随机模型.考虑短期利率随机模型—分式Ornstein-Uhlenbeck过程中漂移系数的极大似然估计问题,证明估计量的无偏性和渐近正态性,并用数值模拟实验验证估计方法的有效性.利用股票价格随机模型—分式几何布朗运动,选取平安银行2013年1月4日到2014年7月31日收盘价格数据,借助Monte Carlo方法进行模拟未来股票价格走势.研究表明:将分式布朗运动驱动的随机微分方程作为股票价格模型更能反映金融市场实际情况.     

股市风险的测定与规避

股票投资如同其他投资形大样，具有风险，而股票市场的显著特征又是高收益与高风险的对存，股市‘到处布满了陷阶又开满了鲜花，令人生畏又令人神往”。因此，一个明智的投资者就应该熟悉一些衡量股市风险的方法和避险技巧。1股市风险的定义。风险是一个难以理解和捉摸的概念，因此，要给风险下一个确切的定义是很困难的。股市的风险源于股票价格的不确定（或称波动），因此，可以认为股币的风险就是持有的股票价格下跌的可能性。在实际应用中，通常用股票价格涨跌幅度的平均离差，即它们的标准差或方差来衡量股市风险的大小。离差愈大，风…     

基于AR模型的Kalman滤波在股票价格预测中的应用

文章在分析AR(n)模型和Kalman滤波模型具有的预测功能的基础上,将二者结合起来而提出一种基于AR模型的卡尔曼滤波模型.该模型用1至n阶的AR模型组合建立新的多维状态空间模型,再应用Kal-man滤波方法预测股票价格.通过对股票价格预测的具体实验表明,提出的新模型克服了单一方法使用的缺点,具有较高的预测精度.     

基于MASD＿TPM模板匹配算法的股市决策模型

股票市场的形态分析和趋势预测是时间序列研究领域重要的研究方向。针对股票市场价格形态复杂,转折点形态预测困难的问题,文章提出了一种多尺度自适应模板匹配算法(MASD_TPM)来识别股票价格的形态走势。该算法在传统的模板匹配技术(TPM)中引入了匹配序列长度控制和插值重采样来避免匹配形态单一的问题。结果显示,基于该算法构建的决策交易模型在上证50等相关指数上能较为准确地识别市场价格的旗型形态,其收益超过多组对比模型平均水平。     

我国股市发展与经济增长关系的实证分析

几乎所有的教科书都认为,股价走势与宏观经济状况具有密切的关系,宏观经济变量是股票价格变动的重要因素之一,而股市是经济运行的"晴雨表",股市走势总是以一定的时间提前量领先于经济总量的变动趋势.然而,股市与宏观经济的关系是否存在上述逻辑还存在着相当大的争议,这可以从下面国内外研究综述中发现.……     

股票价格出现暴跌时的证券投资组合研究

文章主要研究了股票价格出现暴跌时基于跳-扩散过程的证券投资组合选择问题.我们假定股票的价格过程受布朗运动与泊松过程的驱动,并且股票价格可能出现的暴跌度的大小和个数都是已知的,也没有对暴跌的大小和暴跌时间的分布做出假设,采用鲁棒控制得到了最优投资策略,并且得出常数策略并非最优的结论.     

股票市场弱有效性检验方法的比较与评价

股票市场的有效性是指股价变化对相关信息作出迅速、准确反映的程度.根据市场有效性层次的划分标准,股票市场弱有效是指股票价格反映了股票所有历史价格包含的信息.在弱式有效市场中,投资者不可能从股票历史数据中发现被错误定价的股票,并通过买卖这些股票来获利,股票价格已经根据这些信息作了相应的调整.也就是说,在弱式有效市场中,股票价格变动与其历史行为方式是独立的,投资者不可能通过股价的历史变动信息来预测未来股价的波动.     

个股股价走势影响因素分析——以鞍钢股份为例

目前，股票投资成为了一个越来越被大众接受的投资选择，广大投资者希望寻求到对个股和大盘分析和预测的有效途径从而对投资决策提供一定的帮助。个股组成大盘，大盘反作用于个股，这似乎是毋庸质疑的事实。那么，能否通过探求它们之间的关系从而对预测和决策提供支持。