基于广义模糊软集理论的云计算资源需求组合预测研究

论述了云计算资源需求预测的作用,提出了新的基于夹角余弦的广义模糊软集相似性度量方法,将相似性度量结果与预测精度相结合来获得各单项预测模型的权重,并针对云计算环境中资源需求所表现出的短期动态性和长期周期性特征,选用自适应神经模糊推理系统ANFIS和季节性ARIMA模型SARIMA作为单项预测模型,以此构建基于广义模糊软集理论的组合预测模型GFSS-ANFIS/SARIMA。最后将该模型用于云计算环境下的资源需求预测应用中去。实验结果表明,与其它预测模型相比,该模型能有效提高预测精度,具有良好的预测性能。本文所提方法能为云计算资源的高效调度和分配提供决策支持。     

STAR与ANN模型：证券价格非线性动态特征及可预测性研究

证券价格的可预测性一直是现代金融学的研究焦点。近年来,以平滑迁移(STAR)模型和神经网络(ANN)模型为代表,国外学者将许多非线性模型应用于证券价格非线性动态特征及可预测性的研究。本文采用多种线性、非线性股价预测模型对上证180指数短期和中长期可预测性进行研究,并基于统计指标和投资策略指标比较了不同模型的预测能力。结果表明:我国证券价格具有非线性特征,在短期和中长期水平上具有一定的可预测性,这对有效市场假说提出了质疑;ANN模型的预测能力多数情况下优于RW模型、线性AR模型和STAR模型,基于ANN模型的"盯市"投资策略能获得比"买入持有"投资策略更高的平均净收益。     

股市波动率的短期预测模型和预测精度评价

基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测...     

上证综指的股指波动:基于模糊FEGARCH模型及不同分布假设的预测研究

本文主要对2006年至2011年上证综指收益率序列的高频波动性进行预测研究。首先,针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的针对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型(GARCH-N,GARCH-t,GARCH-HT和GARCH-SGT)和不对称型(GJR-GARCH、EGARCH和模糊FEGARCH)的波动模型进行高级能力预测法(SPA)检测。实证结果表明,不对称模型对波动率预测的影响程度比分布假设的确定更为重要,而且模糊FEGARCH模型对于具有尖峰厚尾、高偏度和杠杆效应的非线性波动数据的预测能力更佳,说明了该模型的有效性与实用性。     

基于MDT-BiLSTM模型的个股价格预测研究

为提高股票价格预测精度,提出一种基于MDT-Bi LSTM的股价预测模型。首先,使用多向延迟嵌入的张量处理技术MDT(Mut iway-Delay-Embedding Technology,MDT),对以日频数据的股票因子向量进行重构,将时间序列展现为低秩块汉克尔张量,作为Bi LSTM模型的输入;其次,利用双向长短期记忆神经网络提取双向序列特征;最后,通过LSTM的长期依赖性完成对股票价格的预测。结果表明：MDT-Bi LSTM模型对六类股价的走势都能有不错的预判,体现了其在股价预测方面的泛化能力,并在误差控制、准确性方面都有提高,可为今后投资者预测股价提供一种可靠工具。     

分析师跟踪与股价同步性——基于过度反应视角的证据

对我国股票市场分析师跟踪与股价同步性的关系进行研究,本文发现:(1)即使明星、非明星分析师提供相似的信息,明星分析师显著降低了R2(股价同步性),而非明星分析师则不然;(2)明星分析师预测准确度最高组和最低组股票的平均R2并无显著差异;上述结果表明信息提供并不能完全解释我国明星分析师降低股价同步性的现象.(3)明星分析师跟踪及评级调整与短期动量效应、中长期反转效应以及异常成交额存在显著的正向关系,这一发现支持了本文的假说,即明星分析师通过引起投资者过度反应而降低股价同步性.本文的研究对于认识分析师在我国证券市场中的作用以及股价同步性的生成机理具有重要的理论与现实意义.     

双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析

GARCH族模型在金融风险的度量中有着广泛的应用。在考虑股市收益率和波动率序列双长记忆性的基础上,基于上证综合指数和深圳成份指数的日收盘价序列,从证券投资风险量化的角度,引入受险值VaR和相对正确符号指标PCS作为模型预测误差衡量指标,比较分析了双长记忆GARCH族模型在不同分布假设情况下的的拟合与预测精度。结果显示:偏t分布能较好描述沪深股市的厚尾特征;在较小的VaR水平下ARFIMA(2,d₁,0)-FIAPARCH(1,d₂,1)-skt模型对股市波动风险具有较强的预测能力,而ARFIMA(2,d₁,0)-HYGARCH(1,d₂,1)-skt对股市的涨跌趋势具有较强的预测能力。     

不同抽样频率波动模型的预测精度比较

以上证综指和标准普尔500指数为例,构建了基于不同抽样频率股价数据的波动模型,然后运用样本外的滚动时间窗法实证计算了各波动模型对未来市场波动率的预测值,最后运用具有bootstrap特性的SPA检验法实证检验了各波动模型的预测精度差异.研究结果表明,基于低频数据的波动模型对股市波动率的预测精度远远落后于基于高频数据的波动模型,使用高频数据有助于对市场波动率的精确预测.     

基于信息传播和羊群行为的股票市场微观模拟研究

基于投资者之间信息传播及决策羊群行为,构建股票市场微观模型。不同于已有研究,综合考虑了投资者网络特征,即网络密度对信息传播速度的影响。通过数值仿真运算,研究在影响信息传播速度上,不同权重的网络密度和股价波动状况影响因素,对股票宏观统计特征的影响。研究结果表明,变化的网络密度和股价波动状况权重系数,不影响股票收益率分布的非正态、尖峰厚尾和收益率波动聚集等特征;投资者集簇规模及股票绝对收益率呈负幂律分布;权重系数的变化会影响股票收益率的分形特征。投资者之间信息传播速度受到的一定程度的股价波动状况的影响,是股票收益率具有状态持续性的充分必要条件。     

基于GM(1,1)模型的Kano质量要素分类动态预测方法

针对目前缺乏对Kano模型质量要素的分类结果进行动态预测研究的问题,结合灰色系统理论在处理不规则数据方面的优势,提出基于GM(1,1)模型的Kano质量要素分类动态预测方法。针对传统Kano模型分类结果过于主观的缺点,设计模糊Kano模型实现质量要素的客观化分类;结合GM(1,1)模型能处理少数据、贫信息,具有高预测精度的优点,利用GM(1,1)模型研究Kano质量要素分类动态预测问题;最后通过在快递业的实证验证模型的可行性和有效性。     

中国股票市场的信息反应曲线和股票价格波动的非对称性

股票价格波动对于市场信息的反应过程具有非对称性。通过利用多种非对称性GARCH 模型,描述和检验了沪市股票日收益率序列的条件波动性,并通过对股票市场信息影响曲线的分析,发现沪市股票价格波动中存在显著的非对称性反应。这说明股市波动对于不同的政策干预和信息冲击具有不同程度的反应,“利好消息”对股市的刺激作用仍然需要其他市场干预的配合才能发挥出来。     

股票分析师的羊群行为对公司股价同步性的影响分析

股价"同涨同跌"是我国股票市场的一种重要现象。多股集体"暴跌"会给公司和投资者造成严重的损失,因而股价同步性的问题受到监管者和学术界的广泛关注。本文以2010-2017年股票分析师对上市公司做出的预测为主要研究对象,验证了股票分析师的羊群行为与公司股价同步性间的关系,讨论了机构投资者和市场情绪的作用机制。实证结果表明我国股票分析师的羊群行为是"非信息驱动"的真羊群行为,这种行为降低了市场上的特质信息含量,从而增加了公司的股价同步性。上述关系在熊市中更为显著,并且分析师与机构投资者之间的利益冲突会加剧其羊群行为对股价同步性的影响。本文的研究对理解如何降低股价崩盘风险、提高我国股票市场的信息传递效率具有十分重要的理论和实践意义。     

应计质量的风险定价研究——来自中国A股市场的证据

以2002年～2008年575家A股上市公司为样本,分别运用固定效应和时间序列OLS回归方法,从股价(年报后)和股票回报率两个角度考察A股上市公司应计盈余质量是否会影响投资者对股票的定价。通过将每股盈余分离成每股可控盈余、非可控盈余和经营现金流后发现,年报之后的股票价格与可控盈余之间呈高度正相关。研究结果表明,投资者不能有效识别上市公司财务报表的真实性,盈余管理在一定程度上影响了投资者对股票的客观定价。进一步,通过构建盈余质量的替代变量AQfactor,将其纳入CAPM模型和三因子模型中进行资产定价检验。结果显示,AQfactor虽然与股票回报率正相关,但并不具有统计意义上的显著性,即在中国A股市场上,没有证据表明应计盈余质量可以作为一个信息风险定价因子来解释股票回报;在相对较长而稳定的期间里,超常的报告盈余引起的应计盈余波动并不能给投资者带来稳定回报率。     

交叉上市股票价格发现能力差异及交易信息含量测度

本文在市场微观结构的理论框架下,对交叉上市股票的价格发现过程进行了分析。在Hasbrouck信息分成技术的基础上,提供了一种新的方法使其能够对市场交易过程中的公开信息和私有信息含量进行分解和测度。研究过程以 "A+H"交叉上市股票为研究对象,对本文的模型和方法进行了具体的应用和验证。     

流动性供给与日内价格效率——基于中国股票市场的实证研究

本文基于中国A股市场高频交易数据从流动性供给的角度探究提高价格效率的途径，并结合信息交易和市场状态分析流动性供给与日内价格效率的关系。用短期收益的可预测程度来衡量价格效率，用逆势交易比例来衡量流动性供给水平，基于日内分时数据建立面板回归模型对流动性供给与价格效率之间的关系进行实证分析。结果表明，提高流动性供给能够促进日内价格效率的改善，同时较高的机构交易比例和较低的价格波动对流动性供给与价格效率之间的关系有正向促进作用。研究结论对于提高价格效率，稳定和完善市场具有启示作用。     

资产结构与证券价格的非线性动态模型

根据真人被试的行为金融实验现象,本文构建了描述市场平均投资态度和股票价格的数学模型。首先利用离散动力系统的相关理论研究了模型的稳定性,然后根据金融市场稳定与否对传染效应进行界定。数值模拟发现,在中度传染效应区间内,存在最优传染效应,它能使股票价格以最快速度收敛至均衡价格。在此基础上,进一步探讨了资产结构与股价波动之间的关系。具体而言,在理性传染效应的作用下,当市场中满仓交易者数量与空仓交易者数量相当时,股价呈现小幅水平趋势波动;当满仓交易者数量远高于(低于)空仓交易者数量,股价呈现大幅下跌(上涨)趋势波动。     

基于价格离散选择模型的中国股市价格行为特征研究

有关股票价格行为的研究大多数基于价格连续变化的假定.但最小报价单位引起的价格离散性导致价格变化并不连续.依据排序Probit模型原理,建立价格离散选择Probit模型,并利用高频数据,在价格离散奈件下对中国股市价格行为特征进行考察.实证结果表明:股票价格变化具有"报价回复"和"路径依赖"特征;高市值股票对股市整体走势反映迅速,市场信息能很快被融入到价格中;交易规模对价格变动存在持久的正的影响,非对称信息对股票价格的影响超过了流动性等其它暂时性因素的影响.交易时间间隔对股票价格变化没有显著影响.买卖价差越大、交易间隔越长,股价变动的波动性就越大.     

国际油价与中美股价的相依关系研究——基于不同行业数据的分析

石油市场和股票市场作为现代经济中两个重要的市场,在经济活动中发挥着重要的作用。二者之间的关系对研究市场间的价格波动和风险传递有着重要的意义,本文通过vine copula模型对国际油价和中美两国股价之间相依关系进行分析,并将得到的相依关系运用到风险管理中。利用国际油价和中美各十个行业股票价格指数进行相依关系建模,得到相应的相依结构和相依关系,选择出与油价相依关系较强的行业股票价格指数和油价构建投资组合,利用相依关系模拟出收益率数据,度量投资组合的风险。实证研究结果表明中美两国的行业股票价格指数与国际油价的相依关系存在着显著的不同,中国行业股票价格指数与国际油价之间的相依关系要弱于美国行业股票价格指数与国际油价的相依关系;同时利用相依关系组成投资组合,对两组投资组合进行风险度量,风险度量的结果显示vine copula-GARCH能对具有较强的相依关系的变量组成的投资组合风险有很好的估计。     

Knight不确定条件下的模糊二叉树期权定价模型

在市场含有Knight不确定因素的环境下,影响期权价格的因素不仅仅具有随机性的特点,而且还存在着模糊的性质.因而我们假设股票价格服从模糊随机过程,使用基于抛物型模糊数的二叉树模型对欧式期权进行定价,得到的风险中性概率及期权价格为一个赋权区间.在使用中国权证数据进行的实证中,采用二次规划方法确定模型参数,并对模糊期权价格进行去模糊化,与传统的二叉树模型进行实证比较后发现,应用模糊二叉树模型能得出更准确的市场价格预测.投资者可以选择自己可接受的置信度,得到一个模糊价格区间,以此指导投资策略.此外,应用此模型能够得到期权价格的模糊程度的度量-模糊度,从而获知Knight不确定性的大小.