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.     

不同股市收益率的多重分形特性比较

运用多重分形消除趋势波动分析方法,对国际上3个主要股票市场的多重分形特征进行了实证研究及比较.结果表明:股票市场均表现出多重分形特征,其中上海股票市场的多重分形特征最强,风险性也最大,其次为纳斯达克市场,香港股票市场的多重分形特征最弱,风险性相对较小.这说明仅仅运用单一的标度指数对其进行描述是不合适的.此外,在3个股票市场中,上海股票市场指数的最强涨落最大.这些实证结果为更好地研究股票市场的复杂结构提供了新的思路.     

多元回归-马尔可夫复合模型在上证综指预测中的应用

本文研究了近年我国股票市场与国际股票市场指数之间的关联性,为了弥补一般多元回归模型对于随机波动性强的数据的预测误差大的缺陷,建立了多元回归-马尔可夫模型,通过对比分析,该复合模型较一般的多元回归模型预测效果更佳。最后利用复合模型对上证综指进行了短期预测。     

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。     

股指期货交易加剧了中国股票市场波动性吗？——基于投资者结构的理论和实证研究

股指期货交易的推出将改变股票市场投资者结构和投资者交易行为,进而对股票市场波动性产生影响。本文首先在假设股票市场存在股指期货交易的条件下,构建理论模型揭示投资者结构和股指期货交易对股票市场波动性的影响机理,并据此对中国股票市场在沪深300股指期货推出后的波动性变化进行理论预测;然后以2007-2016年期间的沪深300指数和投资者结构数据为样本,运用GARCH类模型对理论模型预测结果进行实证检验。研究发现,在股票市场存在股指期货交易的条件下,机构投资者比例和一般机构投资者比例对股票市场波动性的影响随机构投资者与个人投资者所占市场份额的比例关系不同而呈现出不同的特征;套利交易者比例增加、投机交易者比例减少都将降低股票市场波动性;沪深300股指期货推出显著降低了中国股票市场波动性,机构投资者比例增加将强化沪深300股指期货交易对中国股票市场波动性的减弱效应;中国证券监管部门可以通过鼓励股指期货产品开发和完善股指期货交易制度强化中国股票市场稳定性。     

灰色模型在中国股票市场预测中的应用

股票价格和股价指数的准确预测有利于投资者获得高额的市场回报和政府对市场的有效监管.本文将灰色模型应用于股票市场,构成灰色预测模型,对未来时刻的股票价格及股价指数的阳变和阴变周进行预测.实证研究表明,将灰色系统理论应用于股票市场,对股票价格及股价指数进行预测是完全可行的、合理的,而且达到了较高的精确度.     

基于随机波动性模型的中国股市波动性估计

采用动态随机波动性模型实证研究了中国股票市场的波动性. 通过基于马尔可夫链蒙 特卡罗(MCMC) 模拟的贝叶斯分析方法,较好地估计了随机波动性模型中的参数与波动性序 列. 基于中国股市数据进行的实证结果表明,与ARCH 类模型相比,随机波动性模型能更好地 描述股票市场回报的异方差和波动性的序列相关性.     

中国股票市场可预测性研究：基于机器学习的视角

股市风险溢价是金融学中的一个经典研究问题.常见的线性模型存在着模型误设和参数不稳定的问题，难以有效预测风险溢价.本研究从机器学习的视角重新检视了中国股票市场的可预测性.基于1996年1月—2019年12月的数据，构建提升回归树(boosting regression trees, BRT)模型对股市收益率与波动率进行样本外预测，并构建了最优风险资产配置模型.实证结果显示：1)提升回归树方法能够对收益率、波动率和最优风险资产权重做出准确预测；2)在收益率预测中最重要的三个变量分别是净权益增加值、换手率和股价方差；挖掘预测变量之间的非线性关系是BRT预测能力的来源；3)结合提升回归树预测构建的最优风险资产组合可以为投资者带来更高的收益和效用.本研究将机器学习方法引入股票市场风险溢价的研究，为此问题的研究提供了全新的视角.     

基于金融经济学的股票市场稳定研究

本文根据随机游走理论、有效性市场假说、市场的不确定性下的预期效用理论和前景理论、混沌理论、以及行为金融学等理论的演变,总结了前人对于影响股票市场价格变化的心理因素的金融经济学解释。并结合当前我国股票市场波动中存在的问题,提出了以投资者心理预期为调控对象的股票市场稳定建议。     

股指时间序列的多重分形Hurst分析

以深圳股票市场为例,对深证成指指数数据进行了多重分形分析。首先,运用多重分形重标极差的方法对深证成指进行实证研究,结果表明在整个时间标度上Hurst指数均表现为持久性特征,而且随着标度τ的增加,Hurst指数呈现总体递增趋势,并且在整个标度范围上存在2个标度临界点,这体现了股指价格在不同标度范围下的状态跃迁现象。其次,运用多仿射方法确认了深圳股票市场多重分形特征的存在,验证了R/S分析方法中存在的标度临界点,并且进一步分析了不同临界标度范围下价格动态的本质特征。     

指数证券组合模拟市场指数的聚类和MTV方法

根据Markowitz组合证券投资理论,在一定的假设下,投资者优化其投资组合的结果必定是以市场证券组合为其最优风险资产的投资组合.国外许多研究也表明消极投资策略是有效的,投资者只要按照某个较有代表性的股票市场综合指数中的每个股票所占权重投资每个股票,就可以消除股票的特有风险,达到很好的投资效果.但是,股票市场上股票种类繁多,有限的资金很难按照股票市场综合指数去投资.本文提出了一种利用聚类分析和MTV模型,可以以有限的几种证券的资产组合去逼近市场综合指数的方法.然后以上海股票市场为例,从任意选取的50种股票中使用本方法抽取不超出10种股票,用它们的组合去逼近上证综合指数,取得了比较满意的逼近和预测效果.     

基于VAR-Prophet模型的股市收益率研究

股票市场作为国民经济的“晴雨表”,在宏观经济发展和经济政策制定中发挥着指导和先驱的作用,而股票市场复杂多变,受到多方面因素影响,收益率难以被解释和预测。针对股市收益率复杂多变的拟合和预测问题,文章结合传统计量经济学模型和近年来迅速兴起的机器学习模型,构建VARProphet模型,选取2001—2022年美国纳斯达克指数收益率、伦敦同业拆借利率（隔夜）以及美国经济政策不确定性3个内生变量构建模型。实证结果表明,相较于多元线性回归、单独使用VAR或Prophet模型,VAR-Prophet模型具有良好的拟合和预测效果,且美国股票市场收益率受到市场化利率、经济政策不确定性的影响较小。     

中国股票市场收益率与交易量相关性的实证分析

本文就中国股票市场上交易量作为衡量不同时期公司股票收益率间领先关系的作用进行实证分析。运用向量自回归模型分析发现交易量较大的公司股票的前期收益率对于交易量较小的公司股票的现期收益率有较强的预测能力。根据“调整速度假说” ,本文运用Ｄｉｍ ｓｏｎ的ｂｅｔａ回归模型对这种领先关系的存在作出了解释 ,进而对我国股票市场建设方向提出了建议。一、问题的提出一般认为 ,股票市场上最能显示股票价格走势的指标就是成交量。成交量是股票市场的元气 ,直接反映着股票的供求状况 ,显示出股票市场的内在动能 ,从而在某种程度上表现出…     

股票市场波动的政策影响效应

中国股票市场是一个新兴市场 ,由于供需矛盾、结构矛盾、以及市场参与者不成熟等诸多原因 ,政府对股票市场给予了较强的监管和调控。也正因为如此 ,政策干预调控成为市场波动的一个主要影响因素。本文采用实证分析方法 ,在考察政策影响股市波动的显著性的基础上 ,运用干预模型分析了政策影响股市波动的特征、深度和广度。文章认为 ,近年来政策对股市波动的影响幅度有所降低 ,但影响的持续性变长；要避免由于不当或过度的政策干预造成市场效率的损失 ,关键在于强化股票市场的资源配置功能。股票市场波动特征及其成因是证券经济中倍受关注的问…     

投资者付费评级机构跟踪能改善股票市场信息质量吗——来自分析师预测的证据

“投资者付费”模式能够提高债券市场信息效率,本文研究了其对股票市场信息质量的影响。本文利用2010年投资者付费评级机构中债资信成立这一外生冲击,以分析师预测度量股票市场信息效率,发现投资者付费评级机构的跟踪降低了分析师预测偏误、分歧度与乐观偏差。上述结论对一系列替换设定稳健。机制上,投资者付费评级机构跟踪提高了企业的信息披露质量,进而影响分析师预测表现。在控制了信用评级质量改善与投资者付费评级机构自有信息等潜在机制后,信息披露质量改善的机制仍然存在。进一步看,分析师跟踪人数并没有减少,分析师预测的公共信息增多,而投资者付费评级提高分析师预测表现的作用在拥有公共信息少的分析师组中更加显著;这意味着信用评级机构向分析师提供了可以利用的公共信息。本文为债券和股票市场的信息传递提供了直接的证据,同时也为政府监管部门加强债券市场基础设施建设、引入双评级制度及提高投资者付费评级跟踪比例来促进股票资本市场与多层次资本市场发展提供了理论支持。     

时间序列模型在中国股市中的应用

时间序列模型是研究股票市场的一个非常重要的工具,本文在不同情境下分别采用ARIMA和ARCH两种模型分析方法,对上证指数的周收盘价格进行了建模分析,结果表明,ARCH模型比ARIMA模型效果要好一些。     

我国股票市场多仿射特性研究

金融市场中价格波动的多仿射特性研究对市场监管、风险管理和价格预测等一系列重大课题具有极其重要的研究意义.本文通过上证综指和深证成指的实证研究发现了存在其中的多仿射特性,并进一步定量地分析比较了两个股票市场中的价格波动行为,如过度反应现象,从而得出了一些对我国股票市场发展有益的启示和建议.     

基于市场参与者行为假设的股票市场量价关系研究

基于市场参与者非理性行为假设,从供给需求分析出发,研究股票市场的量价关系.首先假设市场参与者具有"急于实现盈利"同时"不愿结算浮亏"的行为特征,通过供求分析,给出股票市场中的需求曲线与供给曲线,然后设定初始均衡,采用经济学中的比较静态分析方法,研究新信息到来时对初始均衡的影响,进而分析新信息的到来对成交量和价格的影响.结果发现,成交量和成交价格的变动正相关,成交量和成交价格变动的绝对值正相关.最后使用计量经济学方法,基于中国A股市场的个股日度数据进行了实证检验,实证结果支持了上述结论.     

基于股评的投资者情绪对股票市场的影响北大核心CSCDCSSCI

探讨投资者情绪对我国股票市场的影响.为刻画投资者情绪,基于东方财富网股吧帖文与朴素贝叶斯方法,提出融合股评看涨看跌预期和投资者关注程度的投资者情绪度量指标.进一步,利用Granger因果检验、瞬时Granger因果检验、跨期回归分析等方法,探讨了投资者情绪对我国股票收益率、交易量和波动性是否具有预测能力及影响.实证结果揭示:虽然投资者情绪对股票市场收益率、交易量和波动性均无预测能力,但投资者情绪对股票收益率和交易量有当期影响;开盘前非交易时段的股评情绪对开盘价具有预测力,开盘后交易时段的股评情绪对收盘价和日交易量具有更显著的影响.此外,股票收益率是投资者情绪的Granger原因,即投资者情绪的形成依赖于前期市场收益率.这些实证结果为深入理解参与股吧评论的交易者的行为以及行为对市场产生的影响提供了证据.     

中国股票市场多重分形游走及其预测

股票价格波动规律的研究是预测的基础,多重分形过程是迄今为止最为符合价格波动特性的模型。本文验证了中国股票市场的多重分形游走,并根据多重分形过程的局部尺度特性和多尺度相关性建立了小波和神经网络相结合的股票价格预测模型。实证研究结果表明,本文模型预测精度较由其他模型得到的预测精度明显提高。