基于小波分析的上证综指预测

小波分析是一种将数据从时域转换到不同层次的频域的数学方法.它的许多方法能够很好地应用于实证经济学和金融学.本文利用小波分析中的多尺度分析方法,通过分层预测的思想较准确地预测了上证综指日收盘指数.     

基于小波分析的三维Copula密度估计及其应用

文章考虑三维变量相依结构的最佳量化问题,利用小波多尺度分析,提出三维Copula密度的小波线性估计量及其计算步骤,基于最小化均方积分误差准则,给出参数Copula的最优化筛选方法.对上证综合指数、日经225指数和标准普尔500指数等收益率的实证研究表明:(1)该估计量在不同时间尺度上展示了金融指数潜在相依结构的局部特征;(2)以此为基准经最优化筛选的混合参数Copula是展示金融相依结构的最佳模型.     

基于小波变换的风险传染测度研究

以次贷危机前后的中美股票市场为研究对象,以小波多尺度相关系数为研究工具,分析中美股市间的市场同步现象,检验两种不同渠道的风险传染模式对我国资本市场的影响.研究表明,中美资本市场之间存在市场同步现象,但变化幅度较大,牛市期间同步性强于熊市期间同步性;美国次贷危机并未通过纯变化传染和基于基本面的变化传染这两种途径对中国资本市场产生影响.     

向量小波和正交小波尺度函数的设计及证明

文章通过多分辨分析理论和仿酋矢量滤波器组理论,讨论正交小波的存在,提出了组建一系列正交小波数据包的算法,得到了利用小波包组建L2(R,Cμ)(2≤μ∈Z)空间的多种标准正交基的一些方法.     

深圳股票市场成分指数的持续性分析

一、引言持续性分析(Duration Analysis)又称“生存分析”(Survival Analysis)或“风险性分析”(HazardAnalysis)。它是研究某一变量持续某种状态的时间长度的分析方法,已被广泛地应用于工程、医学和生物学等领域。70年代末,经济学家开始采用这种分析方法研究失业时间的持续性,     

我国股票市场与宏观经济关系的实证分析

文章选取1998～2009年的季度时间序列数据,运用向量自回归模型,时股票市场与宏现经济的关系进行实证分析.结果表明,尽管股票市场与宏观经济之间存在长期稳定的正向协整关系,具有协调变化的趋势;但VEC模型和方差分解分析得到两者短期内相关关系不显著,格兰杰因果检验和脉冲响应函数则表明两者不存在短期和长期的因果关系.     

基于Spline-GARCH模型的股票市场长期波动趋势的度量

文章利用Engle和Rangel(2008)最新提出的Spline-GARCH模型对我国股票市场长期波动趋势进行研究,把波动分为瞬时高频波动部分和缓慢变化的长期低频时变波动部分,放松了传统GARCH类和SV类模型假设非条件波动是常数的限制,实证检验了该模型的有效性。并对引起股票市场低频波动的原因进行了分析,研究了低频时变波动与GDP、CPI、货币供应量M1以及利率波动的关系。     

上海股票市场的基于小波去噪的混沌性检验

由于经济混沌需要大样本、低噪声的时间序列,所以文章首先利用小波变换对上证指数日收盘价序列进行去噪处理,然后由去噪后的日收盘价序列计算出日收益率序列,姑且称其为去噪后的日收益率序列,并把它同未经过去噪处理得到的日收益率序列进行比较,发现该方法较好地保留了序列自身固有的特性,只是剔除了由于日常细微波动产生的噪声,为有效地探测我国上海证券市场的混沌性打下了基础。最后分别计算去噪前后收益率的关联维数和Lyapunov指数,发现小波去噪并未改变上海证券市场的混沌性,但是去噪后的市场的复杂度要小于去噪前的市场的复杂度。所以进行混沌性探测的时候必须对数据进行去噪处理。     

我国股票市场对上市公司技术创新的作用分析

资金是企业技术创新活动中重要的决定要素,股票市场作为我国资金直接融通的主要方式,应该对上市公司的技术创新有很大的促进作用.文章在对R2作为上市公司技术创新的度量指标进行可行性的理论分析之后,用面板数据模型分析了上市公司融资结构对其技术创新的影响,发现股权融资比债权融资更好地促进了上市公司技术创新水平的提高,中小板比主板更好地促进了上市公司技术创新水平的提高,瓜而验证我国多层次资本市场体系建立的积极意义.     

基于VAR的央行对股票市场影响力分析

文章利用协整和向量自回归工具,通过单位根检验、因果关系检验、协整检验和脉冲分析,从更宽广的视角来分析央行对股票市场的影响力。     

基于小波分析的中国股市高频长记忆研究

0引言根据有效市场假说的理论,如果一个资本市场是有效的,则市场收益率自身不具有序列相关性;但一些学者发现这种序列自相关性在股市中是存在的。文献[1]对美国股市进行了研究,发现长记忆性在指数收益率序列中不显著,但在某些个股中却显著存在;文献[2]利用对数周期图法对沪深股     

中国股票市场与国际主要股票市场的联动分析

随着全球经济一体化趋势的加强,发达国家股市之间的联动性呈现出增强的趋势.中国与国际主要股市之间是否存在这种联动效应?针对此问题,文章使用相关性分析,协整检验、脉冲分析方法,分三个阶段来测度.结果发现:中国股市与国际股市的联动效应是从2003年开始出现的;国际主要股市的波动会对中国股市造成冲击,但冲击效应不大,目前中国股市的波动主要还是受其自身的影响.     

基于小波分析的基金净值预测模型

基于小波分析提出了一种基金净值预测模型。此模型利用小波分析理论用改进的小波阈值去噪方法对基金净值数据进行去噪处理,再对经过去噪处理后得到的较为平稳的数据,利用计量经济学中时间序列自回归模型进行短期预测。研究证明：该预测模型能较好地预测基金净值的短期趋势,预测结果优于传统的基金净值预测模型。     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

股指期货的推出对我国股票市场的影响

文章分析了我国股指期货市场的基本构成,并借鉴海外学者就股指期货上市对股票市场波动性影响的基本结论,以及国内学者的研究成果,分析了股指期货推出对股票市场短期和长期的影响,提出我国推出股指期货对股票市场的影响,并建议尽快推出股指期货以防范股票市场的大幅波动.     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。     

中国股票市场的发展对货币供给的影响

文章首先从理论上论述了股票市场的发展改变了货币供给的总量和结构,然后借助VAR计量模型实证分析了股票市场对货币供给的影响程度,最后作者试图寻找产生这种现象的原因并提出了我国货币政策的操作建议。     

基于贝叶斯统计的股票市场结构突变研究

文章运用贝叶斯统计方法研究了我国股票市场结构突变点的问题,并在ARMA模型的基础上对突变点的位置进行推断.通过对2005年1月4日至2014年5月23日的上证综指日收益率序列的实证分析,找到了3个突变点发生的位置,结果表明它们分别对应我国股票市场重大的结构变化.     

股票市场流动性迁徙效应的分析框架

论文结合国内股票市场股权结构人为分割的实际,以流通比例作为股份流动性的一个度量,比较分析了几个以股票市场为样本的实证研究结果后,发现股权结构的人为分割为流动性迁徙提供了制度基础;在2001年6月之前,存在流动性从非流通股份向流通股份的迁徙效应而在2001年6月之后,存在流动性从流通股份向非流通股份的迁徙效应.流动性迁徙效应值得新兴市场制度、规则、政策的制定者关注和借鉴.     

基于小波方差分解的沪深综指序列的特性分析

近年来小波理论已越来越被广泛应用于时间序列分析.应用小波方差依尺度分解的方法,对沪、深股市综合指数序列的长记忆性与相关性进行了实证分析,结果表明:沪、深股市波动序列实存在长记忆性,沪市波动序列所受历史信息的影响较大,但深市对各种信息的反应比上海股市更迅速,更易受外部信息的影响.在大尺度下沪、深股市波动序列的相关性比小尺度两波动序列之间的相关性更强,以小尺度为基准选择分散投资策略为好.