基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆（LSTM）神经网络相结合，构建金融时间序列数据预测模型，以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时，以道琼斯工业指数日收盘价为例，探究LSTM神经网络对实际金融时间序列数据的预测能力，比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度，能够有效预测金融时间序列数据的长短期动态变化趋势，说明了其对金融时间序列数据预测的适用性与有效性。此外，对金融时间序列数据进行小波分解与重构，可有效提高LSTM预测模型的泛化能力，以及对长短期动态趋势的预测精度。     

会计信息影响股票价格的简化模型的实证研究

研究会计信息对股票价格的影响,不仅有助于股票投资者根据会计信息预测股票价格,同时有助于完善会计信息披露制度.以往对此问题的实证研究都是利用会计指标和股价之间的多元回归模型检验会计信息与股价的相关性,由于建模时选取的会计指标较多,往往忽略会计指标之间的相互联系,所建模型也十分复杂.根据因子分析原理分析各会计指标之间相互关系,找出能够反映多项会计指标变量所代表的主要信息的公因子,再用公因子代替各会计指标作为自变量,构建反映会计信息与股价相关性的简化模型并对其进行实证检验,结果发现简化模型同样能有效地解释会计信息对股价的影响,并有助于确定上市公司的赢利能力、偿债能力、资产经营效率和资本结构对股票价格的影响程度,对指导股票投资决策具有重要的应用价值.     

利率水平与股票价格关系实证分析

本文以上证综指和金融机构人民币存款基准年利率的历史数据为依据,通过比较、说明、阐述等方法实证分析利率水平与股票价格之间的实际关系,并将结果对照传统的利率一股价理论,对不相符方面进行解释与说明,得出自己的一般结论.希望能籍此对投资者预测股价运行趋势提供一定的帮助.     

股票价格持续大幅波动前后多重分形谱的异常及分析

利用多重分形谱可以深入地分析金融时间序列的微观结构及其特征.本文以民生银行、长江通信二上市公司的具体数据为例,以它们出现持续大幅震荡前后共35天的5min股价高频交易序列为原始数据,并将连续5天的高频数据分为一组,考察每支股票在持续大涨及持续大跌前后各个阶段时多重分形谱的形态及其重要参数的变化.研究表明股价持续大幅波动前后,股票价格的高频时间序列的多重分形谱具有前兆性的共同特征.运用本文的研究方法可以对个股持续大幅波动的开始及结束做出一定预测.     

资本市场开放能提高股价信息含量吗?——基于“沪港通”效应的实证检验

中国股市是一个典型的"政策市",长期以来存在着明显的"同涨同跌"现象,高度的股价同步性严重损害了股票价格引导资源配置的效率。为了增强中国资本市场的综合实力,推动中国资本市场对外开放,中国证监会与香港证监会共同宣布沪港股票市场交易互通互联机制试点(简称"沪港通")于2014年11月17日正式启动。"沪港通"实现了境内外投资者的双向开放,为提高中国证券市场运行效率带来了新的契机。基于股价信息含量的研究视角,本文利用2012~2015年A股上市公司数据,考察了"沪港通"对资本市场效率的影响。借助部分开放的试点机制提供的自然实验平台,我们基于PSM+DID模型研究资本市场开放与股价信息含量之间的因果关系,有效克服了以往研究所面临的内生性问题。研究发现,资本市场开放有助于提高股票价格的信息含量,降低股价同步性,从而增强价格对资源配置的引导作用,提高资本市场的运行效率。进一步分析表明,"沪港通"促进资本市场效率的潜在途径是通过知情交易直接促进公司特质信息纳入股票价格中或通过优化公司治理机制间接地作用于股价信息含量。本文拓展了资本市场开放的经济后果的研究,也为"沪港通"的进一步推行提供了理论证据。     

基于EEMD-LSTM的中国保险业系统性风险预警研究

本文采用保险业压力指数来衡量中国保险业系统性风险状况,并通过预测保险业压力指数的未来走势来进行保险业系统性风险预警。借鉴TEI@I复杂系统研究方法论中的分解集成技术,同时结合当前人工智能、深度学习领域的研究成果,构建EEMD-LSTM模型进行保险业系统性风险预警。实证结果表明,EEMD分解集成技术在预测非线性、非平稳复杂时间序列方面具有明显优势;同时,LSTM模型能有效刻画时间序列之间的相依、长记忆特性。EEMD-LSTM模型组合预测精度优于其他模型。     

股价波动、市场操纵与证券市场监管

本文基于信号传递理论,建立模型对股价异动和市场操纵行为进行了理论分析.研究发现,在被操纵期间,股票价格将会不断上升,而当真实的股票价值被揭示时,股票价格将会下降;信息操纵者股票收益将会上升,并且操纵者的收益与股价波动正相关。最后,本文从宏观、中观和微观层面提出了政策建议。     

基于小波包和神经网络的股票价格预测模型

股票价格是大量因素影响的综合结果,波动规律异常复杂,即使是神经网络这样强大的非线性预测工具也不堪胜任对其的准确预测。本文利用小波包理论将价格波动序列最优地分解为一系列规律较易掌握的子波动,对原始价格波动的预测也就分成神经网络对各子波动的预测。实证研究结果表明,这种小波包和神经网络相结合的股票价格预测模型预测精度明显高于小波和神经网络相结合以及直接利用价格波动预测的同类神经网络模型。     

一种基于组合神经网络的时间序列预测方法

本文探讨了神经网络时间序列预测模型的建立机制有其的构造方法，同时，为了消除模型的系统偏差，提出了构造辅助神经网络用以对原有模型的预测结果进行了校正以减小其误差。并对外汇汇率数据进行了模糊构造和预测。结果表明，组合神经网络在模型的拟合精度和预测准确性方面有都有提高。     

基于模糊信息分配理论的短期股价涨跌模式识别

基于分形市场假说的股价并不完全反映所有信息的观点,认为历史股价信息是不完备的群体型模糊信息,提出了线性信息分配条件下的信息守恒定理,建立了基于模糊信息分配理论的短期股价涨跌预测的模糊模式识别模型,通过对上证综合指数日线数据的短期预测,表明该模型具有能够动态捕捉股价短期分布特征、有效描述股价序列内蕴的短期非线性因果关系,进而具有较高的股价涨跌识别精度,并提出了金融市场收益率可能性分布的概念.     

利用集成神经网络预测上证指数

证券市场作为高风险高收益的投资领域一直倍受投资者的关注,如何能够准确分析和预测股票价格以便获取丰厚的收益一直受到人们的关注。于是各种股票价格分析预测和方法应运而生,如何建立一个成功率比较高的预测理论和模型是多年来许多学者一直研究的内容。随着近年来人工智能方法研究的发展以及证券市场一些特性逐渐被人所揭示,一些新的预测方式开始浮出水面。神经网络由于其在分析和预测时间序列方面的独到优势,逐渐成为构建证券预测模型的有力工具。本文尝试利用基于BP算法的神经网络集成的方法对上海交易所上证指数进行了预测,在实际预测…     

应计信息、机构投资者反应与股票错误定价

利用日内交易数据构建订单流不平衡指标,考察机构投资者对上市公司应计信息的即时反应情况及对股票价格产生的影响.结果表明,机构投资者在公司意外盈余为正的前提下,根据应计利润水平采取反转交易策略,买入(卖出)低(高)应计公司股票;受机构投资者交易行为的影响,低应计(高应计)公司股价在盈余公告后短期内上涨(下跌),在公告后长期则下跌(上涨),股价在整个区间内经历反转;通过构建套利组合研究发现,公司应计对股票盈余公告后长期收益的正向预测能力,不能完全被基于风险的资产定价模型所解释,说明机构投资者的交易行为造成股价过度反应,导致市场对公司应计项目错误定价.     

盈余管理与股票价格——一个文献综述

本文通过总结盈余管理与股票价格相关性研究的成果,对今后的研究提出了展望:一是研究外部环境预期的变化对盈余管理的影响;二是利用最新的非预期股票收益模型来研究盈余管理与股价的关系。     

短期电价预测的组合混沌方法

电力市场中,电价的变化呈现的是一种非线性的、动态开放的过程,传统的方法已很难提高其预测精度。为此,本文提出一种基于小波变换、计量经济学模型和径向基函数网络的组合混沌预测方法。首先利用小波变换将原电价序列分解、重构成概貌序列和细节序列;在此基础上,针对不同的子序列建立不同的模型,并进行预测;最后将所有子序列的预测结果求和,作为最终的预测值。对西班牙电力市场短期电价的预测表明,该方法具有很高的预测精度。     

融资融券交易行为及其收益可预测性研究北大核心CSCDCSSCI

2010年融资融券业务的开通,不仅为中国市场投资者引入卖空机制,同时也为投机性交易者提供杠杆放大机制.不同于以往主要从制度变迁视角研究卖空机制,本文从微观行为视角,系统研究信用账户投资者融资融券交易行为及其市场可预测性.基于2011年12月~2015年8月的样本数据,研究发现,信用账户投资者在股票价格上涨后增加融资买入,而在股票价格下跌后提高融券卖出,即采取"追涨杀跌"的投资策略.进一步研究表明,融资交易能预测正的未来收益,而融券交易能预测负的未来收益.此外,融资交易提高了未来股价崩盘风险,融券交易则可以降低未来股价崩盘发生的可能性.本文的研究揭示了中国市场投资者融资融券微观交易行为及其市场影响,并为进一步规范发展融资融券业务提供理论依据.     

融资融券交易行为及其收益可预测性研究

2010 年融资融券业务的开通,不仅为中国市场投资者引入卖空机制,同时也为投机性交易者提供杠杆放大机制． 不同于以往主要从制度变迁视角研究卖空机制, 本文从微观行为视角,系统研究信用账户投资者融资融券交易行为及其市场可预测性． 基于 2011 年 12 月 ～ 2015年 8 月的样本数据,研究发现,信用账户投资者在股票价格上涨后增加融资买入, 而在股票价格下跌后提高融券卖出,即采取“追涨杀跌”的投资策略． 进一步研究表明, 融资交易能预测正的未来收益,而融券交易能预测负的未来收益． 此外,融资交易提高了未来股价崩盘风险,融券交易则可以降低未来股价崩盘发生的可能性． 本文的研究揭示了中国市场投资者融资融券微观交易行为及其市场影响,并为进一步规范发展融资融券业务提供理论依据．     

股票价格与股市风险形成机理的流动性解释

由于研究角度不同,当前市场流动性理论对股价的研究较少关注第1次流动性跨越,即资产上市前后流动性变化对股票价格与价值的影响.基于此,着重分析资产上市前后的流动性差异,推导出了流动性下的股价模型与股市风险模型,并得出如下结论①股票边际流动性价值等于0.②边际流动性价值与企业边际投资收益率成正相关.③市场结构差异、市场流动性程度不同,导致股票价格不同.④资产特性不同也会影响股票价格.⑤由于流动性具有传染性,当其流动障碍累积到一定程度时就可能形成股市风险.     

交易量和交易量驱动的股价动力学分析方法

近20 年来, 理论界开始更加注重交易量在研究中的重要作用, 特别是从信息的角度出发, 研究者相信交易量能提供独立于股票价格之外的信息. 但是如何将交易量合适地融入价格序列中仍然是一个争论的话题. 本文系统地回顾了国内外有关交易量的研究现状, 指出由于累计交易量是时间的单调增函数, 与时间相比, 交易量不仅包含有时间价值因素, 而且还包含了交易成本等信息价值因素. 随后本文提出了交易量驱动的价格变化的研究思想. 在此基础上给出了基于交易量进程的股价动力学分析方法以及两种构造交易量进程的股价序列方法, 指出在日历时间假设下的时间序列和在交易时间假设下的时间序列是交易量进程假设的特例. 通过随机选择18 个股票的实证研究初步表明, 在更低的阶数或更少的参数情况下, 本模型具有更高的拟合精度和解释能力.     

基于计算实验的卖空交易对股票市场的影响研究

采用计算实验的方法研究卖空机制的引入对股票市场的影响。构建双向连续竞价的人工股票市场平台,设定投资者依据价值因素、价格趋势因素和噪声因素预估股票收益,建立市场卖空交易机制及投资者在禁止卖空和允许卖空情形下的交易模型,对引入卖空机制前后以及不同保证金要求下的股票价格、波动性和流动性进行研究。研究结果表明,卖空交易具有高卖空低买回的特点,从而在下跌的市场中提升股价,在上涨的市场中抑制股价,并有效地降低市场波动,提高市场流动性。随着保证金比例的减小,市场波动和买卖价差先减小后增加,而市场深度一直增加;通过对订单簿的研究发现,过低的保证金会加剧买卖订单的不平衡,甚至出现流动性“枯竭”,说明流动性先增加后减小;保证金比例的进一步减小会导致市场崩溃;过高的杠杆比率反而会对市场质量造成损害。     

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.