金融市场收益率方向预测模型研究———基于文本大数据方法

金融市场的发展关系着一国的经济命脉,而股票市场作为金融市场的重要组成部分,对其收益率的研究也一直都是学术界的热点。财经新闻常被认为蕴含着丰富的信息,其中所包含的情感信息作为影响投资者投资决策的重要因素之一,对股票收益率也具有一定的影响。故本文构建了适用于金融投资领域的财经新闻情感词典来对财经新闻进行文本分析,同时构造了新的预测模型:将财经新闻文本中所含的情感量化为情绪指数并与时变密度函数相结合,得到时变加权密度模型。并在此基础上以模型评分为权重组合多个预测模型构建出评分加权模型用于股票收益率预测。结果显示,加入情绪指数能有效提高模型预测能力,而评分加权模型的预测能力则在此基础上更进一步,在准确率以及评分规则上基本达到双重最优。     

基于差值灰色RBF网络模型股票指数预测

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,文章提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。将该预测模型运用于股票指数预测,实证结果表明:该模型预测精度高,平均预测误差为0.52%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的使用价值。     

基于BP神经网络的股指收益率预测研究——以高频数据为样本

高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域。目前，国内学者利用年、月、日等低频数据对股票市场的收益率进行了很多的研究，但是以日内高频数据为基础的研究还不多见。如何较准确地预测基于高频数据的股票收益率是进一步深入研究金融市场的基础，论文采用数据挖掘中的BP神经网络对沪深300指数高频数据中的日内收益率进行建模与预测。结果表明：神经网络模型对股票高频数据的日内收益率具有很强的预测能力。     

VIX指数对股票市场间联动性影响的实证研究

近期金融危机频繁发生,国际金融市场之间的动态联动性成为一个重要的研究课题。以往学者大都直接研究金融市场间的相关性,而忽略了外生金融变量对金融市场间相关性的影响。本文将对上述问题进行研究,借鉴Silvennoinen和Terasvirta(2015) STCC模型的思想,假定Copula参数受外生变量的影响,建立时变动态Copula模型——ST-VCopula模型,并基于该模型探究市场波动率（VIX指数）对股票市场之间相关性的影响,进而对几个国家的股票指数数据进行了实证分析。实证结果表明VIX指数对股票市场间联动性产生了显著的影响。VIX指数的获取简单便捷且更为直观,为市场间动态联动性的研究提供了另一种途径,可以为投资者在进行分散投资等金融活动时提供一定的指导和建议。     

股票评论信息能够预测股票市场的下行风险吗?

基于东方财富网股票评论数据,通过文本情感分析技术挖掘股评信息并构建投资者情绪指标体系,使用VAR模型和机器学习模型研究投资者情绪指标对上证指数下行风险的影响和预测能力。结果表明,不同的投资者情绪指标对上证指数下行风险的影响方向不同,投资者情绪指标对上证指数下行风险具有一定的预测能力,且结果稳健。研究结果为金融监管机构通过加强网络舆论监管来推进中国金融市场的稳定发展,从而防范金融市场异常波动提供了理论支持。     

我国股市有效性的统计检验

本文首先对我国沪深两市股票指数收益率的正态性作出了检验,得到了都不服从正态分布的结论,在此基础上又进行了股票异常收益的非参数统计检验,从而在更严谨的方法下对我国股票市场的有效性作出了判断。     

基于灰色线性回归组合模型的金融预测方法

建立精确的金融预测模型对金融产品管理和风险控制具有重要的实用价值.文章针对新时期下金融产品推出周期短,可建模数据少的特性,构建了一种少数据建模的灰色线性回归组合金融预测模型.针对传统GM模型中忽略了数据的线性变化规律,对传统的GM模型进行改进,加入线性部分,构建了灰色线性组合金融预测模型,并给出了灰色线性组合金融预测模型的参数识别算法.最后实证分析了灰色线性组合金融预测模型对少数据建模的有效性,且实证结果显示该组合金融预测模型具有较高的预测精度.     

知识卡片

股票价格指数股票价格指数即股票指数,是描述股票市场总的价格水平变化的指标,从上市股票中选择若干种富有代表性的样本股票,并计算这些样本股票的价格平均数或指数,用以表示整个市场的股票价格总趋势及涨跌幅度。     

沪、深股市个股的非线性动力学模型的构建

本文根据沪、深股票市场提供的数据,以两个地区的两种股票数据为例,建立AR自回归模型.首先对股票数据随时间变化进行了观察,然后对实际的数据进行了相当成功的拟合,并通过残差分析,检验出残差服从正态分布.因此,建立该模型能刻化出股市的主要非线性性质,从而揭示股市变化的规律,为股民的定量决策提供科学依据.     

股票价格波动与消费支出——基于分段消费函数的研究

文章在考察股票市场波动与家庭持有股票比例关系基础上,利用一个分段的消费函数模型对股票市场波动与消费支出之间的关系进行实证研究.结果表明股票指数是影响家庭财富持有形式的重要因素,并且在不同阶段股市的财富效应也不同,股市发展初期主要是挤占效应,而股市发展到一定阶段财富效应开始发挥作用,这一结论对当前金融危机背景下维持资本市场稳定提供有力证明.     

知识卡片

股票价格指数 股票价格指数即股票指数，是描述股票市场总的价格水平变化的指标，从上市股票中选择若干种富有代表性的样本股票，并计算这些样本股票的价格平均数或指数，用以表示整个市场的股票价格总趋势及涨跌幅度。     

国内股票价格指数期货初探

一、股票价格指数期货的发展及其功能期货市场发展壮大己经进入到以金融期货期权交易为主的新阶段。股票指数是金融期货中继外汇期货、利率期货后产生的新的金融品种,也是八十年代金融创新浪潮中出现的最重要最成功的金融工具之一。目前,股票指数期货己成为世界各大金融期货市场交易最活跃的金融期货品种之一。在股票市场,由于预期股息和利率的变动导致股价上下波动,股票面临价格风险,在利率波动频繁、幅度很大的情况下,股票价格所面临的风险越来越大。股票价格的风险可以分为二类：一是系统风险,即某种股票价格的变动与整个市场的变…     

基于数据挖掘的股票指数涨跌概率推断

文章基于历史数据采用泊松分布对股票指数涨跌的动态过程进行拟合,选取合适的拟合评估函数确定最佳泊松分布拟合的参数值。在此基础上构建股票指数涨跌的概率分布函数来对股指涨跌进行预测。选取了上证综合指数、新上证综指和深证新指数进行检验,检验结果显示预测的结果较好,能在一定程度上对股票指数涨跌进行预测,技术分析在中国股票市场具有一定的效果。     

基于多源信息融合的能源需求预测模型研究综述

文章以能源需求预测模型技术提升和预测误差不断改善为线索,从信息源的角度出发,梳理了国内外能源需求预测的相关理论与模型特征.能源需求预测模型经历了单一模型、多源模型组合和智能信息融合三个发展阶段,文章对模型发展阶段的特点和存在问题进行评述,对未来非线性、变权重技术以及多源信息融合模型在能源需求预测方面的应用做出进一步展望.     

基于灰系统主成分的话题趋势预测模型

话题趋势预测影响因素众多,为了降低因影响因素多带来的计算复杂度,文章中利用主成分分析将多个可能相关的变量化为几个互不相关的主成分变量,并对这些不相关的变量运用GM(1,1)模型分别进行预测,并将预测之值代入GM(1,N)预测模型中,从而得到灰系统主成分话题预测模型,有效降低了热门话题预测的复杂度,最后实证了方法的可行性。     

新阶段沪市波动率预测模型的选择

根据陈浪南把我国股票市场划分为三个阶段的划分理论,选取CSMAR数据库中2000.3.17-2003.12.31之间的上证综合指数收盘价为研究数据样本,分析该指数波动率的特点,从而选取ARCH、GARCH、CARCH-M、EGARCH模型来预测股市的波动性,用三种评估模型包括非对称的LINEX损失函数对这几种预测模型进行综合评价.     

基于机器学习LSTM&US模型的消费者信心指数预测研究

消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。     

基于情感分析的旅游客流量多尺度组合预测模型

文章提出了一种基于在线文本情感分析的旅游客流量多尺度组合预测模型。首先,用Python爬取客流量历史数据和旅游网站的评论并对其进行预处理,并使用Snownlp情感分析计算处理后的评论情感值作为客流量的影响因素;其次,将客流量和评论情感值分别用互补集成经验模态分解分解为不同的本征模函数,并用样本熵将其重构为高频、低频和趋势序列;然后,用反向传播神经网络、支持向量机和长短期记忆神经网络模型分别对高频、低频和趋势序列进行预测;最后,把三种方法的预测值相加即可获得最终预测结果。以四姑娘山风景区为例进行实证分析,结果显示所提模型能很好地提高客流量的预测效果,具有应用价值。     

基于百度指数的投资者关注度与股票市场表现的实证分析

文章将百度指数应用于股票市场的研究,选取20支新三板概念股作为研究对象,搜集了2013年2月1日至2014年1月30日一年的日搜索数据和交易数据,采用固定效应常系数面板数据模型进行实证分析.实证结果表明百度指数是一种有效的投资者关注度指标,并与股票市场呈现显著正相关,能有效地改善已有股票预测模型的准确度.     

基于累积法的灰色马尔科夫预测模型及其应用

文章针时传统灰色马尔科夫预测模型运算量大等问题,将累积法与灰色马尔科夫预测模型相结合,提出了一种基于累积法的灰色马尔科夫预测模型,克服了传统预测模型的缺陷,并以贵州省历年旅游人数数据为例进行分析预测,结果表明该模型能够降低运算量,提高预测水平.