我国房地产业股价波动长记忆性的R／S分析

房地产上市公司股票一直是各类投资基金重要的资产配置对象,因此,对其价格波动的定量特征进行精确的刻画和描述具有重要的现实意义。以我国上市公司房地产行业指数和万科A股日收益数据为实证样本,运用重标极差法（R／S）探讨房地产上市公司股价波动的长记忆特征,结果表明：我国房地产上市公司的股价波动存在显著的长记忆特征,且行业总体的长期记忆强度明显高于个股;与成熟资本市场相比,我国房地产上市公司股价波动的长记忆程度更高。     

基于已实现波动率的长记忆性分析

根据长记忆性的检验方法,即H/S分析法、GPH法,分别对上证指数收益率波动的长记忆性进行检验。同时,采用已实现波动率（RV）对波动进行度量,结合ARFIMA-RV、HAR-RV长记忆性模型进行分析,证实上证指数的RV序列具有长记忆性,而且HAR-RV模型能更好地对波动进行预测分析。     

上市券商股CAPM模型适用性及收益影响因素研究

选取了在我国A股上市的20支券商股2012—2014年的交易数据,通过实证分析的手段,发现券商板块股票β系数整体偏高,投机性强,对信息反应敏感且剧烈,是我国股市的风向标,2015年119暴跌中券商股集体跌停也应证了这一点。还验证了CAPM模型和三因子模型在券商股板块的弱适用性,β系数、账面市值比、市盈率等指标与个股收益率显著相关,对其有一定的解释能力。在一定程度上弥补了现有研究的不足,对券商股领域的行情分析及新投资者选择标的资产都具有一定的现实和理论意义。     

十年股市如一场游戏一场梦

2001年6月14日,上证指数创出股市诞生以来的高点2245点。10年后的10月10日,上证指数探低2338点,当天报收于2344点。如果按照这个收盘点位来测算,10年来上证指数上涨不足百点,涨幅只有“可怜”的4．14％,比ST类个股一个交易目的涨幅限制还要低。     

高频金融数据的长记忆SV模型分析--基于FFF回归

高频金融数据的分析与建模是金融计量学的一个全新的研究领域。与低频数据不同,高频数据通常具有“日历效应”和波动长记忆性。本文在使用弹性傅立叶形式(FFF)回归技术消除“日历效应”的基础上,针对高频数据的波动长记忆性建立了长记忆SV模型,结果发现高频数据的波动持续性大大降低。     

基于MRS-GARCH的社保基金投资风险测度研究

考虑到我国金融市场受宏观政策等影响较大,社保基金的波动可能存在结构变化特征,以“社保重仓”代表社保基金的投资组合,基于马尔科夫状态转移GARCH(MRS-GARCH)模型研究社保基金波动的变结构特征,测度其市场风险VaR和ES.研究发现:MRS-GARCH模型能够解决GARCH模型的伪强持续性,提高预测精度;误差服从GED分布的MRS-GARCH建模效果最好,其参数估计值表明“社保重仓”收益率波动存在不对称的状态转移特征;与“上证指数”、“深成指数”、“基金重仓”等相比,“社保重仓”虽然承担的风险较高,但其经风险调整的平均收益率也是最高的,遵循了“安全性”和“收益性”的委托投资原则.由此,建议“十二五”期间,应对社保基金投资实行分类管理,逐步做实个人账户基金,并允许其以委托投资的管理模式在资本市场上投资,以实现其保值增值.     

基于误差校正的ARMA-GARCH股票价格预测

针对时间序列预测和简单回归预测各自的侧重点不同,综合两者优点,对股票价格进行预测。首先将股价数据转换成对数收益率,利用ARMA-GARCH模型对收益率序列建立模型,对上证指数股票价格进行初步预测;然后建立回归模型对GARCH模型误差中未被解释的成分进行分析和拟合,利用回归模型预测的误差对GARCH模型预测结果进行校正。在选择回归模型变量时,引入变量间的相关性分析筛选合适的影响因子,利用主成分分析方法提取影响因子中包含的信息,实现对解释变量的降维,获取具有代表性的综合指标,以提高建模精度。实例研究证明该方法对于上证指数股票价格预测较为准确。     

GARCH类模型波动率预测效果评价——以沪铜期货为例

以沪铜期货为例,研究了GARCH、EGARCH、FIGARCH和FIEGARCH四种模型的波动率预测效果。以已实现波动率为模型评价衡量标准,分别采用M-Z回归和损失函数进行预测效果检验,结果表明,无论残差服从高斯分布还是t-分布,不同的GARCH类模型预测效果有显著差异,其中FIGARCH模型预测效果最好,其次是GARCH模型,EGARCH和FIEGARCH模型预测效果不佳。此结论说明我国铜期货市场具有显著的长记忆性,但不具有非对称效应。     

基于FIGARCH模型的股指波动性估计与预测研究

首先引入了FIGARCH模型,并讨论了具有不同分布特征FIGARCH模型参数估计方法。采用沪、深两市的指数数据考察了考虑长期记忆的FIGARCH模型、不考虑长期记忆的GARCH模型和IGARCH模型对市场波动性的拟合效果和预测能力。实证结果表明非对称的t分布和广义误差分布的分布函数更适合我国股市波动特征的描述,FIGARCH模型在拟合效果和预测能力方面都要优于其他两个模型。     

β系数时间标度幂律特征研究——基于分形市场假说

资本资产定价模型旨在衡量均衡资本市场中风险与收益之间的关系,β系数是该模型提出的计量系统性风险的一种指标。证券价格的波动具有两类分形特征:一是市场的波动具有状态持续性,其波动的方差具有时间标度性;二是证券的波动与市场的波动之间的协方差具有时间标度性。当这两个标度特征不一致时,β系数具有时间标度性,且其标度指数为两者之差。理论推导和对沪深300成分股5分钟高频数据的实证检验表明,标度可变资本资产定价模型(SVCAPM)可以有效描述β系数的标度幂律特征,并具有更高的稳健性和对系统性风险的识别度。     

我国农产品期货市场流动性对价格形成的影响研究

流动性是现代金融市场体系的生命力和期货市场资源配置的润滑剂.利用 ２０１６－２０１８年实时交易记录,以有效价差作为流动性的代理变量,发现农产品期货市场流 动性呈现日内(倒)UＧ型与周内(倒)VＧ型分布特征.基于此,分别构建了带有“日内效应”的 量价关系回归模型与带有“周内效应”的 FamaＧFrench三因素模型,从信息成本与风险溢价 视角实证探讨农产品期货市场流动性对价格形成的影响.研究发现:第一,在开盘/收盘期 间,农产品期货交易量对价格变化产生长期、不可逆的冲击,这是交易活动中的信息效应大 于流动性效应的结果,其中夜盘交易的价格效应小,因此具有平滑价差与分担风险的作用. 第二,农产品期货超额收益中包含对流动性的风险补偿,但呈现出显著的周期性特征,其中 “流动性溢价”现象与交易的“规模效应”同步出现于周一,这主要源于每周伊始的信息释放 与加仓需求.因此,通过增加规模交易占比、健全信息披露制度、扩大夜盘交易品系等途径 切实维护市场流动性的合理稳定,发挥农产品期货市场在资源配置与价格发现等方面的重 要作用.     

股市交易网络模型构建及其稳定性研究

遵循限价指令簿基本规则, 构建了股市交易网络理论模型, 对网络度分布、簇系数、平均路径长度和度度相关性等统计参数进行了仿真分析;并模拟计算了交易规模与网络节点度的内在关联机制以及网络稳定性。研究结果表明:股市交易网络具有无标度、小世界特征和异配性特征;网络簇系数大小相对稳定, 基本不受网络规模影响;平均路径长度在网络规模呈对数增长情形下线性增大;买卖双方的交易规模分别与网络节点度呈正相关。同时, 股市交易网络在随机攻击策略下的稳定性较高, 蓄意攻击策略下的稳定性较低。     

基于模糊分类变系数的铅锌烧结过程综合透气性状态预测

针对铅锌烧结过程的强非线性、时变等特点,运用智能集成建模的思想,提出一种模糊分类变系数透气性状态预测方法。首先深入机理分析和工况参数相关性分析研究,采用神经网络方法建立工艺参数和时间序列透气性预测模型;然后借助于模糊组合器实现两个子模型的有机组合,设计了模糊分类变系数综合透气性集成预测模型结构,其中加权系数由工况波动程度确定。运行结果表明:提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果,该模型具有一定的灵敏度和鲁棒性。     

中国股市波动率预测——基于已实现EGARCH模型和已实现SVL模型的实证比较研究

通过采用上证综合指数数据,对已实现EGARCH(REGARCH)模型与已实现SVL(RSVL)模型在不同分布设定(正态分布、学生t分布与偏斜学生t分布)以及样本外阶段(预测总样本期、高波动期与低波动期)下的波动率预测表现进行实证比较研究。结果表明:在预测总样本期,REGARCH模型在3种分布下的样本外预测表现都优于RSVL模型,REGARCH模型在各分布下的样本外预测表现取决于选择的损失函数;在预测高波动期,其与预测总样本期具有相似的结论,但REGARCH模型在偏斜t分布下的预测表现最佳;在预测低波动期,其与预测总样本期的结论相反,即RSVL模型在3种分布下的样本外预测表现都优于REGARCH模型,RSVL模型在各分布下的样本外预测表现取决于选择的损失函数。     

基于R/S方法研究国内个股的分形特征

股票市场上存在大量的分形特征,股票市场收益也服从分形分布,表现为在均值处具有尖峰、宽尾的特征.采用R/S分析法,选取华源股份(代码600656)的日收盘价序列为样本数据,对个股波动进行拟合以及实现控制图监控过程,得出如下结论:股票的收益率不是随机游走,而是一个有偏的随机游走,不属于EMH所描述的有效市场.股票收益序列存在着持续性,具有分形特征,且存在一个平均循环长度为115天的长期记忆.     

上海股市交易行为与波动性分析

本文首先通过对交易量与股指收益率之间关系的实证分析,发现上海股票市场交易具有明显的“追涨不杀跌”性质。这一交易行为特征与我国股市特殊的交易制度和“政策市”的特点有着密切联系。本文结合ARCH模型及其扩展模型的特点,对我国上证综合指数日收益率的波动性进行了实证考察,发现上海股市中具有显著的ARC效应,且存在Black指出的“杠杆效应”。将两个方面结合起来,发现我国股市在市场主体交易行为与市场波动性之间的联系上存在有悖常理的现象,可能需要建立更复杂的理论模型加以解释。     

有关股评价值的实证研究

以2000年股评家推荐的2052只股票作为样本,并根据推荐的持有策略将其分成短线和中线两组来分析股评的投资价值.研究结果对我国股评家属于信息驱动型提出了质疑,并指出,即使考虑交易费用,被推荐的短、中线个股(组合)仍然具有一定的投资价值.从长期来看,个股(组合)可以显著获得超常收益或赢利;与中线相比,短线个股(组合)的期望收益较高、风险较小.     

基于时间特性的中国股市波动密度特征研究

本文分析了金融市场波动性特征的组成,提出了波动性应该包括密度特征的观点。以自回归条件久期模型(ACD)为基础,选择标志我国股市波动性密度特征的代理变量,建立了刻划该特征的理论模型,检验了我国上海证券交易所个股的交易过程中波动密度的问题。实证结果表明,我国证券市场交易过程中波动的密集性是由于以私人信息为基础的信息交易引起的,私人信息的引入导致丁证券市场在时间方向表现出更大的波动性      

基于遗传神经网络的股价波动预测

对价格、成交量特征样本序列分别进行小波包分解,将其小波包系数单支重构能量值共同作为样本波动的本质表征,结合遗传神经网络进行股票价格波动预测。对沪市股票上海汽车(600104)、宝钢股份(600019)进行实证研究,结果表明,该模型具有收敛速度快和预测精度高的特点。     

中国股市已实现?系数的特征分析与建模研究

利用已实现波动方法对上海股市404 只股票的周?系数进行实时估计，分行业对已实现周?系数进行了统计分析，结果表明。高科技行业的?系数同其他行业的?系数有显著性差异。探讨了股本与行业因素对不同模型预测?系数结果的影响，研究表明，平均绝对预测误差MAE和均方预测误差MSE表明预测精度有随着股本增大而减小的趋势，并且保守型行业预测精度要普遍好于高科技行业的预测精度。