我国股票发行方式与市场租金分配初探

股票发行方式的差异会形成规模不同的市场租金,现阶段的关键不在于从根本上消除市场租金,而在于改革租金分配方式,以发挥出租金能在一定程度上促进股市发展的作用。     

试论中国股票市场失衡及其与宏观经济运行态势的背离

本文建立了考察股市运行失衡与宏观经济运行态势背离的分析框架.作者认为,只有将股市放到宏观经济运行的大背景下,从股市与宏观经济的互动机制角度来考察,才能全面认识和把握股市运行的规律.因此,本文从股票价格波动、通货膨胀、股票市场规模等角度进行了系统分析.通过与美国、韩国股市有关实证分析结果的比较,本文提出,正是由于中国股市的经常性失衡,完善市场经济条件下股票市场与宏观经济运行的正常互动关系才被打乱,表现为股市不能正常反映宏观经济波动状况,二者走势出现明显的异动和背离.     

德意志商业银行利益相关者共同治理模式特点及启示

一个多世纪以来,德意志银行之所以能够在商业银行、投资银行领域位于全球领先地位,其重要原因得益于它采用的利益相关者共同治理模式。本文通过分析利益相关者共同治理模式的典型代表——德意志银行,来概括和总结出德意志银行在该模式下的成功经验,为我国国有商业建立并完善利益相关者共同治理模式提供宝贵的借鉴价值。     

基于核估计及多元阿基米德Copula的投资组合风险分析

在研究金融资产的组合风险分析中,描述多个金融资产间的相关结构是选择最优组合权重的关键因素之一,如何准确地刻画金融资产间的非对称尾部相关结构,在定量研究组合资产的风险分析中尤其重要.利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kemel模型.利用该模型和VaR风险测度,对中国股票市场的实际组合投资问题进行风险分析,并在风险最小原则下,给出不同置信水平下的最小VaR值及其对应的最优组合权重系数.     

沪深股票市场过度反应效应研究

行为金融的相关研究认为证券市场投资者存在各种认知偏差，从而导致对近期信息的过度反应。本文根据沪深股票市场过去6至36个月不同时间长度的表现，考察前期表现最好的“赢组合”与前期表现最差的“输组合”在未来各月份的相对表现的变化，以验证沪深A股市场是否存在过度反应效应。经验研究结果表明；在6个月以内，市场总体呈维持原有相对强弱状态；当时间跨度在1年以上时，市场表现出过度反应的效应。在市场中，采用“买入输组合卖出赢组合”的交易策略，根据1至3年的滞后期与持有期可以获得年均6％—14％的套利收益。     

上海股票市场股票收益率因素研究

根据上海股票市场从1995 年7 月到2000 年6 月所有A 股股票的月收益率、价格、市值和 公司财务数据,利用Fama-Macbeth 回归分析方法及构造动态组合方法,分析总市值、流通市值、 价格、账面市值比、市盈率、账面资产负债比等因素对股票回报率的影响. 发现上海股票市场具 有显著的市值效应、账面市值比效应、市盈率效应和价格效应. 这些效应不能用股票的beta 值 来解释. 同时发现Fama- French 的三因子模型不能完全解释这些效应,但在三因子模型的基础 上再加上一个市盈率因子可以很好地解     

MBO:我国的现状、问题与对策

本文首先对我国MBO现状进行了全面的归纳和分析;然后剖析了我国存在的问题;最后提出当前我国实施MBO的对策建议。     

国际股市对中国股市风险溢出的叠加效应研究——基于FNAC-ΔCoES模型

为了考察多个国际股票市场对中国股票市场风险溢出的叠加效应,将二维ΔCoES拓展至多维ΔCoES,并基于完全嵌套阿基米德Copula(FNAC)推导出多维ΔCoES的显式解,同时给出了风险溢出叠加效应的度量公式和显著性检验方法。实证研究结果显示:两个国际股市同时发生风险时,对中国股市的风险溢出存在显著的、非线性的叠加效应,但这种叠加效应不一定会随着陷入风险的国际股市数量的继续增多而持续加强;此外,通过对比不同国际股市组合下的风险溢出叠加效应发现,欧洲股票市场对叠加效应的影响相对更大;最后,鲁棒性检验结果显示,FNAC-ΔCoES模型具有良好的稳健性。     

中国流通A股市场大盘股价指数研究

本文对我国现行股价指数计算中存在的问题进行了分析,提出了流通A股价格指数和流通A股资金指数方案。本文计算出的指数不仅有助于解决现行指数反映市场变化不充分的问题,同时还为股票市场的定量分析奠定了基础。     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。