股份制改造前景探析

在中国国有企业改革的过程中,股份制作为一种经济制度的具体实现形式起到了一些积极的作用,可以解决一些旧体制下无法解决的问题,但是同时也出现了一些消极因素和棘手的问题.其前景值得探讨.     

“债转股”政策效果研究

“债转股”对盘活银行不良资产 ,降低国有企业债务负担起到了积极作用 ,但也容易产生一些负面效应。要使“债转股”趋利避害 ,取得最佳政策效果 ,关键在于将“债转股”与国有经济的“战略性退出”结合起来 ,对“债转股”之后的企业实施民营化     

基于市盈率、预期和供求关系的股价行为动态分析模型

针对现有股票价格模型的局限性,提出一个基于市盈率、预期及供求关系的股票价格行为动态分析模型。本模型考察市盈率、预期对股票市场供求关系的影响,探讨股票价格行为与投资者对公司未来每股收益的预期之间的关系,分析现行市盈率及动态市盈率与投资者普遍认可的合理市盈率之间的偏差对上述关系的影响,得出股票价格是在投资者对公司未来每股收益不断预期和矫正,以及对现行市盈率、动态市盈率与他们认可的合理市盈率之间偏差的不断判断和调整的基础上和由此导致的供求力量的作用下,围绕市场普遍认可的合理市盈率而上下波动的结论。     

社交网络、投资者关注与股价同步性

随着以微博、微信为代表的社交网络信息平台在中国的崛起,形成了新媒体时代下信息资讯生成与扩散的完整传播链条,深刻地影响着金融市场参与主体的学习认知习惯、投资决策理念、交易行为模式,最终影响不同金融资产的价格波动规律． 本文在新媒体时代情景下,以社交网络信息披露与传播平台为切入点,基于信息关注度、信赖度、更新频率等三层维度,构建社交网络微博信息质量指标体系,研究社交网络信息质量与股价同步性的内在关联关系． 研究表明: 微博信息质量与股价同步性有着显著的高度负向线性关联性,并且呈现出非线性 U 型关系． 即随着社交网络信息质量水平的提升,股价同步性逐渐降低到达最小值,而后又逐渐提高． 研究结论为证明上市公司社交网络微博平台对股价同步性有较强影响力,提供了中国金融市场的证据．     

生产还是消费——中国股市生产资本资产定价模型实证检验

生产资本资产定价模型从企业利润最大化角度出发,推出资产的均衡价格.相较于消费资本资产定价模型,生产资本资产定价模型能更好的满足信息完全和决策者理性的假设条件.本文从生产资本资产定价模型出发,利用现值模型将生产的系统性风险因子,即生产的贝塔因子分解为现金流贝塔和折现率贝塔,并采用社会总投资和股市数据进行实证检验.本文发现生产-现金流贝塔是中国股市的重要定价因子,可较好地解释股权溢价的截面差异.相比之下,消费资本资产定价模型对不同资产之间风险溢价的解释能力较弱.     

CAPM模型对我国股市的实证分析

本文以我国股票市场为研究对象,选用2007年1月—2010年12月的月度时间序列数据,分别进行了单位根检验和回归分析,结果表明:在该段时间内,CAPM在我国的股票市场是有效的,并且个股的收益率与市场组合收益率呈正相关关系,通过对截距项的分析,比较了各个股票预期与实际收益率的差别,对投资者具有一定的指导意义。     

略述唐代营州的经济

营州是唐王朝在东北地区的重镇,是东北地区的政治、军事、经济中心。营州农业发展并不落后,先进生产工具的使用,促进了营州农业的深耕细作,扩大了耕地面积,促进了营州农业的发展。营州地区多民族杂居生活,畜牧业比较发达,尤以养马业最为兴盛。营州的手工业以制陶业为主。唐代营州商业发展很快,商品经济在社会经济生活中占有相当重要的地位,营州与西方国家有着频繁的贸易往来。唐王朝发展经济的政策和营州重要的地理位置客观上推动了营州经济的发展。朝阳地区出土的唐代文物,为我们研究营州经济提供了丰富的实物资料。     

公司相互持股法律问题研究

公司相互持股是公司间互相持有对方的股份,成为彼此的股东。相互持股在某种程度上可以促进规模经济的发展,但是它也会给现行法律带来许多制度构架和适用上的问题。世界各国或地区的法律大都对公司相互持股有所规制,以期尽可能减少公司相互持股对经济发展和法律制度的不利影响,而发挥其有利的作用。     

区间型符号数据的因子分析及其应用

符号数据分析是一种新兴的数据挖掘技术,区间数是最常用的一种符号数据。基于误差分析理论,研究针对区间数据的因子分析方法。将区间数看作一个由中点和半径构成的有序偶,并将半径视为区间数的极限误差。对中点样本阵进行因子分析,得到因子得分的中点值。然后将半径样本阵按照误差传递公式,得到因子得分的极限误差。由因子得分的中点值和极限误差最终得到因子得分的区间值。最后以股票的市场综合表现评价问题为案例,进行了应用研究。     

A segmented regime-switching model with its application to stock market indices

This paper evaluates the ability of a Markov regime-switching log-normal (RSLN) model to capture the time-varying features of stock return and volatility. The model displays a better ability to depict a fat tail distribution as compared with using a log-normal model, which means that the RSLN model can describe observed market behavior better. Our major objective is to explore the capability of the model to capture stock market behavior over time. By analyzing the behavior of calibrated regime-switching parameters over different lengths of time intervals, the change-point concept is introduced and an algorithm is proposed for identifying the change-points in the series corresponding to the times when there are changes in parameter estimates. This algorithm for identifying change-points is tested on the Standard and Poor's 500 monthly index data from 1971 to 2008, and the Nikkei 225 monthly index data from 1984 to 2008. It is evident that the change-points we identify match the big events observed in the US stock market and the Japan stock market (e.g., the October 1987 stock market crash), and that the segmentations of stock index series, which are defined as the periods between change-points, match the observed bear–bull market phases.