中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。     

名栏建设重在“有名”

名栏是知识生产领域的名牌产品。它从来都不是自封的,也不是靠广告吹出来的,需要得到学界和期刊界的普遍认可。名栏之所以被称为名栏,一是特色鲜明,二是水平高。舍此,将无从谈起。那么,如何才算做到了这两点呢？我认为,可以用＂七你＂来衡量。一是首先想到你。也就是品牌学中常说的第一提及率。具体而言,有三方面的意涵：（1）期刊同行首...     

国家铁路货物整车运输比价关系探讨

铁路整车货运运价率结构对于货运整体收入及市场竞争力具有重要影响。通过对国家铁路货运总体运营价格水平与整车运价率、整车运价率基价1与基价2之间比价关系的分析发现,整车货运比价关系存在的主要问题体现在运价号设置的结构性、对运输成本的抵补、价率水平的均衡性以及与货物品类的对应关系等方面。因此,提出在"一口价"模式下充分考虑运输市场竞争因素、适当调整各运价号基价1与基价2增幅及比值关系、增设新运价号以及与运价浮动管理相结合充分利用3号运价等调整建议。     

逍遥骑行客夫唱妇随行

在北京通州,有这样两位花甲骑行达人,他们夫唱妇随,有一种难舍难离的默契,还收获了最重要的快乐。“骑车旅行不是目的,和老伴一起吹吹风、看看景、自然率性,才是我们所追求的”。     

新疆:综合施策 形成合力 造福边疆

新疆周边与8个国家接壤,边境线长5600多公里,沿边有10个边境地（州）、32个边境县（市）。在党中央、国务院的亲切关怀和大力支持下,在新疆维吾尔自治区党委政府的正确领导下,自治区各成员单位和边境地（州）县（市）各级党政,充分发挥职能作用和部门优势,密切配合,综合施策,形成合力,稳步推进兴边富民行动＂十二五＂规划的贯彻落实。     

农村公共产品生产与农民负担问题

在农民与乡村组织的长期交易过程中,不管农民在改革前后有没有意识到负担的存在及其严重程度,农村公共产品的决策机制还是无情地让弱势农民承担了大部分农村公共产品的生产。农村税费改革与农业税取消的政策从根本上减轻了农民负担,然而与此同时,一贯依赖于农民负担的农村公共事务与公益事业的处境也将更加尴尬。只有选择好与农村发展要求相适应的公共产品生产路径,才能切实减轻农民负担。     

理工农医院校社科学报转引率偏低原因分析

理工农医院校社科学报由于办刊时间短,作者群不稳定,实用性文章较多,发行量少,学术界影响小,以及社会和学术界的偏见,致使转引率偏低。为此,理工农医院校社科学报要加强自身建设,走特色办刊原则,强化编辑队伍,建立稳定的作者群,坚持正确的办刊原则,以尽快提高学报质量。     

湖南省取消农业税后减轻农民负担的思考

取消农业税,并不等于完全解决了农民负担问题,一些地方农民的负担依然较重,而且容易被忽视。减轻农民负担是一项系统工程,就湖南省的实际情况而言,取消农业税后,仍应该在以下几个方面标本兼治,采取多种办法切实减轻农民负担:努力建立防止农民负担反弹的长效机制;建立健全农民负担监督管理机制;完善涉农党政干部考核机制;搞好取消农业税后的配套改革;实行涉农价格、收费公示制。     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系,其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标,再次根据这些指标利用Prim算法构建出高维波动率网络模型,最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制,能够在依赖少量假设的基础上,挖掘出多个金融市场主体间的相互关系,反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比,在互信息框架下,股价波动的非线性相关关系得到了更好的度量;股票市场的整体波动性与个股波动率相关性变化趋势相反,市场处在高波动时期资产组合分散化效果较好;网络中存在少量度数大的关键节点和中心节点,风险通过这些节点可以迅速传递到整个市场;股票市场的运行具有明显的行业聚集现象;网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。