DEA方法在投资组合中的应用

将证券的收益等量作为输出,证券的风险等量作为输入,用数据包络分析方法给出了有效证券的判定,进一步给出确定这些有效证券的最优投资组合方法及如何确定不同时间段的证券最优投资组合方式。     

证券投资的主成分因素分析方法

为了研究证券投资的规律，利用主成分因素分析方法对影响证券投资的因素进行了分析。分析结果表明，经济因素和证券市场技术因素是影响证券投资的主要因素。结果对实际有一定的指导意义，且为证券市场的研究提供了有效的分析方法和可靠的理论依据。     

小波分析在证券分析中的应用

传统股市投资分析中的证券分析方法之一———MACD法 ,利用DIF的移动平均值以确定证券的买卖时机 ,存在着时滞性 ,对非平稳的股市信息分析不能及时、较好地刻画股市的基本变化趋势 .作者根据证券投资理论 ,建立了相应的证券投资分析数学模型 ,根据小波分析多尺度分析能力强的特点 ,利用小波分解提取反映股市基本变化趋势的低频信息 ,改进了传统分析方法 ,建立了改进后的数学模型Ⅲ .该模型求解方便 ,同时与实际模型较好地逼近 ,具有时效性 .此外 ,以路桥建设股票 14 0个交易日的DIF和MACD值作为原始数据 ,用Matlab作为工具进行计算 ,求解模型Ⅲ .结果表明 :与传统分析方法相比 ,从模型Ⅲ中能得到更多的买卖点信息 ,而且价差更大 ,效果显著 ,充分显示了小波分析在股市技术分析中的强大生命力     

更正启事

证券投资 证券投资是指投资者(法人或自然人)购买股票、债券、基金券等有价证券以及这些有价证券的衍生产品以获取红利、利息及资本利得的投资行为和投资过程,是直接投资的重要形式 证券投资分析 证券投资分析是通过各种专业性的分析方法和分析手段对来自于各个渠道的、能够对证券价格产生影响的各种信息     

卡尔曼滤波方法在β估计中的应用

利用最优估计理论中常用的卡尔曼滤波方法对口系数进行实时估计和预测估计,并将其估计结果与传统的回归分析方法的估计结果进行比较．实证结果充分体现出卡尔曼滤波方法在证券投资分析中的优越性。     

基于证据理论的证券组合优化分析

提出了一种基于证据理论的证券优化组合方法,解决了最优投资比例问题和最大组合收益问题;文章根据现有证据,构造出识别框架,并确定出基本可信度分配,然后由集函数过渡到点函数,求出单点似真度,经过归一化处理后,确定了令人满意的投资比例;最后比较了各种组合的收益大小,进而得出最优组合。     

证券投资学实践性教学应用与改革思考——以潍坊学院经济管理学院为例

证券投资学是实践性非常强的一门课程,需要加强实践性教学,帮助学生掌握证券投资技能。相关研究对证券投资学实践性教学的方法和应用进行了探讨和分析,本文在这些研究基础上,通过对一些相关方法在潍坊学院的教学实践应用中存在问题进行分析,并提出相应的对策建议。     

效用最大化投资模型的进一步分析

在考虑限制卖空风险证券的基础上,借助用函数,对无风险资产存在时证券投资组合优化模型进行研究,给出了期望效用最大化时无风险资产和风险证券投资权重的解析表达式.     

D-S证据理论在证券投资中的应用

D-S证据合成公式要求待合成的证据是相互独立且证据之间不能有较强的冲突,否则合成结果将有悖常理,因此,冲突证据合成前往往要进行修正.该文提出了一种基于修正系数学习的修正方法,同时将证据理论引入证券市场,将每个专家的预测意见视为证据,将不同专家预测意见的综合视为证据合成问题,然后用该文提出的修正方法对冲突专家意见进行修正,以取得较好的合成效果,从而为证券投资者提供有价值的参考信息.     

多约束条件下的资产组合分析及绩效评价实证研究（英文）

依据均值-方差规则,给出了同时存在证券数量变化、证券之间相互扰动、允许卖空机制约束条件下,资产组合有效前沿变动的统一分析框架和数理证明结果.基于证明结果,使用夏普比率作为绩效评价工具,实证发现74只开放式基金的动态绩效在考察期内并不显著,且不同类别开放式基金的绩效结果之间也不存在显著差异.研究丰富了动态资产组合理论,并为评判机构投资者资产组合绩效和资本市场建设效果提供了新视角和证据.     

GA-SVM对上证综指走势的预测研究

将支持向量机和遗传算法结合,建立了一种智能数据挖掘技术(GA-SVM),并用于对上证综指市场走势进行了探索.在这个混合的数据挖掘方法中,GA用于RBF参数的设定以及特征集的选择,从而智能的找到SVM的最佳参数,减少SVM特征值的复杂度,提高了SVM算法速度.SVM用于判断未来股票市场的走势,并与统计模型、时间序列模型方法、神经网络进行了对比.实验证明,GA-SVM优于其他几种方法,这种方法对于股票上涨或下跌的预测研究是有效的.     

基于HAR RV J ARCH模型的中国股票市场异质性研究

针对中国股票市场的异质性现象,提出HAR-RV、HAR-RV-J以及HAR-RV-J-ARCH这3种模型进行研究;采用最小二乘法结合Newey West协方差形式进行参数估计再进行预测,并比较3种模型拟合效果和预测效果;实证结果得出股票市场收益波动率的异质性主要是由月波动(长期交易者)和跳跃波动决定,日波动(短期交易者)和周波动(中期交易者)影响效果较小,并且HAR-RV-J-ARCH模型拟合效果更好;结果表明HAR-RV-J-ARCH模型能较好地描述股票的异质性现象。     

基于小波分析的股票市场分析

研究股票市场有很多种方法，最经典的是从经济学方面研究，另外还可以从心理学方面研究.随着数学在经济学的研究中发挥越来越重要的作用，在对股市的研究和许多的数学方法也被大量应用，小波分析在诸多领域有着广泛的应用.文章试图用小波分析对股票市场进行分析和预测.     

运用关联维数对我国股票市场有效性的探讨

运用关联维数分析法,论证我国股票市场存在低维确定性混沌过程。通过股票市场的混沌性与股票市场有效性的关系,论证我国股票市场的有效性。所做的实证研究表明,上证综指存在低维确定性混沌过程,其维数大约为3.681,说明上海股票市场指数收益率序列随机性低于成熟资本市场。我国的股票市场尚处于无效率市场发育阶段。     

股票价格的一种线性分形预测方法

主要研究股票价格的变化规律及对其未来价格的预测方法．通过对股票市场价格进行小波分析,发现股票价格的变化服从自相似性,并且满足某种拟周期性．而自相似是分形的一个重要特征,就可将股票价格的变化作为分形来进行研究．利用这一结论,找出了股票价格变化的线性分形插值函数,并提出一种线性分形预测方法来对股票价格进行预测．在数值试验中,对四川长虹的股票价格进行了分析,利用上述线性分形预测方法进行预测,得到了一些令人满意的结果,说明该方法是可行的．     

基于文本信息的股票指数预测

基于情感分析方法,对股票市场进行预测。将从社交媒体中抽取的文本信息(词信息、情感词信息和情感分类信息)与股票技术指标相结合,利用支持向量回归构建模型。通过实验与多种预测方法进行比较,结果表明该方法能够获得较为理想的预测结果。     

产业政策的股票市场信号效应及其对企业创新的影响:综述与展望

在我国，产业政策一直是激励企业创新活动、提升企业技术竞争力的重要力量，而金融市场则是其发挥作用不可或缺的一环。正如讨论宏观经济政策对产出结果的影响时应当注意商品市场之外的金融市场作用，在研究产业政策影响企业创新活动的过程时，产业政策的股票市场信号效应也值得特别关注。本文针对该领域研究碎片化的问题，基于信号传递理论阐释了产业政策通过信号效应向股票市场传递企业特征信息的原理，然后从实证资料出发系统梳理了上述信号效应对股价和交易量两方面股票交易结果的影响；同时，还结合资本市场与企业创新的固有关系，进一步总结了产业政策股票市场信号效应对企业创新活动的潜在影响和作用机制。在上述以问题为导向的文献回顾基础上，本文参考我国产业政策的实践需要，就产业政策股票市场信号效应在企业创新研究中的前景进行了展望，为未来的研究提供了方向性参考。     

股市情感词典自动构建与优化

为了更好地挖掘投资者情绪,解决在股市文本情绪分析过程中,现有情感词典构建方法自动化程度低、行业特异性不足和精确度不足等问题。在构建基本情感词典的基础上,Word2vec对自动添加的高频情感词语进行极性判断与赋值,并将情感词典构建改为优化问题,采用改进模拟退火算法对情感词典的词语分值进行优化,提高股市情感词典性能。实验结果表明:该方法所构建的股市情感词典可以有效识别股市文本情绪,提升文本覆盖率,具有更强的行业特异性,提升情绪分析准确性,可更好用于投资者情绪相关研究。     

用ARCH模型研究中国股市的波动特征

中国股市的波动特征是学者们和投资者关注的一个重要领域,与国外成熟的证券市场相比,中国股票市场作为新兴市场,具有其特有的性质,如更高的不可预测性和复杂性,股票价格更大的波动幅度和频率.研究中国股市的波动特征就具有重要的理论价值和现实价值.投资者在选股过程中需要理解中国股市随时间变化的波动情形,而ARCH模型族正是研究股市波动随时间变化的工具.以上证综合指数为对象,采用GARCH类模型对中国股市波动情况进行实证研究,为股市收益的尖峰厚尾特点、波动的集簇性、时变性提供了实证证据,并对实证结果作了一些初步的探讨.     

基于神经网络的股市预测

本文研究了基于神经网络的股票预测方法．针对目前存在的问题,提出了联合Davidon最小二乘算法及遗传算法来综合训练网络结构和权值的新方法．经对上证指数的模拟预测表明,通过合理地选取参数,可获得满意的预测效果．