支持向量机在股票价格短鞋预测中的应用

SVM采用结构风险最小化原则，使风险只与输入样本数目有关，而与输入的维数无关，从而避免“维灾数”，并且结构参数从样本学习中自动确定，克服了传统神经网络收敛速度慢、结构参数确定无理论依据、存在局部极小值等缺点，具有较好的泛化能力。将此方法应用于股票价格的短期预测，取得晟好的实验结果，而基于支持向量机的股票价格短期预测模型对股市研究也有着重要的参考价值。     

上市公司财务危机预测的最小二乘支持向量机方法研究

现有上市公司财务危机预测方法常常需要线性假设或正态分布、等协方差假设,模型参数选择原则一般都采用经验风险最小。本文研究了上市公司财务危机的最小二乘支持向量机(LS-SVM)预测方法,此方法基于研究小样本的统计学习理论,它不需要特殊假设作为前提,选用结构风险最小原则确定预测模型参数,不仅使得经验风险最小,也使期望风险最小,从而对未来样本有较好的泛化能力。同时,给出了模型参数的显式计算公式。因此所提预测方法计算简单,速度快,预测精度高。实例计算结果证实了所提方法的可行性、有效性、实用性。     

基于电商大数据的农产品短期经营风险预测研究——以家庭经营梨果种植户为样本

农产品电商具有农业经营改善和农户福利提升的积极作用，在电商参与模式下识别和预测农产品短期经营风险有助于农户家庭主动管理和积极干预电商嵌入结构，也为区域电商布局优化提供理论依据和预警方案。文章以江苏省3755户家庭梨果种植户为样本，采集种植投入、电商交易和借贷保险等电子台账大数据，对比分析线性计量模型、一维非线性机器学习模型和二维深度学习模型对农产品短期经营风险结果和风险决策的预测能力。结果表明，电子台账大数据包含预测农产品短期经营风险的信息含量，基于特征灰度的二维卷积神经网络具有精准而稳定的预测能力，电商交易的预测信息含量高于种植投入和借贷保险且三者相互印证。在此基础上，从电商数据规范、台账软件升级、电商咨询建设和数字平台管理角度提出建议。     

金融危机背景下汇市与股市关系实证研究

本文建立了由上证综指、汇率、利率与道·琼斯指数构成的多变量VAR模型,运用Granger因果检验、脉冲响应函数与方差分解技术分析了金融危机背景下外汇市场与股票市场关系.实证分析结果表明:我国金融市场上汇率变动对股票价格有明显的短期作用,而股票价格变动对汇率没有影响;美国股市波动对我国股市的短期冲击超过人民币汇率对股市的冲击;我国的利率调整对汇率有短期效应,但对股票价格无影响.     

蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

保险资金直接入市的风险识别、测定与控制

保险资金直接投资股市的风险因素包括股票市场环境、资本市场结构、保险公司治理结构、资产管理模式、投资能力和监管水平等方面。在股市长期投资价值不高的情况下,保险资金在股市面临的风险综合表现为股票价格风险。因此,除了识别和化解上述风险因素之外,还应以股票价格与众数的差异结合社会平均利润测定和控制股市的综合价格风险。     

基于MF-DFA的中日两国股市行业指数波动特性的比较研究

多重分形在描述股票价格波动特性时具有许多优势。为了分析和比较中国与日本两国在过去十年间股票市场各行业的多重分形特性,文中应用多重分形消除趋势波动分析法(MF-DFA)对两国股票各行业指数日收盘数据的多重分形特性进行分析,同时通过计算平均分形维数对两国股票市场的市场风险进行测量。     

基于MATLAB的股价预测模型实证分析

从技术分析的角度分析股票市场,采用BP神经网络对股票价格进行预测,提出了将股票市场的基础数据指标和技术指标相结合,作为神经网络输入的候选变量,筛选出影响股票价格涨跌的变量,从而建立起神经网络模型。最后用MATLAB编程手段对沃尔玛公司的交易资料进行实证分析。     

A+H双重上市公司股票价格差异与汇率变动研究

随着我国资本市场的不断发展,内地股票市场和香港股票市场的联系更加紧密,越来越多的公司选择在两地同时上市,双重上市公司股票价格存在的巨大差异,成为众所关注的焦点问题。本文运用面板数据,对两地股票价格差异的变动与汇率变动之间的关系进行研究,并对汇率制度改革前后两地股票市场的表现进行了分析。研究结果表明,双重上市公司股票价格差异的短期变动与汇率短期变动之间存在负向关系。在汇率制度改革之后,汇率的短期变动对双重上市公司股票价格差异变动的影响程度减弱。     

浅析股票价格预测模型在个股股价预测方面的应用--以同仁堂股票为例

股票投资的风险既包括整个股票市场波动引起的系统性风险，也有个股自身因素带来的非系统风险，股票投资者在关注代表股票市场价格总体水平的股票市场指数波动的同时，更关注个股股价的波动。该文试将期权定价模型及数值方法运用于个股股价波动分析，采用伊藤过程模拟股票价格公式，通过假定股票价格服从对数正态分布，建立个股股价波动的中短期预测模型，来揭示个股股价波动的形式、特征和规律，为投资者作出合理的投资决策提供更多的依据。     

基于ARIMA模型的经济形势预测分析--以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于ARIMA模型的经济形势预测分析——以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于ARIMA模型的经济形势预测分析--以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于投资者行为参数的股票指数广义回归神经网络预测模型

在运用神经网络模型对股票价格进行短期预测时,一般的神经网络预测模型都是以价格的时间序列滞后作为输入变量,但是由于影响价格的因素错综复杂,很多因素无法准确测量,而且市场信息的噪音太大,因此预测效果往往不太理想,于是如何选择有效的输入变量就成为一个困扰这项研究的难题。     

人民币汇率波动的股票价格效应研究

本文以人民币兑美元汇率RMB/USD及人民币兑澳元汇率RMB/AUD与上证综合指数、深圳成分指数及三支个股每日收盘价为样本,运用协整分析、Granger因果检验等方法,分析了2005年汇率改革后人民币汇率波动对股票价格走势的影响。研究发现,人民币兑美元汇率及人民币兑澳元汇率与股票价格之间均存在长期均衡的协整关系;股票价格与RMB/USD关系显著且存在双向因果关系,而对RMB/AUD反应显著但二者之间不存在双向因果关系;股票价格对人民币汇率波动的敏感度也因受不同行业因子的影响而变化。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。     

短期债务、信用评级与审计费用的关系研究——基于审计费用模型的实证分析

短期债务的间接作用是短期债务的治理效应会导致较低的审计风险以及更多的短期债务。以2003-2006年的上市公司为研究样本,考察短期债务和信用评级对财务报告质量的监督和治理效应,研究发现,短期债务和审计费用存在负相关性,信用评级的提高会导致审计费用的降低;短期债务与审计费用的关系随着信用评级的增加而减弱。揭示出了由于短期债务带来债权人更多的监管以及公司治理上的好处,审计人员会由于审计风险的减弱而降低审计费用的收取,但短期债务所带来的治理效应会受到公司信用评级高低的影响。结论表明,短期债务不仅能够降低公司的代理问题,还可以减少审计费用。     

货币政策与股市行情的关联性研究

货币政策对股票价格的影响是宏观经济研究的热点问题,本文基于我国1997年1月至2016年12月的月度数据,运用频域格兰杰因果检验和向量自回归VAR模型,分析我国不同层次货币供应量(M1、M2)、利率(R)对股票价格(SHS、SZS)的影响,并通过Chow模型稳定性检验,发现模型存在着区间结构断点。进行分段样本区间检验,实证结果表明:M1、M2、R在不同样本和频域区间对股票价格都曾有过显著影响,但由于货币统计口径、样本区间等差异,导致变量显著性的滞后期差异较大,应结合实际情况辩证看待研究结果。     

国有大型商业银行系统性风险贡献度真的高吗——来自中国上市商业银行股票收益率的证据

风险是未来不确定事件发生的概率.股票价格反映了市场参与者对于未来风险的预期.本文运用中国上市商业银行股票收益率数据,通过相关性分析和CoVaR方法测度系统性风险.结论表明,股份制商业银行、城市商业银行和其他银行的平均相关性高于国有大型商业银行,且股份制商业银行和城市商业银行陷入困境从而引发银行系统陷入困境的概率也高于国有大型商业银行.这一方面是因为股份制商业银行和城市商业银行近些年来扩张较快,风险逐渐增加;另一方面是因为国家声誉资本的注入降低了国有大型商业银行引发系统性风险的概率,规模大从而国家必须进行救助(“大而不能倒”)的预期反映在股票价格中.     

浅析股票市场的可预测性

在今天的股票市场中,经济学家们都认为股票价格遵循随机游走,而投资经理则持有相反的意见。本文主要从三个方面来探讨股票的可预测性。首先讨论了一些金融理论来论证短期内股票的可预测性;其次讨论了经济及政治因素是如何影响股票市场,并且展示了不同类型的国家的股市预测行有何不同;最后,本文认为即使可以通过一些指标暂时性的获得短期利益,但是股票市场从统计学和金融学的角度来看依然是随机游走的,因此股票市场是不可预测的。