基于DSSW模型投资者情绪与股价指数关系研究

基于DSSW模型,本文构建了不同预期时间跨度下投资者情绪与股票价格的关系模型,并依据预期时间跨度不同,投资者情绪的均值和方差有不同的特征,分析得出长、短期投资者情绪对股票价格的不同影响。进一步以好淡指数作为投资者情绪的代理变量,检验不同预期时间跨度的好淡指数与股价指数的关系,验证理论分析结论。最后给出对策建议。     

什么是股票价格指数？

大家知道,在全球资本市场。股票价格指数是一种由证券交易所、金融服务机构、咨询研究机构或新闻单位编制和发布的,表明股票行市变动的一种供参考的指标。由于股票价格起伏无常,投资者必然面临市场价格风险。对于具体的某一种股票的价格变化,投资者容易了解,而对于多种股票的价格变化,要逐一了解,既不容易,也不胜其烦。为了适应这种情况,满足投资者     

灰色预测模型在股票价格中的应用

对股票价格的预测直接影响到投资者的投资决策，关系到投资者的切身经济利益，因而对预测的准确性要求较高。本文拟尝试将灰色系统理论应用于股票市场，建立GM（1，1）模型，并通过对上证综合指数的预测说明该模型具有较高的预报精度和应用价值。     

上市公司盈利能力分析

作为上市公司投资者，必然关心其投资的保值状况，即关注上市公司投资的回报率。而对于广大股票二级市场投资者来说，尤其关心上市公司的股息．红利发放，即公司的股利分配，以及上市公司股票价格的涨跌。而要公司股票具备良好的价格趋势，分配优厚的红利、股息，则上市公司自身的盈利能力及业绩成长至关重要。因此，投资者要规避投资风险、获取较好的投资收益，做出正确的投资决策，对上市公司的盈利能力做出正确的分析与判断是非常必要和关键的。     

最优消费投资的动态经济模型的进一步研究

金融市场上的债券和股票价格瞬息万变。对这种复杂的变动趋势我们可以用随机微分方程加以描述，并据此来研究投资者的最优消费与投资决策。Ｋａｒａｔｚａｓ［１］给出了债券和股票价格的动态模型，该模型反映了价格与债券的利息率ｒ（ｔ）、股票的回报率ｂ（ｔ）及扩散矩阵σ（ｔ）等联系的动态模型。当投资者同时参与消费时，考虑到效用函数Ｕ及贴现函数β（ｔ），Ｋａｒａｔｚａｓ又研究了最优消费与投资公式，由于Ｋａｒａｔｚａｓ讨论的β（ｔ）仅为常数，显然有很大的局限性。为此在文献［３］中就β（ｔ）为有限分段和无穷分段函数两种情形推广了Ｋａｒａｔｚａｓ的结果。本文就β（ｔ）为连续函数情形进行进一步推广     

市场认同上市公司研发支出资本化的价值吗?——基于创业板的经验证据

基于创业板的相关数据,利用改进后的股票价格模型和股票收益率模型,检验资本化研发支出的价值相关性,并对不同种类资本化研发支出(自主研发无形资产和开发支出)对公司价值影响的差异性进行了深入分析。研究发现,资本化研发支出与股票价格和股票收益率不相关,费用化研发支出与股票价格和股票收益率显著负相关;自主研发无形资产与股票价格不相关但与股票收益率显著正相关,开发支出与股票价格和股票收益率不相关。研究结果表明创业板上市公司资本化的研发支出具有一定的价值相关性,但股票市场投资者对创业板的资本化研发支出反应不充分,并且这种疑虑主要是由于开发支出导致的。     

基于马尔可夫链系统的上证指数探讨

从实证的角度讨论了我国股票市场中上证指数的发展趋势，根据使用马尔可夫模型的前提条件和马尔可夫模型的相关性质，将上证指数分为高跌、低跌、低涨和高涨四种状态，运用马尔可夫链求解公式．探讨我国的股票价格涨跌趋势，寻找行情变化规律，为投资者提供相关的模型参考。     

基于KMV模型的上市公司信用风险预测

本文利用KMV模型,提出了一种上市公司信用风险预测方法.通过对我国4家上市公司5年股票价格的违约距离实证分析表明,KMV模型的灵敏度和预测能力都相当好,能为银行和投资者预测、揭示上市公司信用风险.     

投资者情绪与可转债发行股价效应研究

本文运用事件研究法对沪深两市2000 ～2010年间公司发行可转债导致的股价效应进行研究,研究表明在可转债除权日前,股价存在显著性的正效应,在除权日后存在显著的负效应;股票价格在可转债发行公告日及股权登记日时并不存在显著的负效应,这表明发行可转债的消息到来并没有使股票价格下跌.回归分析表明投资者情绪指标可以很好地解释除权日后的股价负效应,而对除权日前股价正效应没有解释能力,这进一步证明除权日前的股价正效应是由于发行可转债信息本身所驱动的.     

R＆D投入的价值相关性实证研究

以2007—2009年年报披露的研发投入且数据完整的508家上市公司为样本,构建多元回归模型,实证检验R＆D投入的两种报告方法（费用化vs资本化）的价值相关性。研究结果表明,资本化R＆D投入是与价值相关的,它与股票价格负相关,与股票收益正相关,资本化R＆D投入对股票收益具有增量解释能力。费用化R＆D投入与股票价格和收益负相关,向投资者传递了消极信息。     

股票价格的回归——马氏链分析与预测

本文将随机时间序列分解成趋势变动序列和马尔可夫链，建立了回归—马尔可夫组合预测模型，并对此模型编制成通用计算机程序，以此预测股票价格取到某个区间的概率分布、平稳分布，股票价格的均值以及股票价格的平均涨落时间     

WPGM（1，1，α）模型在股票价格预测中的应用

股票的价格的预测直接影响到投资者的决策,所以对股票价格的预测一直是经济工作者关注的一个问题。2002年刘文财等通过实证说明了ARFIMA模型在中国股票市场预测的失效性之后,很多人尝试将各种预测方法运用到股票价格预测中来,其中GM（1,1）是使用最多且比较有效的方法,尝试将无偏GM（1,1）模型的优点与GM（1,1,α）模型结合得到WPGM（1,1,α）模型,并选取G浦发的周收盘价作为原始序列进行预测,结果表明,所提的方法是有效的。     

非理性市场下的庄家操纵股价行为研究

通过分析散户投资者,庄家以及噪声交易者所掌握的信息量的不同,以及他们对市场行为的判断能力的不同,确定了庄家具有信息优势的假定.并通过数学模型研究庄家如何利用自己的信息优势以及所具有的雄厚资金设计最优操纵股票价格战略,从而达到获取暴利的目的.     

利率调整对我国股市波动性的影响研究——基于2004年利率上调的实证分析

本文基于GARCH模型方法，考察了2004年10月29日我国利率上调对股票市场波动性的影响，通过引入虚拟变量来度量利率调整前后股票价格的波动情况，发现基于当前股市行情，本次利率变化降低了股票市场的波动性。     

股票价格与实际利率之间长期协整与短期影响关系的实证检验

为了判断股票市场与债券市场之间的相互关联，我们使用协整模型和误差修正模型分析我国股票价格和实际利率之间的相互联系，发现我国的股票价格和实际利率之间不仅存在共同的长期趋势，并且具有短期的共同波动模式，因此在储蓄投资与股票投资之间具有一定的替代性和流动性。     

简介一种预测股票价格的方法

本文主要介绍了一种利用R B F对股票价格预测的方法,本方法使用简单,通过测试发现使用情况较好。     

发布虚假信息对股票价格影响的实证研究

上市公司虚假信息披露极大的损害了投资者的利益,也对虚假信息公司的股票价格产生了重要影响,本文利用事件研究方法,分别从上市公司虚假信息披露及证监会对虚假信息进行揭露两方面对上市公司股票价格影响进行实证分析,得出在虚假信息披露日,虚假信息对股票收益具有积极影响,但不是很显著;而在虚假信息揭露日,公司股票收益大幅下降.并进一部分析了上市公司披露虚假信息的原因.     

BP神经网络的股票价格预测模型建立

由于股票价格的变化具有随机性、非线性等规律,股票市场与国内外经济政治变化亦息息相关,为了提高股票价格的预测精度,提出遗传算法优化BP神经网络的股票价格预测模型。BP神经网络具有良好的非线性映射能力,弥补传统股票价格预测方法的不足。     

基于激励的经理股票期权再定价

激励作用是经理股票期权的核心问题。在二人非合作动态博弈的分析框架下，区分经理股票期权的成本和价值，借用期权等值置换法(share-for-share)的数值例子，分析经理股票期权再定价的结论是：当股票价格低于执行价格时，再定价能够增加经理人价值的同时增加期权的激励；而股票价格高于执行价格时，再定价减少经理人价值而对激励作用的影响很小。     

基于ARIMA模型的股票价格预测实证研究

<正>ARIMA模型常用来对时间序列做预测分析，而股票价格的预测一直是股民较为关注的问题，准确的预测股票价格有利于在变化莫测的金融市场上做出合理的决策。ARIMA模型通过对历史数据建模，拟合时间序列数据的变动规律，进而预测未来股票的变化。本文选择深信服科技2021年所有交易日的股票收盘价数据，用ARIMA模型拟合其变化规律，最后对短期内的深信服收盘价进行预测。