中国股市行业指数及个股长程记忆研究

股票市场收益记忆特征对于非线性结构的确定以及市场有效性的研究具有重要意义.该文选取沪深股市的三只行业指数和隆平高科及大江股份的日、周收益率时间序列,通过R/S分析方法分别计算出其相应Hurst指数.结果表明收益率时间序列具有长程记忆特征,且存在一个大周期和一个小周期,也验证了收益率时间序列不符合布朗运动.这对风险管理及投资时机的选择有一定的指导作用.     

基于NDVI的内蒙古植被动态变化分析

植被对于生态环境变化的反应是较为敏感的,研究植被动态变化对生态环境的保护和生态预警有很大的意义.基于SPOT/VEGETATION NDVI数据,该文获得了内蒙古的空间NDVI分布,分析了自1998年至2008年之间NDVI的变化趋势.并由最大值合成法（MVC）,Mann-Kendall检验和Rescaled范围（R/S）分析计算出NDVI时间序列的赫斯特指数.此外,通过叠加分析对研究区域NDVI的未来变化趋势进行判断.主要的研究结果包括：第一,1998年到2008年间,内蒙古的植被变化总体上是稳定的,但数据显示10.16%的植被有显著减少的趋势,它们属于脆弱的草原植被;其次,在空间分布方面,NDVI时间序列存在一定规律,赫斯特指数在西部高,东部低;第三,在低植被覆盖区存在植被减少的现象.其中9.58%的土地开始衰退,这些土壤急切的需要植被的保护和综合的管理.没有人类的干预,这些土地将会出现荒漠化.     

我国粮食产量的波动与预测方法选择

运用R/S分形理论对我国及各省区1952—2012年期间粮食产量的波动规律及预测方法的选择进行了研究,结果表明:自1952年以来,我国粮食产量不断增长,但是增速逐渐变缓。粮食产量存在着明显的波动特征,正负波动基本相当。在1952—2012年期间,我国粮食产量的时间序列具有较明显的持续性,但这种持续性影响经过一段时期之后即会消失。各个省区的Hurst指数存在较大的差别,从区域分布来看,Hurst指数较高的省区主要为我国水土资源及气候条件均相对较为优越的粮食主产区。Hurst指数高的粮食产量时间序列具有自相关性,使用ARMA模型进行短期预测的精度会相对较高。Hurst指数在0.5附近的粮食产量时间序列波动基本处于随机状态,适合使用马尔科夫链模型进行短期预测。Hurst指数低的时间序列是反持久性的时间序列,具有均值回复的特征,适合使用EMD提取趋势线进行预测。     

货币供给量对股价的影响性研究

从扩展的货币数量论出发,基于货币供给量与股价的时间序列季节调整后的数据,用HP滤波方法去掉各个时间序列的趋势项,研究各波动项之间联系,并在此基础上建立两变量无约束的VAR模型,分析货币供给量对股价的影响和贡献度。     

机构投资者影响股市的研究方法综述

文章综合国内外诸多文献,从研究方法的视角综述机构投资者对股市的影响：不同研究者从时间序列或截面上分析了机构投资者对股市的正反影响,选取股市的波动性、流动性等作为被解释变量,以机构投资者持股比例、股票交易量和股票总市值等为解释变量,运用了多元回归、向量自回归、面板回归分析以及Granger因果检验等计量经济学的实证分析法.     

我国股票指数混沌行为测试

本文对我国股市是否存在混沌行为进行分析,运用Lyapunov指数和自相关函数对股票指数的历史数据进行了计算测试,得出我国股票指数具有混沌特征的结论。     

股票收益和交易量因果关系检验

通过对中国深圳A股市场上的股票交易量和股票收益及收益变动性之间的因果关系实证分析，发现交易量和价格绝对量的变化之间以及交易量和股票收益之间均至正相关，而收益变动性和交易量之间呈负相关。另外，不论是股票的交易量、股票收益以及股票收益的变动性都呈现序列平稳性，而股票价格则至现出非平稳性。股票交易量和股票收益之间存在双向因果关系，收益的变动性和交易量之间不存在Granger因果关系。     

GARCH模型在中国股票波动预测中的应用

大量的实证研究表明诸如股票价格等经济类时间序列具有方差随时间变化即异方差的特点.目前被认为最集中地反映了方差变化特点而被广泛地应用在金融时间序列上的模型为广义自回归条件异方差(GARCH)模型.应用GARCH模型对我国股票波动率进行应用预测分析,结果表明模型对波动率进行了很好的预测.这对股票投资者尤其短期交易者具有指导意义.     

从股票期权激励模型的设计分析ESO面临的问题

ESO，即经理股票期权，是一种对经营管理者的激励机制，近年来在西方各国企业中得到了广泛的应用，在我国也为越来越多的企业所关注，并在武汉、上海、深圳等地的企业蝇进行了一定范围内的试点，形成了几种不同的模式。该文通过设计股票期权的一个衬步模型，考虑模型中各指标值与真实业绩的符合标准，对ESO在我国实施时可能遭遇到的几个问题进行分析，提出普及ESO制度还需要完善的几个前提条件。     

非线性经济时间序列的相空间重构及预测

综述了通过一维的经济时间序列的相空间重构技术构造反映产生经济时间序列的原始系统的本质因素的理论,并举例说明了该技术的实际应用。     

一个零齐次核的Hilbert型不等式的级数形式及推广

通过引入权系数、一个独立参数及一对共轭指数,应用实分析的方法,建立一个具有零齐次核的Hilbert型积分不等式的级数形式及其推广式,并考虑其等价形式．     

关于正数齐次核的Hilbert型不等式

通过引入权函数,应用实分析的方法,建立一个新的具有一个独立参数及两对共轭指数的正数齐次核的Hilbert型积分不等式,它是一个1一齐次核的Hilbert型积分不等式的最佳推广．还考虑了其等价形式、逆式及级数类似形式．     

沪、深股市收益率的统计分析和风险分析

随机理论认为股票收益率服从正态分布,但大量研究表明,股票收益率等金融时间序列具有"尖峰厚尾"反正态性.极值分布和Laplace分布是一类厚尾分布,本文对沪、深两地股票市场的收益率进行了极值分布(以Gumbel分布最为常用)和Laplace分布拟合,并给出了风险价值(VaR)的估计.实证研究表明,Laplace分布是正态分布的一种改进,而Gumbel分布能较准确地估计巨额盈利(极端事件)的风险.     

股票收益率的混合Gumbel分布研究

随机理论认为股票收益率服从正态分布,但大量研究表明,股票收益率等金融时间序列具有“尖峰厚尾”反正态性．建立在极端事件风险理论的基础上,提出了由原始分布和尾分布组成的混合分布模型．最后对深证成分A指的日收益率进行了混合分布拟合,结果显示混合分布不仅比正态分布在效率上有了明显的提高,而且能较准确地度量股票的风险．     

基于LSTM等深度学习方法的股指预测研究

为了改善传统时间序列方法无法在预测模型中添加相关变量等缺点,并提高股指预测精度,运用LSTM神经网络等深度学习方法对我国上证指数及沪深300指数进行预测分析,并将预测结果与RNN、CNN、ARMA等模型进行比较,然后在模型中加入百度指数测试其对预测精度的影响,最后检验LSTM模型对训练步长的敏感性。研究结果表明,LSTM能够实现对股指的精准预测,其预测评价指标MAE、MAPE、RMSE分别为0.008、0.025、0.011,预测误差低于其它模型,加入百度指数可进一步提升其预测能力,但改变LSTM模型训练步长对结果影响不大。因此,LSTM模型在金融经济预测领域有较高的应用价值。     

中国证券市场混沌动力性的统计检验

本文介绍了Nychka（1992）、M．Shintaniat和O．nnton（2004）提出的一种能对估算出的Lyapunov指数进行统计检验的方法。在噪音的影响下,该方法估算出的结果比实际值更小,而传统的Wolf法估算出的结果比实际值更大。对中国证券市场进行的实证研究验证了上述结论,也表明我国证券市场存在混沌动力性。     

上市公司股票成交额时间序列的模糊聚类分析

引入了股票成交额时间序列的相似性度量,通过模糊聚类方法,将成交额时间序列相关性好、数量级接近的股票聚类,并以有色金属类股票为例进行了实证分析,通过MATLAB编程实现算法,计算出聚类结果,并从市场经验和直观角度对结果进行了分析,说明了聚类结果的有效性．     

人力资本作为股权出资的可行性分析

新《公司法》出台已久,遗憾的是,该法仍将人力资本拒于出资形式的大门之外。这使得一些隐含人力资本作为出资形式的现象,因缺乏法律依据的支撑,在理论上显得尴尬。通过分析人力资本的属性可看出,在有限责任公司里,纵然人力资本具有依附性,但股东以何种形式出资,只要不损害第三人和国家利益,就应当视为股东的自治行为。再通过设计一系列制度保障第三人的利益,可以得出人力资本作为股权出资是可行的。     

股指波动的实证分析

探讨了中国证券市场股票价格指数的波动是否具有周期性,并基于时间序列的谱分析方法,采用应用统计软件SPSS13．0和Eviews3．1对本地证券市场的市场指数进行了分析,得到了上证综指的谱密度与频率和上证指数的周期数据。     

B值狄里克莱级数下级的进一步探讨

主要利用凸正规化方法进一步探讨了B-值狄里克莱级数的下级，用指数和系数对数的范数的凸正规化序列表示了下级的计算公式。