简介:以2005-01-04至2008-12-31上证50指数成分股数据为样本,将其划分为熊市I、牛市和熊市II等3个阶段,运用最小生成树、分层结构树以及主要拓扑指标研究股票市场处于不同阶段下的关联网络动态拓扑结构。实证结果表明:股票市场间存在行业聚集效应,并且这种效应随着时间的推移越来越显著;在股票市场关联网络拓扑结构中,制造业在牛市时处于绝对的中心地位,并会持续到熊市;金融保险业和制造业中的钢铁制造业的内部股票始终保持着很高的关联度,一些子母公司和交叉控股的股票间也关系密切。此外,主要关联网络指标显示,股票市场所形成的关联网络结构在牛市时更紧密,但是牛市的市场结构要比熊市差。
简介:本文利用收集到的上证指数的日数据,应用TAR-CARCH模型分析股市中信息不对称对收益波动影响的持续程度及风险与日收益的关系,发现利空消息对波动性的影响更为持久,而且政策因素与股市波动关系密切.
简介:考察汇率、利率、GDP增长率、成交量、换手率、市盈率、基金成交金额和流通市值这8个与上证综指在理论上有相关性的备选解释变量,采取以平均经济回归方法为指导的建模策略,构建经得住多重共线性检验、异方差检验、模型设定偏误检验和自相关检验等各种检验且统计性质优良的线性模型和对数线性模型,并对这两种模型的拟合优度进行比较后可以证实:上证综指与汇率、利率和GDP增长率等宏观经济变量的相关度很低,与成交量、换手率、市盈率、基金成交金额和流通市值等微观市场变量却有着很强的相关性.这一结论并不能否定宏观经济对股市的影响,相反却恰好从计量经济的角度反映出上海股市在股改完成前的结构性缺陷.
简介:目的应用季节指数法和差分自回归移动平均模型(autoregressiveintegratedmovingaveragemodel,ARIMA)建立传染病周预测模型。方法利用2008-2011年江苏省感染性腹泻周报告发病数资料,运用SPSS软件计算出季节指数、Eviews软件建立ARIMA模型,最后进行预测精度评价。结果江苏省感染性腹泻周发病数的预测模型为:Yt=St.(-0.3356DYt-2'-0.2061DYt-3'+0.5722DYt-4'+0.1745DYt-5'+μt+0.4785μt-1-0.1975μt-2+0.5608μt-4+Yt-1'),该模型回代分析的平均误差率为12.44%,对2012年各周发病数进行预测也获得了较好的预测效果。结论运用季节指数法和ARIMA模型可以建立传染病的周预测模型,用于疫情的短期预测和动态分析。
简介:摘要:过往研究中发现,深度学习方法中的LSTM模型在预测金融时间序列时表现良好。本文基于LSTM模型,对模型的层数、结构、激活函数等进行优化,并将优化后的模型用于对上证50ETF收盘价的预测,结果发现:①模型的层数会影响预测结果,过浅或过深的模型层数都会降低模型的预测能力,两层的LSTM模型对上证50ETF收盘价的预测能力最佳;②引入非线性激活函数的全连接层作为隐藏层可以提升模型的预测能力,exponential激活函数的表现最佳;③对特定隐藏层使用Xavier权重初始化方法可以提升模型预测能力。优化后的LSTM模型预测能力明显提升,该优化方法为LSTM模型构造提供了新的思路。
简介:1990年上海证券交易所和深圳证券交易所正式成立。在这将近三十年时间里,我国对于股票证券市场的监管和体制方面都有很大的改变。可是我国股票市场相比国外比较健全的股票市场还是存在一定的差距。自从2008年金融危机以后,人们逐渐将注意力放到了股票市场的预测上。股票的预测主要是对股票的波动的分析。如何分析描述股票的波动及股票未来收益率成为当今最热门的话题之一。ARCH族模型是目前最常用的分析股票波动的模型,其中GARCH模型更是可以很好地拟合股票波动率。其次蒙特卡罗模拟是分析随机问题的一种必要手段,将GARCH模型和蒙特卡洛模拟结合可以更加准确的分析股票波动率。本文结合沪深300指数,利用软件R对不同阶数的GARCH模型进行模拟分析,根据各种条件确定相对最优模型,发现GARCH(1,1)对股票收盘指数模拟效果最好,再利用GARCH(1,1)结合蒙特卡洛模拟对未来沪深300日收盘价指数进行短期预测。通过预测,可以大概了解股票的波动规律,能有效地对是否进行股票交易提供合理的参考。