刘阳[1]2003年在《上证指数重大波动研究》文中研究指明上海证券市场1990年从100点起步，十几年间股指涨到1500多点(最高2200点)，投资者队伍从零开始，发展到现在两市开户数已达6000万(有效户按一半计为3000万户，双边计为1500万户)，按中国城市家庭约1亿户，则介入证券市场的家庭有近1/6了，证券市场的涨跌已经对人民生活有相当的影响。伴随着上海股指近15倍的增长，中国股民的口袋应该是鼓鼓的，但事实却并非如此，在二级市场上搏杀的股民大多没赚什么钱，反而赔钱的居多，这应验了资本市场“十人：七赔二平一赚”的普遍事实：指数虽上涨很多，流通市值增加到了1万2干多亿，但参与二级市场的投资者大多是输家。 在上海证券市场10年发展过程中，政策市的烙印一直清晰可见，市场历次重大波动无不是由于政策变化引起；10年间，在证券市场中获利较丰的投资者无不缘于对重大波动的正确把握；而亏损累累的投资者，同样缘于在重大波动来临时错误的投资决策，因此，在上海券市场进行证券投资，应尽量把握好重大波动来临带来的获利机会，并通过成熟的心理分析来回避重大波动导致的投资风险。 证券市场的专家学者经过多年的研究，发展出很多种技术用于研究和预测证券市场，从大类上可以归纳为：基本分析派，技术分析派。笔者以为：心理分析技术对投资者应对重大波动是最实际和有效的。不论是经济的、政策的、上市公司的等类影响导致的重大波动，由于波动一般较为突然，首先影响到的是市场参与者的心理，投资者在重大波动到来时的投资决策行为主要源于对自己、对市场其它参与者的心理分析，然后基于分析的结果指导自己采取相应投资策略。 对重大波动的研究在国外己经进行了多年，主要从统计分析角度进行，由于国外证券市场发展近百年后，大幅波动情况日益减少，并且由于国外市场的投资者组成特点、开放性、股票全流通及完整的退出机制、政府干预少等，在对中国证券市场的重大波动进行研究时，不仅要参考国外的研究方式、方法，而且要结合我国证券市场的投资者结构、市场特点、政府干预频繁等实际进行分析。在国内，几家大券商的研究所己经作了一些这方面的研究，但主要是进行统计和收益分析，得到的结果主要为:在大幅波动时产生超常收益率。 从发展趋势看，中国证券市场经过10年的发展，一些深层次问题:如国有股、法人股的全流通、退市机制、二板市场、避险机制等问题的解决已经越来越迫切的摆到市场管理者面前了，关于金融证券方面政策出台的谨慎程度有所增加，在这种情况下，对市场的研究主要集中到投资策略上来了，通过统计分析得到特例来指导投资，直到特例变为一般案例，投资模式失效。 本文拟通过对上海证券指数近年来单日涨跌大于5%或波动大于8%的数据 (市场成立初期由于规模太小，波动太大，单日甚至超过30%，已经超出一般的统计意义，研究区间为实行10%涨跌停板之后的交易日，即1995年1月开始实行T+l至今的数据，主要是1996年12月16日一2002年6月30日，既实行T+1和10%停板制度后的交易日)进行搜集，对发生重大波动后一段时间的指数变动情况从实效、进行统计、研究，总结一般特点，并争取建立合适的数学模型进行拟合，对重大波动后的指数走势预测有效性进行研究。 依据研究结果，应用心理分析理论对确定重大波动时投资策略进行解释，提出几个重要理念，因为不论采用何种投资策略，前提都是“意识决定行动”，正如人们认为“证券市场是一个心理对抗的市场”，使投资者明确几条重大的决策思路与方向，使投资人在潜移默化中接受正确的投资观念引导，从而在进行具体投资时成为一个理智的投资者，采取理性的投资策略，正确把握投资机会。
胡浩[2]2007年在《我国股票市场波动性的实证研究》文中研究表明波动性不仅普遍存在于金融时间序列之中,而且也是金融市场研究中的一个核心问题。用于进行波动性研究的模型主要有两类,一类是自回归条件异方差(ARCH)模型,另一类是随机波动(SV)模型。这两类模型都有各自的特点而且还存在众多的扩展模型,例如GARCH类模型和厚尾SV模型等。但是对于模拟我国金融时间序列,这两类模型及其众多的扩展模型的优劣并无一个定论。因此,需要引入了一系列的评价指标,对ARCH族模型和SV族模型的波动性预测能力进行比较分析。本文分别讨论了两类波动计量模型的建模过程以及模型参数的估计方法。首先以深、沪股两市收益率数据为基础对ARCH族模型中的GARCH模型、TGARCH模型、EGARCH模型、均值GARCH模型等进行了实证分析。然后根据贝叶斯原理对SV族模型中的标准SV模型、SV-T模型、SV-GED模型进行了贝叶斯分析。构造基于Gibbs抽样的MCMC数值计算过程,通过WinBUGS软件对模型参数进行估计。对深、沪股市进行的比较分析发现,上海股市和深圳股市都表现出明显波动聚集性、非对称性和尖峰厚尾性。沪市的尖峰厚尾特点要强于深市,而深市的波动水平比沪市的要大,风险也更高。最后利用RMSE、MAE、MAPE、TIC、LL、LE等评价指标对深证指数和上证指数在ARCH族和SV族模型下的模拟情况进行了样本外预测能力的比较。分析发现随机波动模型对我国股市的预测能力明显强于ARCH类模型。而且随机波动模型能够更好的描述收益率数据自身存在的尖峰厚尾性。另外,通过SV模型之间的比较发现,厚尾SV模型在深圳股市的预测效果要好于标准的SV模型。进一步比较发现,SV、SV-T、SV-GED叁类SV模型中,大部分情况下预测能力最好的模型是SV-T模型。因此,我们可以得出结论,随机波动模型比ARCH模型更加适用于刻画我国股市的波动性特征。
王同[3]2017年在《2015年股灾后A股市场的波动研究》文中认为2015年国内股票市场遭遇了过山车式的变化,在沉默了整整七年之后,随着国家对资本市场的大力扶持和五万亿资金的入市,股市开启了一波疯狂的牛市行情,然而随着国家对市场的管控和对杠杆资金的清理,市场由盛转衰,形成了叁轮剧烈的下跌。本文首先介绍了问题产生的背景,引出了所要重点研究的问题,即市场波动性。具体的从两个方面总结了国内股票市场的历史剧烈波动,根据艾略特的波浪理论可以看到,从股票市场产生开始主要经历了两个完整的波浪周期,即2008年前后的大牛市和2015年前后的大牛市。在第二章对这两个阶段进行了具体的说明,紧接着介绍了股市的几个重要波动节点和重要影响事件。对于股市的波动性本文主要从两个方面来进行研究,主要是基于多元统计理论中聚类分析的股票波动类型的研究和基于时间序列理论中ARMA模型的波动趋势性的分析。在实证研究中,本文主要介绍了聚类分析的相关理论,并选取上证50的股票进行了数据分析,得到了贴合国内市场实际的结论,即市场的环境效应和板块效应明显,也就是说在剧烈波动阶段,股票本身的好坏对于其运动状况并不起决定作用,真正起决定作用的是股票所处的环境。针对股票波动的趋势性问题,本文主要基于时间序列分析中的ARMA模型对价格来进行预测。在数据分析阶段主要选取了 2016年上证指数的波动数据和2017年1月以来新股的波动数据进行了参数的拟合,最终得出了比较好的结果,通过验证发现预测的数据波动趋势和市场真实的波动趋势基本一致,说明模型的信度和效度都比较高。在本文的最后一章对本文的主要工作和2015年国内股票市场股灾影响因素以及措施进行了政策面和基本面的分析,指出了国内股市在当前快速发展的情况下所具有的几个问题,即市场资金的杠杆率较高,赌博心理明显;国家政策对市场的走向印象巨大,政策市效应明显;投资者不够理性,盲目跟风;整体信心不足,发展受阻。在指出了一系列问题之后提出了一系列的对策,即降低杠杆率和资金风险、完善监管体系、建立健全市场的各项体制机制、加强投资者的理性教育提振整个市场的信心。在完成了整个分析后对我国市场的发展进行了展望,即整体来说将平稳向好发展,在前进的过程中会有曲折和反复,但我们相信资本市场的明天是美好的。
张文凤[4]2017年在《基于EMD的股票指数组合预测模型》文中研究表明股票市场是金融市场的重要组成部分,是实体企业筹集资金的重要渠道,也是投资者合理配置自身资产的主要渠道之一,对实体经济有着不可忽视的支撑作用。股指预测作为投资指导的方式之一在理论及实践领域均有重要意义。当前金融时间序列的预测方法主要有统计学类的马尔可夫过程、ARMA、ARIMA、GARCH模型和智能算法类的人工神经网络等方法。而经验模式分解(Empirical Mode Decomposition)是近来被用在金融时间序列预测问题的一种基于时频分析的全新方法,具有适用性广、预设条件少等优点。它不仅可以对时间序列数据进行预处理得到时间序列数据的Hilbert谱,更能通过分解得到金融时间序列中代表不同周期波动的本征模函数。本文基于经验模式分解,结合Hilbert变换、ARIMA模型、隐马尔可夫过程、模糊神经网络和RBF神经网络等方法构建了一种股指组合预测方法以提高股指预测的精度。首先根据股指时间序列的特点,对经验模式分解中的停止准则问题进行了深入讨论。构建了一套反映经验模式分解在股指价格分析中其稳定性与局部包络性的定量指标,并据此对经验模式分解的几种主流停止准则进行了分析,找到了一种能满足股指时间序列数据分解结果稳定性要求的停止准则,并在确定该停止准则的参数时发现,经验模式分解在应用于股指分析时其停止准则的最优参数设置与其应用于一般信号分析领域时的最优参数设置差别较大,其中在进行股指分析时为了保证分解结果的稳定性,需要给停止准则设定较大的容忍度。其次分析了上证指数经过经验模式分解得到的结果,将分解得到的6个本征模函数分为了短期波动、中期波动和长期波动叁类,发现其中中期波动和长期波动中的部分项与中国股市的几次大规模变动的发生时间与变化趋势吻合,说明经验模式分解可以有效地分离出股指中不同周期的波动项。最后根据分解所得的本征模函数的不同特点,对短期波动和中长期波动以及余项分别选择了预测可用到的模型并建立了模型库,使用模型库中的模型对于各项的未来趋势进行预测,并将历史数据作为训练样本,使用RBF神经网络对各预测模型的预测结果进行集成并得到了最终的组合预测。实证分析显示该组合预测模型能克服单一预测模型在特定条件下的缺陷,精度高于单一的ARIMA、FNN等模型,并能在复杂环境下有效控制误差。
莫扬, 刘剑初[5]2013年在《上证指数的巨幅波动和单整类型的实证检验》文中研究指明上证指数在2006-2008年发生巨幅振荡,无论其波动幅度和速度都是罕见的,是一种重要的和特殊的波动情形,但普遍被国内研究忽视,本文基于Perron方法解释这一现象。结果发现上证指数自1996年以来出现了5个趋势突变点,其单整类型在多数时间为单位根过程,但在2006-2008年的巨幅振荡期间转变为稳定过程,因此股指会沿确定趋势上升足够大幅度,转折后导致巨幅波动。由于"Perron现象"的存在,以往通过股指收益率分析股市波动性的文献可能检测到了"虚假"的ARCH现象,关于GARCH模型预测能力较差的结论也是不确切的。另外,上海股市的主要趋势突变点反映了国际事件的重要影响。
张羽[6]2014年在《中国股市分形特征及其应用研究》文中认为对证券市场价格行为特征的研究一直是学术界和金融投资界中广为关注的热点问题。价格的随机游走性和市场的有效性是主流金融计量理论中重要的理论基石。然而,随着市场的发展,主流的有效市场理论不断受到市场实际运行状况和相关研究的检验。金融物理学研究中的分形理论作为研究金融市场较为合适的工具,能够很大程度的弥补有效市场理论的不足。所以本文运用分形理论,对1996年12月16日至2013年12月31日的上证指数和深证成指的市场特征进行了研究,从市场整体的单分形特征和市场结构的多重分形特征来全面的认识市场。对中国股票市场的单分形特征研究表明：股票市场是一个非线性系统。股价运动并不符合布朗运动和几何布朗运动,相比较而言,分数布朗运动是股价波动一个较好的描述。同时收益率的分布特征,并不能用正态分布很好的描述,而具有尖峰厚尾性的分形分布却可以较好的描述收益率的分布特征。这都表明了以分形市场来理解股票市场更加符合实际情况。整体来看,中国股票市场具有统计自相似性,不同时间标度下的价格走势具有相似的形态,不同时间标度下的收益率具有相似的分布特征。同时,R/S分析表明了中国股票市场是一个非有效的市场,市场具有长记忆性特征,以前价格波动和历史信息会影响以后的股价波动,因此股价在一定程度上是可以预测的。更进一步的对长记忆性的周期测度表明,平均来看,上证指数的长记忆性在30天时会减少、70天时会消失,深证成指的长记忆性在30天时会减少,60天时会消失。单分形特征表明了市场的整体特征,进一步的运用多重分形理论对市场的结构特征进行研究表明：中国股市存在着多重分形结构,股价收益率的大小幅波动之间,以及股价分布的高低价位之间具有不同的分形特征。在收益率方面,根据MF-DFA方法测得的广义Hurst指数研究表明,中国股市大幅波动具有反持久性特征,小幅波动具有持久性特征,这表明了当市场发生大幅波动时,有较大的概率会改变原来的价格趋势,而发生小幅波动时,有较大的概率保持原来的趋势运行。在股价分布方面,通过运用多重分形谱的Holder指数、谱函数进行研究,发现样本时间内中国股价在较高价位和较低价位的奇异性程度不同,并且得出了这种奇异性的差异与股价总体的波动程度有关,当股价总体波动越大,高低价位的奇异性差距就越大；同时,谱函数的研究表明了样本时间内中国股价分布在低价位的概率较大,这是中国股市经历了2007年高峰后,长期低迷的真实写照。中国股市的单分形和多重分形特征表明了股票市场是一个复杂的、混沌的系统,在看似无序的市场中却存在着有序的特征,市场的价格变化是有规律可循的。因此,从理论上说,股价在一定程度上是可以预测的。那么在实践中,如何根据中国股市的分形特征找到有利于金融投资的有效信息,本文在此做了相关研究。将市场的单分形特征与金融投资相结合,根据市场长记忆性的突变特征,本文计算的短期移动Hurst指数和长期移动Hurst指数的运动规律中,可以找到指引未来股价走势的有效信息。这对于股市的投资实务有着重要的意义。另一方面,将市场的多重分形特征与金融投资相结合,通过对高频数据的研究发现,根据多重分形谱方法测度的市场Holder指数的差值△α可以作为衡量一天价格波动幅度的指标；同时,谱函数的差值△f可以作为一天股价分布方向、分布比例情况的指标。这对于金融投资过程中、尤其是量化投资中,对市场特征的量化提供了有力的参考工具。更进一步的,把中国股市单分形、多重分形特征相结合,以分形特征的量化指标为输入信息,运用滚动的神经网络模型对模拟股市的短期走势,发现可以取得了较好的预测效果,这对于股票市场的价格预测具有现实意义。
张金清, 徐阳[7]2018年在《宏观经济数据公布与中国股市日历效应》文中指出本文研究发现,2001年1月至2016年7月间,在国家统计局公布包括CPI、PPI在内的通胀数据的前一日,上证指数会出现-0.291个百分点,且在1%的水平保持显着的负收益。此现象并非来源于通胀数据中的信息对股市的冲击影响,而是由市场对已知的数据公布日程的反应所致,在本质上更接近于一种另类的日历效应。本文认为其成因在于中国股市高度的信息不对称及卖空限制引发的投资者在通胀数据公布前的避险行为。研究还发现,类似效应在其他重大宏观经济数据公布前也存在。
程鹏[8]2007年在《A股、H股股价波动相关性研究》文中研究指明截至2007年4月19日,共有40家中国公司同时在内地、香港发行上市了A股和H股(简称A+H股)。H股已成为香港证券市场的一个重要组成部分,对于中国内地企业海外融资和香港证券市场的发展,起到了巨大的推动作用。同一家公司股票,产生相同的未来现金流,在资本市场充分融合,具有相同的未来收益和风险特征的条件下,股票价格不会受交易地点的影响。然而由于存在投资者限制、信息不对称,语言和文化的障碍,导致市场分割,同一家公司在香港和内地上市交易的股票价格会存在差异。本文通过对1998年至2006年期间市场指数波动相关性以及15家H股、A股双重上市公司波动相关性、A股股价相对于H股股价溢价倍数的分析,发现H股与恒生指数的关系更为紧密,H股的波动受香港市场的影响更大,同时A股、H股的波动相关性正在增强,溢价倍数逐步下降,H股、A股双重上市公司的股价在不断融和,并对其原因进行分析。
李卓卿[9]2017年在《沪港通背景下沪港两市间波动溢出效应分析》文中认为中国股市近些年已经取得了显着的发展,但与香港成熟的股票市场仍有一定的差距。由于地域关系近年来内地与香港经济贸易和金融板块的交流更加密切,两地股市间联动效应变得更加明显。沪港通在2014年11月17日正式开通,该机制的建立使沪港两市互联互通,这一联通机制对沪港两市间波动溢出效应产生了影响。研究沪港通背景下沪港两市间波动溢出效应,有助于两地投资者优化投资组合并且对于未来我国资本市场开放的宏观调控具有指导意义。所以本文基于BEEK-GARCH计量方法分析了沪港通开启前后沪港两市在不同时间段内波动溢出效应的变化情况,包括存在性、方向性和强度。本文将2013年11月16日至2016年8月31日分为四个阶段,对恒生指数、上证指数、沪股通指数和港股通指数进行ARCH效应检验、建立GARCH模型、进行BEKK-GARCH检验。结果表明,沪港通开通后沪港两地间具有波动溢出效应,股灾前半开放的沪港两市间波动溢出效应方向为港市到沪市,股灾期间和股灾后沪港两市间波动溢出效应方向为沪市到港市,并且溢出强度增大;沪港通开通后开放的沪港两市间一直具有双向的波动溢出效应,但股灾期间和股灾后沪市对港市的溢出强度更大。随着我国资本市场逐步开放,我国证券市场受其他国家资本市场的影响将逐步增强,金融市场之间风险传递的可能性增加,这需要我国进一步建立健全金融市场监管机制,以应对国际资本冲击。
刘冬[10]2007年在《基于技术分析的上证指数实证研究》文中研究说明随着中国经济的飞速发展，证券市场作为把资金转化为实际生产力的主要场所，在中国经济中扮演着越来越重要的角色，同时它也面对着一个日益壮大的投资主体。市场剧烈变化导致投资者决策所产生的失误越来越大，投资者之间的竞争更多地表现为应用投资理论熟练程度的竞争。技术分析理论一直是证券投资分析的重要组成部分，并在证券市场上一直被大量的使用。技术分析是仅从证券的市场行为来分析证券价格未来变化趋势的方法，基于普遍性，人们更多的将其应用于指数的分析。只有在正确判断指数的基础上，才有可能取得较好的收益。但由于指数的走势具有不确定性，因此，研判一种理论的正确与否只有由事实来证明。由此产生的问题是：如何有效地保证投资者在投资的过程中取得较好的收益。而技术分析理论在投资中的特有属性，使得国内外学术界和经济学家都十分关注技术分析理论的研发。应用何种理论提高投资者的投资效果，成为当前国际上研究和关注的理论前沿问题。针对上述问题，本文采用定性分析和定量分析相结合的方法，以应用研究为主，理论分析与实证分析、历史分析与比较分析相结合，以道氏理论、波浪理论、江恩理论为基础，比较系统的介绍了其理论体系尤其是被国内研究者所未知或忽略的内容，借以澄清国内研究者的一些错误认识。与此同时，以国内股市上证指数为例，辅以道氏理论、波浪原理以及江恩理论，对其科学性和实用性进行实证检验和相关证明，以达到研究历史数据，指导将来投资的目的。最后，运用SPSS软件对叁大理论进行实证分析，揭示了叁种理论的科学性和有效性。
参考文献：
[1]. 上证指数重大波动研究[D]. 刘阳. 四川大学. 2003
[2]. 我国股票市场波动性的实证研究[D]. 胡浩. 湖南大学. 2007
[3]. 2015年股灾后A股市场的波动研究[D]. 王同. 山东大学. 2017
[4]. 基于EMD的股票指数组合预测模型[D]. 张文凤. 重庆大学. 2017
[5]. 上证指数的巨幅波动和单整类型的实证检验[J]. 莫扬, 刘剑初. 上海金融. 2013
[6]. 中国股市分形特征及其应用研究[D]. 张羽. 安徽大学. 2014
[7]. 宏观经济数据公布与中国股市日历效应[J]. 张金清, 徐阳. 金融论坛. 2018
[8]. A股、H股股价波动相关性研究[D]. 程鹏. 清华大学. 2007
[9]. 沪港通背景下沪港两市间波动溢出效应分析[D]. 李卓卿. 哈尔滨工业大学. 2017
[10]. 基于技术分析的上证指数实证研究[D]. 刘冬. 哈尔滨工程大学. 2007
标签：金融论文; 证券论文; 投资论文; 中国股市论文; 沪指论文; 预测模型论文; 价格发现论文; 股票论文; 股指论文;