一、深圳股市价格运动可预测性的研究（论文文献综述）
陈楚,胡丁,方先明[1]（2021）在《股市钟摆效应存在性研究》文中进行了进一步梳理以股票价值为原点,股价会围绕原点来回摆动,从而形成股价涨跌交替的现象,影响投资者收益。当这种金融现象反复出现时,股市钟摆效应由此产生。在系统定义股市钟摆效应的基础上,对股市钟摆效应的形成机理进行分析,并基于修正反转系数这一变量实证检验股市钟摆效应的存在性及其固有性质。研究发现,股市钟摆效应形成条件是:第一,动量效应与反转效应需实现不断演化与转换,进而保证股价的长期多层次双向摆动;第二,股价必须以理论价值为中心进行来回运动,即股价具备均值回复性。进一步研究表明,股市钟摆效应的多层次波动存在多重分形特征,并且这一特性在不同窗口选择方法、股票类型与排序期下均成立。然而,钟摆效应修正反转指数加速因子的突变性使得钟摆效应还具备非盈利性特征。股市钟摆效应的这些特质决定了其具有两面性,无论是个体投资者和机构投资者,抑或是监管机构,都应该正视并有效应对股市钟摆效应现象。
庄申云[2]（2020）在《基于深度学习的股票价格可预测性检验的实证分析》文中研究表明股价综合反映上市公司市值波动及金融流动资金走向,那么如何更准确的预测股价成为股市领域的研究重点。但是股票市场往往受到各方面信息和操作的影响,股价涨跌趋势存在巨大波动性,准确预测变得十分困难。最近几年,以机器学习算法为基础的大数据分析发展迅速,将其运用至机器翻译、图像识别等多个领域均取得了良好的效果。因此研究金融领域的学者们尝试将这些算法应用至股市,无论是对股票分类还是预测股价趋势,机器学习算法技术相较于传统理论方法准确率有很大提高。而机器学习算法中,LSTM神经网络因其特殊的门结构可更有效的处理金融数据;XGBoost集成学习算法具有运算速度快、准确率高的特点。因此论文选择这两种算法对股价进行预测,为投资者提供参考和建议。论文结合沪深300指数和中证500指数,首先运用传递熵的方法检验了收盘价与其余各个变量之间的非线性因果关系;其次选用LSTM神经网络和XGBoost集成学习算法建立股价预测模型,针对最优投资时间窗口、量价关系、高低频数据三个部分考虑股价影响收益的因素,主要的研究工作如下:（1）选取投资时间窗口周期为21、34、55个交易日,探究哪个周期内收益值最大;（2）在LSTM模型中以“收盘价”和“收盘价+成交量”作为输入量,比较其策略收益和随机收益;（3）运用XGBoost集成学习算法对五分钟高频数据和日低频数据,以策略收益衡量哪类数据的预测效果更好。分析表明:在股市中,最优投资时间窗口周期为55个交易日;LSTM模型中以“收盘价+成交量”为输入量时可取得更高收益;相比于低频数据,使用高频数据在XGBoost模型中预测股价进而取得收益的效果更好。可以看出,深度学习算法对股市预测和投资有一定的指导意义,同时给投资者决策提供了一个方便、切实可行的方案。
张婷[3]（2020）在《中国股票市场指令不平衡与市场有效性研究》文中研究指明金融市场微观结构理论兴起于20世纪60年代末,在80、90年代得到快速发展,至今作为现代金融学的一个重要分支,与实验金融学和行为金融学等互相融合发展。金融市场微观结构理论的核心是研究在给定的交易规则下,金融资产的定价过程和结果,不仅揭示了市场交易规则对价格形成的影响,还能帮助市场管理者分析优化交易规则。微观市场结构理论一方面将价格形成过程与交易者行为联系起来,另一方面将市场行为看成单个交易行为的总和,将价格预测问题转化为潜在的决策问题进行研究。目前,已经有大量的文献研究了交易者行为与股票价格之间的关系,传统的研究大多以交易量作为交易行为的表征。但是交易量高可能是由于买方或者卖方占优势,也可能仅仅是因为该交易日交易者的交易兴趣较高,而单纯的交易量指标会忽略掉交易方向信息,而无法区分这些情况。近年来,越来越多的学者以指令不平衡作为交易行为的度量,他们认为指令不平衡能够同时反映交易量和交易方向,因而包含更多信息。指令不平衡相关的研究在美国股票市场开始得最早,也研究得最为全面。大量学者发现了美国市场指令不平衡存在很强地自相关性,与收益率也有很强的同期相关性。随后,关于指令不平衡与收益率关系,以及指令不平衡与市场效率的研究在全球金融市场引起关注,包括日本股票市场、澳大利亚股票市场等。本文立足于中国股票市场,研究中国股票市场指令不平衡的统计性质,指令不平衡与收益率之间的关系,并以指令不平衡为指标,研究中国股票市场的价格发现效率以及市场的微观结构分类。我们发现中国股票市场总体指令不平衡的概率密度分布有明显的“胖尾”特征,用学生分布函数和q-指数分布函数拟合经验分布,能得到很好的拟合效果。我们通过比较这两个分布函数拟合残差的均方根来比较拟合优度,结果表明学生分布的拟合效果更优。我们同时采用了极大似然估计和最小二乘估计进行拟合,极大似然估计的整体拟合优度高于最小二乘估计,而最小二乘估计能更好地拟合尾分布。在单个股票指令不平衡的分布拟合中,学生分布函数的表现也更好。然后,本文通过非参数方法检测到指令不平衡分布具有幂律尾特征。已有大量研究将指令不平衡作为交易行为的度量,并发现了其与股票价格之间的紧密联系。关于中国股票市场中指令不平衡对未来收益率预测作用已经一些研究结果,但是所得结论并不一致。已有的研究存在样本股票少或是样本期短的问题,因此,基于更完整的样本股票和更长的样本期,研究中国股票市场中日度指令不平衡与收益率的关系,重新检验日度指令不平衡的预测效果显得十分必要。本文选取了上海证券交易所和深圳证券交易所的所有股票作为样本,样本期为2000年1月到2011年12月。本文结合Chordia等人的理论模型进行实证分析,结果表明中国股票市场中日度指令不平衡也是显着自相关的,而且同期指令不平衡与收益率之间有很强的正相关性。更重要的是,我们发现滞后期指令不平衡能够显着预测未来收益率,指令不平衡的预测作用不仅在全样本中显着,而且在按市值分组和按换手率分组的子样本中也是稳健的。而且,我们发现当天的涨跌停限制对指令不平衡的预测效果有显着为正的影响。另外,本文基于日度指令不平衡对未来收益率的预测作用构建了交易策略,实证结果表明该交易策略能得到显着为正的回报。而且,在与只买或只卖的被动交易策略进行比较时,基于指令不平衡的交易策略在获得相当的回报时,夏普比率明显低于被动交易策略。这个研究结果为指令不平衡与收益率关系的研究提供了新的实证结果,也为指令驱动市场中存货效应对股票价格影响的研究提供新的阐述。最后,以金融市场微观结构理论和有效市场假说为导向,以指令不平衡为研究视角,本文探究了中国股票市场的有效性和市场微观结构分类。首先,中国股票市场中的日度指令不平衡存在显着的自相关性,而日度收益率的自相关性较弱。基于这个结果,本文检验了中国股票市场收敛到有效的速度。实证结果发现,中国股票市场收敛到有效需要120分钟到150分钟。大市值股票和低换手率股票的收敛速度更快,为10分钟到30分钟。更进一步,本文将市场中的交易者分为大的个人交易者、大的机构交易者、小的个人交易者和小的机构交易中四类,研究不同类型交易者指令不平衡对市场的影响以及中国股票市场的微观结构分类。实证结果表明,机构交易者指令不平衡的持续性强于个人交易者。对于个人交易者,不同交易者之间的模仿行为是指令不平衡持续性的主要原因,而对于机构交易者,则主要是来源于交易者为了降低成本而拆分指令。最后,我们研究了不同交易者限价指令和市价指令的比例以及表现,结果表明个人交易者的市价指令表现较差,这类交易者通常是噪声交易者或流动性交易者;而机构交易者的市价指令能在对股价不造成显着影响的情况下获得收益,说明机构交易很有可能获得内幕消息,并据此采取一定的交易策略减小价格影响,从而降低交易成本,这类交易者通常为知情交易者。除了大的个人交易者,市场中的限价指令都能获得为正的收益,说明中国股票市场在没有指定做市场的情况下,市场中的做市行为也能够有效的进行。综上,以指令不平衡为研究视角,我们认为中国股票市场作为一个指令驱动的新兴市场,已经足够有效容纳市场指令不平衡带来的价格压力,但是市场价格发现效率有待进一步提高。
李燕[4]（2020）在《基于递归图的股票市场非线性动力学演化研究》文中研究指明股票市场是一个真实且持续演变的极其复杂的动力学系统,特别是该复杂系统还呈现出一定的突变特性。1987年美国“黑色星期一”、20世纪80年代的拉丁美洲金融危机、1997年的亚洲金融危机及2008年美国次贷危机等金融危机的爆发,对建立在线性范式基础上的经典金融理论提出了挑战。在此背景下,社会科学与自然科学相结合的交叉研究科目——金融系统复杂性研究逐渐产生和发展。金融系统复杂性研究主要就金融系统的复杂性问题开展研究,金融学研究范式由完全理性、线性及静态的方法向适应性、复杂性及动态演化的方法转变。论文使用重构相空间理论及递归图方法,通过把一维股票价格时间序列嵌入到高维相空间中,进而可以在一个拓扑性质等价的高维相空间中通过分析状态向量轨迹的递归性来研究股票市场系统的动力学行为特征。论文主要就股票市场动力学特征的动态演化行为进行研究,尤其是从复杂性科学的视角探讨金融危机的形成、深化及扩散过程中股票市场动力学特征的演化进行系统性研究,解析金融危机传染的微观机制,深化对金融危机传染过程的认识,丰富金融危机传染问题的理论及实证方法,也为金融学研究范式的创新及转变提供借鉴。论文主要研究内容及结论如下:（一）从动态演化的视角来分析股票市场有效性的变化。使用递归图方法来获得股票价格时间序列的动力学特征。递归图中斜对角线长度的分布函数构建递归熵,它能够度量一维时间序列嵌入到高维相空间中状态矢量的聚集程度,及系统的确定性或可预测性程度,可用于量化股票市场的有效性程度。对14个发达国家（地区）和12个新兴国家（地区）的股票市场的有效性进行研究。研究得出:股票市场的有效性呈现出“相对有效——相对无效—相对有效”复杂的似周期性动态演化特征及时间尺度效应;社会环境的不稳定性及经济危机对市场有效性呈现负向效应;进一步使用经验模态分解法、最大熵谱分析法及Fisher检验研究发现美国股票市场的有效性在不同频率上存在约为3-5年、11年及25年的周期,这些周期与基钦经济周期提出的3-4年周期、朱格拉经济周期提出的10年左右经济周期及库涅茨经济周期提出的15-25年经济周期基本吻合。（二）股票价格的急剧涨跌现象越发频繁,尤其是股票市场崩盘给金融市场的稳定带来极大挑战。论文使用递归图方法及非线性时间序列突变检测的启发式分割算法对股票市场崩盘前市场动力学特征突变时点的检测问题进行研究。通过对12个发达国家（地区）的金融市场和10个新兴国家（地区）的金融市场的崩盘事件进行分析,研究发现:（1）股票市场崩盘前市场层流性特征值LAM会发生显着性大幅下降;（2）对金融危机期间美国股票市场的LAM序列进行递归分析,发现LAM序列呈现出类分形自相似性结构,且在递归图中均有空白带存在,说明股票市场崩盘前LAM序列存在相变;（3）使用非线性时间序列突变检测的启发式分割算法发现,在市场崩盘前,市场的动力学特征会连续出现异常突变,且异常突变时点早于市场崩盘2到8个月时间。（三）基于递归图方法的非线性时间序列分析方法己经越来越受到各领域研究者的重视,已经成功运用到多个领域。但传统递归图使用Heavyside阶跃函数来判断相空间中状态点的递归行为,存在两个问题:（1）Heavyside阶跃函数会产生刚性边界问题,造成信息丢失;（2）临界距离ε的选取非常关键,假若选取不恰当会导致递归分析结果的不准确,目前对该参数的选取并没有一个统一的方法。针对上述问题,论文的创新之处是:（1）判断状态相点递归性时使用高斯函数代替Heavyside函数,解决Heaviside阶跃函数所造成的递归分析结果具有刚性和二元值问题;（2）使用局部二值模型（LBP）和纹理相似性度量Earth Mover’s Distance模型（EMD）就复杂系统动力学特征分析提出了对递归图进行纹理分析的新思路,并在此基础上构建了度量复杂系统动力学特征相似度的方法体系。（四）适应性市场假说（AMH）认为金融市场是动态演化的,市场泡沫及崩盘等状态显示出复杂的动态变化。AMH假说把金融市场看成是一个复杂的自适应性系统,在不同的外界背景下,市场特征表现出动态演化。目前,对适应性市场假说研究存在的一个难点问题是市场的演化行为如何量化。论文通过构建度量复杂系统动力学特征相似度性方法,从股票市场动力学特征演化视角就适应性市场假说进行实证研究。对14个发达国家（地区）及11个新兴市场国家（地区）的股票市场进行研究,研究结果:（1）股票市场的动力学特征呈现出动态演化且各市场的演化行为具有“异质性”;（2）大多数市场的EMD距离表现出逐级下降趋势,市场表现出适应性进化现象;（3）在2008年金融危机前后4年内,9个新兴国家（地区）金融市场的动力学特征发生了突变;（4）中国沪深A股市场在国家出台较大影响力政策或市场环境发生重大变化时,市场动力学特征都会发生非常明显的异常突变,如在2008年金融危机及2015年“股灾”期间,市场动力学特征出现异常突变。（五）金融危机传染逐渐成为金融领域的一个焦点和难点问题。目前,对此问题的研究大多遵循线性研究范式,未能解析出金融危机传染的复杂非线性特征及金融危机传染的内在微观机制。论文尝试从复杂性科学视角对金融危机传染问题开展研究,研究的基本思想是将各国金融市场看成具有不同动力学特征的动力学系统,对金融危机前、次贷危机及欧债危机过程中各金融市场动力学特征的动态演化及构建金融市场间动力学特征联动模式复杂网络进行研究。使用符号时间序列分析思想,将股票市场联动情况进行符号化处理,再粗粒化为由五个符号所组成的联动模式,由联动模式之间的转化关系构建股票市场动力学特征联动模式有向加权复杂网络,探究金融危机传染的内在微观机制。研究结论:（1）各国股票市场动力学特征在2007至2008年间都发生了较为明显的异常突变,2009至2011年间各国股票市场动力学特征发生持续性突变,相对次贷危机,欧债危机期间全球金融市场变得更为脆弱;（2）金融危机在全球股票市场中的传染表现出一种典型的“事件驱动”性特征,危机期间全球股票市场动力学特征联动模式复杂网络的结构及重要节点组成均发生明显变化。（六）由于市场环境、投资者情绪及金融机构的决策都处于不断变化之中,股市系统网络的拓扑结构也常常处于动态演化之中,静态复杂网络能够提供给我们关于股市系统复杂网络的信息是有限的,甚至容易“诱发”我们对股市系统复杂网络产生错误认知。论文从动态演化的研究视角,使用滑动时间窗口方法,构建全球73个股票市场动力学特征之间的动态演化关系网络。研究结论:（1）股票市场动力学特征复杂网络表现出典型的小世界网络特征,表明股票市场网络具有极强的信息传递能力,这就解释了发生在局部国家或地区的金融危机能够迅速扩展到其它国家或地区的原因。（2）随着金融危机的深入,网络的平均度值及平均聚类系数有增大趋势,网络直径及平均路径长度有下降趋势,股票市场动力学特征复杂网络的小世界网络特性会进一步加强,股票市场动力学特征复杂网络会表现出更强的同步能力,信息在股票市场之间的传播范围会明显扩大,网络的信息传输效率提升,市场之间的共振及联动会进一步增强。
徐博欢[5]（2020）在《对中国股市牛、熊市的识别及预测研究》文中提出股市预测一直是热门且重要的研究课题。本文运用基于规则的方法和马尔科夫区制转换模型两类方法,对1990.12.19——2018.12.31间的上证综指牛、熊市状态展开识别及预测研究,并建立新的评估体系对各类方法的结果进行评估。基于规则的方法分为识别和预测两步。在识别中,通过设定一系列规则来分辨牛、熊市,具有代表性的是Lunde和Timmermann（2004）以涨跌幅幅度为核心的规则集,Pagan和Sossounov（2003）以牛、熊市周期持续时长为核心的规则集。在预测中,将马尔科夫链与Logit模型相结合,构建出“马尔科夫逻辑回归模型”。与此不同,马尔科夫区制转换模型可以同时用于识别和预测。一般而言,股市处于牛市时,收益率为正且波动率低,处于熊市时收益率为负且波动率高。马尔科夫区制转换模型正是利用牛、熊市收益率和波动率的特征,运用EM算法测算市场处于牛、熊市的概率。本文还考虑了从2状态扩展为3状态的区制转换模型,分别为牛市、弱熊市和强熊市（收益率、波动率特征不同）。由于缺乏统一且被认可的牛、熊市周期,各类方法没有一致的比照对象,因此本文提出了两种评估方法对各方法的识别与预测结果进行评估。一种是基于统计测度,提出综合绝对差（IAD）来衡量各方法间的差异。另一种是基于经济测度,站在一个风险厌恶型投资者的视角,他投资时在各类方法中获得的效用是不同的,因此他从一种方法转换到另一种方法愿意支付的最大费用也是不同的。通过研究本文主要解决以下三个问题:一、如何识别或预测股市处于牛市还是熊市。二、如何对各类方法的识别或预测结果进行评估。三、各类方法对中国股市识别和预测的结果与效果如何。研究表明:一、在识别中,基于规则的方法表现的比区制转换模型好。从IAD看,较大的IAD数值表明两种方法的识别结果差异显着。从经济角度看,投资者愿意花费更多的费用从马尔科夫区制转换模型转换到基于规则的方法。二、在预测中,马尔科夫区制转换模型表现得更好。较大的IAD数值同样表明了两类方法预测结果的巨大差异,但投资者愿意花费更多的费用从基于规则的方法转换到马尔科夫区制转换模型。三、宏观预测变量的加入对各类方法的识别和预测结果有一定的影响,然而这样的影响是有限的。究其原因,可能是我国宏观经济与股市情况存在一定的失真,宏观经济与股市间的传导关联性不强。因此,下面的研究可考虑更贴近我国股市实际情况的预测变量。
程航[6]（2019）在《中国股票市场的风险—收益实证研究》文中研究说明条件股权溢价的时变问题被认为是当今资产定价研究中最重要的问题（Cochrane（2011））,而风险与收益之间的正向关系也被视为金融学理论的第一准则（Ghysels,Santa-Clara和Valkanov（2005））。然而由于条件波动率的不可观测以及简单的认为条件股权溢价仅仅是条件波动率的正向线性函数,使得在以美国为代表的发达股票市场的实证研究中,条件股权溢价与条件波动率的关系众说纷纭。在横截面维度,个股β与预期收益率、特质波动率与预期收益率也在实证结果中表现为负关系,这都与经典的金融学理论不一致。中国股票市场现今已是世界第二大市值的股票市场,且由于中国资本市场的相关政策,其与国际市场相对较为封闭。本文主要围绕“风险收益”之间关系这一金融学理论主题,提供中国股票市场的全新的实证证据。然而,由于中国股票市场的特殊性,国外的学术研究方法并不能直接套用,需要针对中国市场的特殊情况合理地调整。本文的主要实证研究逻辑及结果如下:首先,在梳理文献的基础上,我们将本文的资产定价研究中主要使用的变量针对中国市场进行了合理的调整。折价的股票价格（pd、pb、pe等）,根据Hu等（2019）的观点使用属于流通市值的部分进行计算。市场已实现波动率的度量在French,Schwert和Stambaugh（1987）的基础上考虑更高阶数的自相关的调整,非流动的度量如Amihud（2002）的方法改为使用Brennan,Huh和Subrahmanyam（2013）基于换手率的非流动度量,Pdstor和Stambaugh（2003）的度量由于涨跌停板的限制更改为复合日收益率的收益反转等。其次,由于条件波动率的不可观测,我们试图在中国股票市场度量条件波动率,具体而言即使用预测变量进行OLS回归预测。然而在文献中宏观经济活动与股票市场波动率之间的关系也一直存在争论,潜在的预测市场波动率变量众多。本文首次使用变量选择的方法,在众多的潜在变量中选择中国股票市场波动率的最优预测变量和模型。在第三章中使用了贝叶斯模型平均、LASSO以及样本内回归、子样本分析和样本外预测等多种方法,选取样本区间为1995年至2018年,被预测变量使用更多阶数调整的市场波动率。实证结果表明在中国股票市场的季度数据上,滞后一期的市场波动率、换手率、Pastor和Stambaugh（2003）非流动性能够显着预测下一期市场波动率。与Cai等（2017）的结论不同,折价的股票价格并没有显着的预测能力,在两个变量选择方法中都没有被选择,样本内回归时也并不显着,样本外也没有额外的预测信息,且其与波动率的关系是时变的,有时为正有时为负。在子样本回归结果中,两个子样本的符号相反,且均在1%的置信水平下显着。这些发现也为后续的条件股权溢价的研究提供了实证基础。在中国股票市场,本文使用的宏观经济活动指标均没有预测市场波动率的能力。随后,在Merton（1973）的ICAPM理论模型框架和Guo和Whitelaw（2006）的实证研究框架下,本文对中国股票市场的收益率的可预测性以及条件波动率与预期收益率之间的关系进行实证研究。本文选取1995年至2018年的季度数据,将此前的条件波动率方程（预测变量包括:滞后一期的波动率、换手率和Pastor和Stambaugh（2003）非流动性）与收益率方程（收益率方程即条件股权溢价方程,包含两个部分:第一条件市场波动率,第二为对冲因子,本文使用折价的股票价格作为对冲因子的度量）一起使用GMM方法联合估计。实证结果表明,在控制了折价的股票价格作为对冲因子之后,条件波动率与收益率显着正相关,存在正向的风险收益关系。这表明在ICAPM模型中,对冲因子不应该被忽略,时间序列上也需要多因子模型。在Guo（2004）的有限参与模型中,条件波动率与折价的股票价格之间的关系是时变的。在本文的子样本结果中,第一个子样本1995年至2007年,条件波动率与折价的股票价格是负相关,那么这与Campbell和Cochrane（1999）和Bansal和Yaron（2004）的理论模型一致,两者的包含的预测信息相同,所以在实证中两者负相关,一起预测收益率时,由于共线性的问题只存在一个变量显着。但是在第二个子样本中2007年2018年两者正相关,这符合Guo（2004）的有限参与模型中流动性变弱的情况,两者包含的预测信息不同,这时就存在丢失变量的计量问题,两者分别回归都不显着,但是联合回归两者同时在1%的置信水平下显着。在稳健性检验中,本文分别使用了不同阶数调整的市场波动率度量、不同的折价的股票价格度量、添加了额外的预测变量、样本外预测和使用月度数据等不同的方法,实证结果都很稳健。结果表明中国的投资者是风险厌恶的,中国市场存在正向的风险收益关系。和美国市场虽然存在诸多差异,但是条件股权溢价的决定因素却是相同的。在横截面上,CAPM模型意味着个股的β与收益率存在正向的关系,且能够完全解释收益率的横截面的差异,α是不显着的。然而本文依照Bali,Engle和Murray（2017）的方法系统地研究了中国股票市场1995年至2018年的个股的β的统计性质,实证发现使用较长的数据周期估算β的估计越精确,此外使用日度数据估计比月度数据要更好,这与美国的实证结果不同,这是令人很困惑的结果,仍需要进一步的研究。然而在组合分析和Fama和MacBeth（1973）的横截面回归中个股的β与收益率并不存在显着的正向关系,大多数还是负关系,同时存在显着的α。这一实证异象有待于进一步研究。解决横截面的风险收益关系的实证方法有多因子模型、分类检验以及条件CAPM模型。然而在众多的多因子模型中主要关注的是是否消除了 α而并不关心没与收益率的显着关系（Liu,Stambaugh和Yuan（2019a）,Hu等（2019））。本文主要从条件CAPM模型入手,构建出了基于使用IPO首日收益率的条件资产定价模型,并加入了经济不确定性指标,在Avramov和Chordia（2006）的两步回归分析框架下对比检验了多个定价模型对我国股票市场收益异象的检测效果。表明时变的风险度量β能够在横截面很好地解释收益率的变动,结果发现,包含IPO首日收益率的条件资产定价模型更加能够显着地解释我国股市中存在的规模、价值异象。对于特质波动率而言,经过加入了投资者情绪的条件资产定价模型的风险调整之后的收益,与特质波动率显着正相关,而这也符合Merton（1987）的理论结果,在加入了经济不确定性指标作为额外的条件信息之后结果依然稳健。对于流动性溢价而言只有在经济不确定性指标作为额外的条件信息之后的条件CAPM才能解释,这说明经济不确定性是造成中国股票市场流动性溢价的主要原因。本文的实证结果对于不同的特质波动率和非流动性的度量都很稳健。在模型中还控制了前三个月的复合收益,但是传统的资产定价模型是反转效应,但是在加入了投资者情绪以及政治不确定性之后,却转为动量效应,由此进一步证实了投资者情绪因素在资产定价模型中扮演着非常重要的角色,当然稳健的动量效应的实证结果仍需要进一步的研究。在Merton（1987）的假设中,如果投资者持有的投资组合不够分散,那么风险厌恶的他们则需要正向的特质风险与收益率的关系。这与中国的投资者以散户为主,共同基金等发展还是初步阶段的市场状况（Carpenter和Whitelaw（2017））十分吻合。特质风险与收益率在横截面上的关系是本文进一步研究的内容。使用Wang,Yan和Yu（2017）的资本利得指标CGO,在横截面使用与2000年至2018年的样本,通过投资组合分析发现特质风险与收益率之间的显着关系只存在资本利得CGO较高的组,在资本利得CGO较低的组中并不存在显着关系,这与美国的实证结果完全相反。在Fama和MacBeth（1973）的横截面回归中,控制了 CGO以及CGO和特质波动率的交乘项之后,特质波动率与下一期收益率的关系变为在1%的置信水平下正显着,在未报告的结果中多种特质波动率的计算方法均显着,使用个股的波动率也是如此。本章的实证最可能的解释则是基于RDP（reference-dependent-preferences,如PT）的视角,依赖参照的投资者的存在改变了标准偏好所隐含的传统的正风险收益关系。然而投资者的风险厌恶水平是否真的在不同的CGO组中存在差异,这也需要进一步的检验。总而言之,以如今第二大市值的中国股票市场的实证研究为基础,对金融学理论提供了新的证据,发现在中国股票市场的确存在正向的风险收益率关系,ICAPM模型中的对冲因子不能被忽略。横截面上条件CAPM模型能够解决静态CAPM并没有正向风险收益关系的失败,资本利得CGO分组能够得出特质波动率度量的特质风险与收益率是正向关系。
李伦一[7]（2019）在《资产泡沫测度、空间传染与联动效应的实证研究》文中研究表明现代经济经常出现资产价格大幅波动的情况,而这种情况无法通过经济基本面的变化来解释。通常我们把这些情况或者现象叫做泡沫的膨胀和破灭。从大部分的文献来看,这些泡沫是不可预测并会产生实质性的宏观经济效应的。当泡沫膨胀时,消费、投资会飙升,经济持续增长;在泡沫破裂时,消费、投资会下降或放缓,经济会崩溃或停滞不前。所以,本论文意在通过研究不同资产市场中出现的泡沫,来讨论以下问题:这些泡沫能否被测度?泡沫如何通过空间传染?泡沫之间是否存在联动效应?本论文主要使用对数周期型幂律模型（Log Period Power Law,LPPL）和基于分位数回归的LPPL对资产价格泡沫进行建模和测度,并结合一些前沿实证方法,同时考虑到中国股票市场、中国房地产市场和国际数字货币市场的特性,进一步考察这些资产价格泡沫在分位数测度、空间传染以及不同市场之间的联动效应。在泡沫的经典文献中,资产价格在几个月甚至几年的过程中急剧上升,远远超过资产未来现金流合理的估值水平。这些价格上涨伴随着大量的投机和高交易量,而价格泡沫最终以崩盘告终,其中价格崩盘甚至比上涨更快。本论文首先梳理金融市场泡沫的研究理论和文献。其次,在对现有文献进行梳理和评述的基础上,采用LPPL模型及基于分位数回归的LPPL这一泡沫测度方法对股票的价格泡沫和市场崩溃进行定义和数据切分,随后拟合并对金融资产价格泡沫进行研究和预测。主要结论表明,在LPPL模型中,利用Confidence指标在拟合股市泡沫时是可靠的。同时发现,实证分析中,沪深300和中证500的Confidence值更大,这说明模型对于这两个市场拟合得更好,并且能够比较好地预测金融资产价格泡沫的发生。同时,将分位数回归模型与LPPL模型相结合,能够优化模型的预测效果,并将模型应用到中国股票市场,对预测结果进行验证,增强模型结论的稳健性。在各分位数水平下,尽管在时间上存在一定程度的向前或向后的评议,但LPPL模型结合有效的数据均可以很好的预测金融资产价格泡沫的爆发,相关指数也能一定程度上对泡沫爆发起到预警作用。再次,本论文就中国的房地产市场价格泡沫进行讨论。本部分的研究目的即:建立房地产价格泡沫空间传染模型对我国各城市房地产市场泡沫空间传染性进行实证分析,并就各地方政府房地产调控政策进行评估。具体探究:与其他金融资产相比,房地产市场的价格泡沫应该怎么测度?房地产市场的价格泡沫是否存在空间传染性?背后的影响机制是怎样的?各地区的房地产宏观调控政策是否有效的防止了房地产价格泡沫的继续膨胀?上述问题的研究不仅能够对我国各城市的房地产价格泡沫进行定量分析,而且能够发现各地房地产泡沫之间的联动特征关系。上述问题的解答也有助于各地方政府因地制宜地进行房地产调控,对有效防范房地产区域性风险提供政策建议和参考。不同于股票市场,房地产价格泡沫是一个中长期的价格持续升高的形成过程,而且缓慢持续,而LPPL模型能更好的模拟房地产价格成长和反转的过程。区别于现有文献,本部分还进一步考虑正向泡沫和反转泡沫区域的房地产价格泡沫特点。两者最大区别在于价格动态是在价格崩溃点之前还是之后:正泡沫是价格呈现快于指数增长且伴随振荡,且价格崩溃点在未来某一刻出现;反转泡沫的出现则是在价格崩溃点之后,价格由下向上的调整。通过采用2010年6月到2017年11月间100个城市的房地产市场数据,LPPL模型能够对我国100个城市房地产价格泡沫进行甄别且识别出主要存在两种泡沫状态:正向泡沫（房价持续上升）和反转泡沫（房价整体下降却存在反转点）。各个城市（地区）房地产价格具有较强的空间传染性;存在正向泡沫区域的空间传染性相较反转泡沫区域更为明显,在考虑经济空间测度而不是物理空间测度的情况下,各城市间的空间传染性更强。与现有文献不同,我们发现反转泡沫区域的新房价格指数特别是二手房价格指数的上升对周边城市的房地产价格指数存在强烈的正向推高影响。最后,我们发现城市的房地产调控政策在一定程度上抑制了传统因素（比如信贷和新房、二手房价等）对房地产价格泡沫的推高,但是,各城市房地产价格之间的联动变化特征反而更应该引起监管者的注意。最后,本论文对被业界认为“泡沫最多”的数字货币进行了实证研究,探究数字货币资产是否存在泡沫累积的过程,并将货币政策作为外生冲击因素,考察货币政策对数字货币资产价格泡沫之间的联动效应。现有电子货币资产的数目高达400多种,而其背后的逻辑和社区构成方式基本都由本文所选取的三种数字货币资产组合衍生而来（所选的三种具有代表性数据为比特币、崛起币和格雷德币）,且这三种数字货币的市值目前为全世界前三。另一方面,尽管我国严格禁止数字货币的发行,但此部分的研究对于监管者仍有一定的参考意义,比如由于数字货币市值和交易量的日益增大,其对其它金融市场的影响也逐渐加大,特别是对全球金融安全的影响不断加大,而数字货币价格的大起大落会对全球金融市场的稳定构成威胁。本部分认为数字货币的泡沫置信度之间存在较强的联系,也就是说不同数字货币的泡沫之间存在较强的联系,而价格对于泡沫置信度和泡沫的影响相比之下则有限。本部分构造的泡沫指标和使用的数字货币资产价格预测模型通过控制训练集范围等措施能够达到较好的预测效果。同时,在对价格波动溢出效应的研究中发现不同数字货币之间的泡沫置信度联动关系具有各自的特点。货币政策能够较为显着的影响泡沫置信度的波动率,在货币政策宣布后一段时间内,数字货币的价格往往波动较为剧烈,更容易产生泡沫和发生泡沫破裂,而货币政策对不同数字货币的影响程度不同。本论文的创新主要在于:一是通过结合分位数回归模型,改进传统的LPPL模型,优化资产价格泡沫的预测效果。我们将这一扩展模型应用到中国股票市场,对预测结果进行验证,发现模型结合有效的数据均可以很好的预测金融资产价格泡沫的爆发,相关指数也能一定程度上对泡沫爆发起到预警作用。二是就中国百城房地产价格泡沫进行定量测度,同时考虑不同空间（物理和经济）结构中百城房地产价格泡沫的传染效应。本章节基于微观层面100个城市的基本经济背景数据对房地产泡沫空间传染研究。与现有文献不同,本章节发现反转泡沫区域的新房价格指数对周边城市的房地产价格指数存在强烈的正向推高影响。房地产调控政策在一定程度上抑制了传统因素对房地产价格泡沫的作用,但是,各城市房地产价格之间的联动效应应该引起监管者的注意。三是选取国际最具代表性的几种数字货币,采用分位数回归LPPL模型测度数字货币价格泡沫,并采用EGARCH模型分析不同数字货币价格泡沫之间对货币政策的反应效果。不同于现有波动性溢出效应文献,本章节通过模型衍生出的置信度指标来探究数字货币泡沫发生概率之间的联动（溢出）效应,并且配合货币政策作为事件研究,进一步探究数字货币泡沫发生概率之间在货币政策前后不同的表现。
宋彬菡[8]（2019）在《基于国内中小板指对日内动量预测股票收益的研究》文中认为在国际市场上,中国股票市场作为全球最活跃的市场之一,有着非常具有代表性的研究价值。随着中国市场经济的飞速发展,中国股票市场吸引了越来越多的国内投资者和海外投资者。金融市场的高频交易已成为常态,随着信息技术的发展,股票交易市场的信息也能够及时地反映出来,并且影响着投资者下一步的投资决策。有效市场理论是现代金融学的重要基石,为判断资本市场的金融资源配置效率提供了一种标准。所有可获得的信息可划分为历史信息、公开信息和内幕信息三大类;对应将资本市场可分成三种有效市场,即弱势有效市场、半强势有效市场和强势有效市场。动量效应是指价格的变动在一定的时间范围内表现为连续性和持续性。Jegadeesh和Titman（1993,2001）的经验研究结果显示,过去3-12个月表现好或者表现差的股票（赢者或者输者）在接下来的3-12个月内继续表现好或者表现差的现象被称为动量效应。多数学者研究结果显示,动量效应普遍存在。动量效应的存在意味着股票价格变化有规律可循,股票的弱式有效市场假说不成立;技术分析方法是有效的,采用技术分析方法、遵循趋势投资策略是可行的;股票价格会沿趋势运行,股票市场有可能会走向极端,要么过于高估,要么过于低估,监管者对此现象需有正确的认识。因此,动量效应对金融理论研究、投资实践操作和市场规范发展等方面都有重要的影响。不少学者还发现中短期动量效应显着。不仅如此,有学者研究发现不同交易资产对于重大消息的消化至少要一个交易日,因此产生了日内动量效应。Gao,Han,Li和Zhou等（2018）首次考虑了美国市场的日内动量效应,他们发现市场存在日内动量效应的有力证据,市场上的第一个半小时收益率和倒数第二个半小时收益率显着地预测了市场上最后半小时的收益率。随着中国经济的飞速发展,国内投资者与国际投资者越来越关注中国的股票市场。因此,众多国内外的金融学者们都对中国股票市场的收益预测十分感兴趣。中国股票市场与美国股票市场都是全球股票市场十分重要的组成部分,那么在中国股票市场上,第一个半小时内的收益率和倒数第二个半小时内的收益率是否也能显着地预测最后一个半小时的收益率呢?也就是说,日内动量在中国股票市场是否也具有预测性呢?目前尚未有学者对此进行研究,因此本文弥补了这一学术空白,对中国股票市场上的日内动量进行研究。有学者提出,相对于价值型股票,成长型股票的动量效应更强烈。小市值的成长型股票动量收益更大。在中国深圳证券交易所中小企业板上市的A股,即中小板股票,是我国股票市场上典型的成长型股票。中小板股票覆盖了电子、医药生物、计算机、传媒等多个行业的龙头。因此本文选取国内股票市场中小板指的高频数据作为研究样本来探讨日内动量对股票收益的预测性。许多投资者热衷于日内交易,因为日内交易持仓时间短,能够很好地回避一些市场风险。而日内动量是一种频率更短的日内形成、日内结束的动量效应。中国股票市场交易时间分成上午9时30分到11时30分和下午1时到3时,因此本文将中国股票市场的交易时间以半小时为标准划分为8段,研究每日开盘后第1个半小时内以及第7个半小时也就是倒数第二个半小时内的收益是否能够预测收盘前最后一个半小时即第8个半小时内的收益。由于中国股票交易市场存在休市,将每日交易分为上午场和下午场两部分,因此本文也论证了每日开盘后第1个半小时内以及第3个半小时也就是上午倒数第二个半小时内的收益是否能够预测上午收盘前最后一个半小时即第4个半小时内的收益。而正因为中国股票市场有中午1小时30分钟的休市时间,这个间隙使得投资者可以获得新的信息同时了解上午的交易情况从而影响日内动量,因此本文最后探讨了半日动量。本文还论证了在牛熊市以及出现收益波动、成交量变化、交易规模变化、经济周期变化和重大消息释放时日内动量是否也还能够预测股票收益。根据Gao,Han,Li和Zhou（2018）的研究方法,本文还针对机构投资者进行了研究。本文同时论证了样本外股票市场的日内动量是否也能够预测股票收益。最后,本文通过研究条件性预测和研究其他股票指数、前一天最后半小时内收益和其他时间范围的日内动量对研究结果进行了检验。本文通过研究发现:（1）交易日开盘后第一个半小时内和倒数第二个半小时也就是第七个半小时内的股票收益能够显着地预测最后一个半小时内的收益。（2）上午场第一个半小时内的收益和第三个半小时内的收益能够预测上午场最后一个也就是第四个半小时内的收益。（3）股票市场上午的收益能够预测下午的收益。本文通过研究还得出:（1）在熊市日内动量预测性更强;（2）收益波动性越大,日内动量预测股票收益能力越强;（3）日内动量对股票收益的预测性随着成交量的增加而增强;（4）交易规模大小几乎不影响第一个半小时内收益率的预测性,但是在大交易规模日的倒数第二个半小时内收益率预测性更强;（5）在高机构持有组日内动量预测性更强,日内动量在月末预测性较弱;（6）日内动量在经济周期衰退日预测性更强;（7）日内动量在有重大消息释放的交易日预测性十分显着。本文主要采用文献分析法、描述性统计与实证分析法,实证研究基于中国股票市场中小板指,日内动量是否能够预测股票收益。一是本文采用文献分析法对有效市场假说理论、动量理论等相关文献进行深入分析。经过分析这些文献,笔者发现现有研究主要集中在美国股票市场,而对中国股票市场日内动量预测股票收益的研究寥寥可数,研究成长型股票如中小板股票的日内动量效应的文献更是没有,研究日内动量效应在不同条件下的预测性的文献也几乎没有,因此提出了本文的研究内容。二是本文主要采用了实证分析法,在构建多元回归实证模型和时间序列模型的基础上,选取wind数据库中的中小板的相关证券高频数据为研究样本进行实证分析,得出研究结论。本文的主要贡献在于:一是证实了中国股票市场上的日内动量能够预测股票收益,二是证实了上午场日内动量的预测性,对超短线投资者具有重要的经济价值,三是证实了半日动量也具有预测性。本文主要通过研究我国股票市场中小板指日内不同交易时间段收益之间的关系来研究日内动量对股票收益的预测性,为相关机构投资者和个人投资者提供有参考价值的日内投资策略。无论是机构投资者还是个人投资者,都可以利用日内动量的预测性对接下来的股票收益作出预测,进而调整之后的投资策略,改变之后的投资组合来获得更高的投资收益。
赵云[9]（2019）在《中国股市的非线性动力学特征与可预测性研究》文中研究说明股票市场作为一国宏观经济的“晴雨表”,在国民经济中占据要位。21世纪以来,我国股市取得了长足发展,但也面临很多难以解决的问题。为此,正确认识中国股市,探索其运动规律就显得尤为重要。随着传统线性资本市场理论陷入无法解释大量股市“异象”的窘境,以混沌、分形为代表的非线性科学逐步发展起来,这也为股市运动规律的研究打开了新的思路。基于此背景,本文从非线性科学的理论视角出发,对我国股票市场的非线性动力学特征及可预测性问题进行研究。首先,从投资者行为、政策规则、外界环境三个角度系统梳理了影响股价变化的主要动力因素。通过分析,明确所有动力学因素都是非线性的,它们相互关联、相互影响,彼此扭结在一起,共同决定了股票市场的非线性运动。其次,利用反馈原理,从整体上定性分析了动力因素作用于股价运动的非线性反馈机制,从中发现股价运动经常表现为正反馈,在较长时间内又表现为一定负反馈的特点;同时由于反馈机制的存在,使得股价运动在时间上具有记忆性和趋势性,表现出类似分形和混沌的动力学特征。再次,采用BDS检验、R/S分析、混沌参数计算等方法,对我国沪深两市股指序列的动力学特征进行定量分析,证明了我国股票市场非线性、混沌、分形等特征的存在。最后,在理解股市价格运动规律的基础上,采用线性思维范式下的ARIMA模型与非线性思维范式下的局域预测法（零阶局域预测法、加权零阶局域预测法）对上证综指序列进行预测尝试,并针对股市的可预测性问题展开讨论。
姜勇[10]（2019）在《国际原油市场的时变异质非线性溢出效应研究》文中研究指明原油作为现代工业的基础能源,其价格波动对经济增长以及金融市场存在显着影响。基于原油价格变动的非线性特征,本文构建多领域方法交叉融合的时间序列分析框架,基于时变性、异质性和非线性视角,研究原油价格波动特征及其对自身价格条件均值的时变波动溢出,同时以国际原油价格变动对不同金融市场影响机理存在差异的基本事实为核心切入点,探讨油价波动触发的信息、风险冲击对股票市场和汇率市场的溢出机理和传导机制。主要研究工作和创新贡献体现在以下几个方面:第一、基于时变性溢出视角,第三章构建TVP-SVM模型实证分析了原油价格波动的时变反馈效应,发现原油价格波动具有正向的波动反馈效应,即油价波动对其价格变化有显着的正向时变溢出效应。同时基于贝叶斯估计方法对14个GARCH类和SV类时变波动模型进行估计,引入边际似然值和DICs准则,识别了国际原油价格及相关能源产品价格条件波动估计最优模型,结果一致表明,SV类模型相比GARCH类模型在估计原油价格条件波动上表现较优,特别是SV-MA模型为最优模型。第二、基于双向异质性溢出视角,第四章构建双向分位数分解的cross-quantilogram模型,研究了国际原油价格波动是否对金砖国家股市收益率具有异质性溢出效应,同时检验前者对后者是否具有方向预测性。研究结果表明原油价格波动对金砖国家的股票收益率具有很强的溢出性和方向可预测性,且方向可预测性水平取决于这些国家是净进口国还是原油净出口国。第三、基于结构非线性非对称视角,第五章对SVAR模型进行扩展研究了不同的原油价格结构性冲击(由全球经济因素（总需求冲击）驱动的油价变化,以及受国际原油市场因素驱动（非欧佩克国家供给冲击,欧佩克供给冲击和原油特定需求）对中国股市投资者情绪的溢出效应。结果发现股市投资者情绪对总需求冲击和非欧佩克国家供给冲击的反应并不显着,而对原油特定需求冲击的负向反应和对欧佩克供给冲击的正向反应分别非常显着。证实了投资者情绪是油价影响股市的一个重要途径。第四、基于非线性门槛效应溢出视角,第六章构建STVAR模型研究了不同信贷市场条件下原油价格冲击对股市收益率溢出效应是否存在差异。基于美国总体股市和行业股票收益率的样本数据,研究发现当美国经济处于正常信贷状态时,原油价格的正向（负向）冲击减少（增加）股票收益率。而当美国经济处于紧缩信贷状态时,原油价格的正向（负向）冲击会增加（减少）股票收益率。此外,油价对股票收益率的溢出效应主要集中在短期而非长期。第五、基于时频异质非对称溢出视角,构建频域格兰杰因果检验和分位数格兰杰因果检验模型,第七章研究了原油价格变动与十大主要经济体（即英国、加拿大、巴西、俄罗斯、墨西哥、挪威、印度、日本、南非和韩国）实际汇率变动之间的异质性溢出效应。结果表明,原油价格变动和实际汇率变动之间溢出关系存在时频差异,即在短期和长期内,油价和汇率的交互溢出关系具有异质性。此外,原油价格变化对除挪威以外的其他国家的实际汇率变动产生溢出效应,特别集中于汇率变动分布的尾部。这表明,当实际汇率处于极端升值或贬值时,油价变化会对实际汇率产生重大影响。然而,当石油价格处于极高状态时,大多数石油净出口国的实际汇率变动会对油价变动产生溢出效应,而当石油价格处于极低状态时则无效。相比之下,无论原油价格处于什么状态,考察的大多数石油净进口国的实际汇率对原油价格有稳定的溢出性。
二、深圳股市价格运动可预测性的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、深圳股市价格运动可预测性的研究（论文提纲范文）
（1）股市钟摆效应存在性研究（论文提纲范文）
| 一、引言 |
| 二、文献综述 |
| 三、股市钟摆效应存在性解析 |
| 1.基本模型构建 |
| 2.市场环境设定 |
| 3.钟摆效应存在性解析 |
| 四、股市钟摆效应存在性检验 |
| 1.变量选择与模型构建 |
| (1)样本选取与变量选择 |
| (2)股票内在价值的测算 |
| (3)修正反转系数的构建 |
| (4)排序期与检验期构建 |
| 2.实证结果分析 |
| (1)股票日收益率走势分析 |
| (2)动量效应与反转效应演化存在性 |
| (3)股价均值回归存在性 |
| 3. 钟摆效应性质检验 |
| (1)钟摆效应的可预测性 |
| (2)钟摆效应的非盈利性 |
| 五、结论与建议 |
（2）基于深度学习的股票价格可预测性检验的实证分析（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题依据与研究意义 |
| 1.1.1 选题依据 |
| 1.1.2 选题意义 |
| 1.2 国内外相关研究文献综述 |
| 1.2.1 股价预测研究现状综述 |
| 1.2.2 深度学习研究现状综述 |
| 1.3 本文研究内容及思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 1.4 本文研究方法和创新点 |
| 1.4.1 研究方法 |
| 1.4.2 本文创新点 |
| 2 基本理论、方法与技术 |
| 2.1 股价预测方法总结 |
| 2.1.1 技术分析法 |
| 2.1.2 基本面分析法 |
| 2.1.3 时间序列分析法 |
| 2.1.4 机器学习预测法 |
| 2.2 LSTM神经网络 |
| 2.2.1 LSTM神经网络介绍 |
| 2.2.2 LSTM神经网络的结构及其特点 |
| 2.2.3 LSTM的优势及问题 |
| 2.3 XGBoost集成学习算法 |
| 2.3.1 XGBoost集成学习算法介绍 |
| 2.3.2 XGBoost集成学习算法结构及其特点 |
| 2.3.3 XGBoost集成算法的优势及问题 |
| 3 股票价格的非线性因果检验 |
| 3.1 非线性格兰杰因果检验方法 |
| 3.2 股价非线性因果检验设计思路及结果 |
| 4 基于LSTM和 XGBoost的股价预测验证 |
| 4.1 股票预测功效的衡量 |
| 4.1.1 数据集选取及处理 |
| 4.1.2 策略指标选取 |
| 4.1.3 LSTM模型结构概述 |
| 4.2 股票最优投资时间窗口的验证 |
| 4.2.1 最优投资时间窗口概述 |
| 4.2.2 模型结构及策略收益衡量指标 |
| 4.2.3 预测结果对比及分析 |
| 4.3 股票量价关系的验证 |
| 4.3.1 量价关系概述 |
| 4.3.2 模型结构及策略收益衡量指标 |
| 4.3.3 预测结果对比及分析 |
| 4.4 股票高低频数据的验证 |
| 4.4.1 高低频数据概述 |
| 4.4.2 模型结构 |
| 4.4.3 预测结果对比及分析 |
| 5 结论与展望 |
| 5.1 论文总结 |
| 5.2 结果展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（3）中国股票市场指令不平衡与市场有效性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.1.1 理论背景 |
| 1.1.2 中国股票市场发展概述 |
| 1.2 指令不平衡的定义 |
| 1.3 论文研究目标及内容安排 |
| 1.3.1 论文研究目标 |
| 1.3.2 论文内容安排 |
| 第2章 文献综述 |
| 2.1 金融市场微观结构理论 |
| 2.1.1 存货模型 |
| 2.1.2 信息模型 |
| 2.2 金融市场有效性理论 |
| 2.2.1 有效市场假说的发展历程 |
| 2.2.2 有效市场假说的三种形态 |
| 2.3 指令不平衡与收益率的关系 |
| 2.3.1 国外市场研究综述 |
| 2.3.2 中国市场研究综述 |
| 2.4 指令不平衡与市场有效性检验 |
| 2.4.1 国外市场研究综述 |
| 2.4.2 中国市场研究综述 |
| 2.5 文献评述 |
| 第3章 中国股市指令不平衡的统计性质 |
| 3.1 概率分布的数据介绍以及研究方法 |
| 3.1.1 数据介绍 |
| 3.1.2 研究方法 |
| 3.2 概率分布的参数拟合 |
| 3.2.1 所有股票的总体样本 |
| 3.2.2 单个股票样本 |
| 3.3 幂律尾指数的非参数测定 |
| 3.3.1 每分钟指令不平衡的研究结果 |
| 3.4 概率分布的时间演化 |
| 3.5 本章小结 |
| 第4章 中国股市日度指令不平衡与收益率的关系 |
| 4.1 数据介绍以及研究方法 |
| 4.1.1 数据介绍 |
| 4.1.2 研究方法 |
| 4.2 指令不平衡与收益率的同期关系 |
| 4.3 指令不平衡对未来收益率的预测作用分析 |
| 4.3.1 全样本预测效果分析 |
| 4.3.2 子样本预测效果分析 |
| 4.4 同期指令不平衡控制下的预测效果分析 |
| 4.4.1 全样本预测效果分析 |
| 4.4.2 子样本预测效果分析 |
| 4.4.3 涨跌幅限制对预测效果的作用分析 |
| 4.5 基于指令不平衡的交易策略分析 |
| 4.6 本章小结 |
| 第5章 中国股市指令不平衡与市场有效收敛速度分析 |
| 5.1 数据介绍以及研究方法 |
| 5.1.1 数据介绍 |
| 5.1.2 研究方法 |
| 5.2 日内指令不平衡和收益率的统计性质 |
| 5.3 收益率与指令不平衡的单变量回归分析 |
| 5.3.1 全样本单变量回归分析 |
| 5.3.2 子样本单变量回归分析 |
| 5.4 收益率与指令不平衡的多变量回归分析 |
| 5.4.1 全样本多变量回归分析 |
| 5.4.2 子样本多变量回归分析 |
| 5.4.3 本章小结 |
| 第6章 中国股市市场有效性检验及市场微观结构分类 |
| 6.1 数据介绍以及研究方法 |
| 6.1.1 数据介绍 |
| 6.1.2 研究方法 |
| 6.2 指令不平衡持续性原因分析 |
| 6.3 不同类型交易者的指令不平衡与市场收益率关系分析 |
| 6.3.1 指令不平衡的预测因子分析 |
| 6.3.2 指令不平衡对市场收益率的影响 |
| 6.4 交易者分类以及市场微观结构分析 |
| 6.4.1 不同交易者的市价指定与限价指令结构分析 |
| 6.4.2 不同交易者的市价指令与限价指令收益性分析 |
| 6.5 结果鲁棒性检验 |
| 6.6 本章小结 |
| 第7章 全文总结 |
| 7.1 本文创新点 |
| 7.2 不足之处 |
| 参考文献 |
| 致谢 |
| 附录1 发表论文目录 |
（4）基于递归图的股票市场非线性动力学演化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 研究背景 |
| 第二节 研究的理论意义及应用价值 |
| 一、研究的理论意义 |
| 二、研究的应用价值 |
| 第三节 创新点 |
| 第四节 研究方法和技术路线 |
| 一、研究方法 |
| 二、研究路线 |
| 第五节 研究内容及结构安排 |
| 第二章 国内外研究现状及发展趋势 |
| 第一节 复杂性科学与金融理论发展 |
| 一、金融市场复杂性 |
| 二、复杂性科学提供的金融分析工具 |
| 第二节 递归图方法 |
| 一、递归图方法的理论基础 |
| 二、递归量化分析(RQA) |
| 三、递归图方法中的重要参数确定 |
| 四、递归图方法的应用 |
| 五、递归图方法的最新发展 |
| 第三节 递归图方法在经济领域中的应用 |
| 第四节 当前研究的不足 |
| 第三章 全球股市有效性的动态演化及量化比较研究 |
| 第一节 引言 |
| 第二节 递归图方法及递归熵 |
| 第三节 全球主要股票市场的有效性量化比较研究 |
| 第四节 金融危机期间各国股票市场有效性研究 |
| 第五节 股票市场有效性的周期性动态演化分析 |
| 第六节 本章小节 |
| 第四章 股票市场崩盘前市场动力学特征异常突变时点检测研究 |
| 第一节 引言 |
| 第二节 相关工作 |
| 第三节 研究方法 |
| 一、递归图LAM指标 |
| 二、非线性时间序列突变检测的启发式分割算法(BG算法) |
| 第四节 股票市场崩盘与市场动力学特征异常突变研究 |
| 一、股票市场崩盘前市场动力学特征分析 |
| 二、基于BG算法的崩盘前市场动力学特征突变时点检测 |
| 三、2008年金融危机期间全球股市动力学特征异常突变时点检测研究 |
| 四、A股市场2015年“千股跌停”式崩盘的市场动力学特征突变分析 |
| 第五节 本章小节 |
| 第五章 股票市场动力学特征相似性度量方法 |
| 第一节 引言 |
| 第二节 高斯函数递归图及纹理特征分析 |
| 一、高斯函数递归图 |
| 二、递归图纹理特征相似性分析 |
| 第三节 数值分析 |
| 第四节 本章小结 |
| 第六章 基于动力学特征演化视角的适应性市场假说实证研究 |
| 第一节 引言 |
| 第二节 全球主要股票市场的动力学特征适应性演化分析 |
| 一、全球主要股票市场的动力学特征分析 |
| 二、基于BG算法的股票市场动力学特征突变研究 |
| 三、中国沪深A股市场动力学特征变化分析 |
| 第三节 本章小节 |
| 第七章 金融危机期间危机传染及股市动力学特征联动研究 |
| 第一节 引言 |
| 第二节 相关工作 |
| 第三节 构建市场动力学特征联动模式复杂网络方法 |
| 第四节 数据分析 |
| 一、数据采集 |
| 二、危机期间股票市场动力学特征演化及突变分析 |
| 三、危机期间市场动力学特征联动模式复杂网络分析 |
| 第五节 全球股市动力学特征复杂网络结构演化分析 |
| 一、相关工作 |
| 二、全球股市动力学特征网络结构动态演化分析 |
| 第六节 本章小节 |
| 第八章 研究结论与未来展望 |
| 第一节 研究结论 |
| 第二节 研究局限及未来展望 |
| 参考文献 |
| 致谢 |
| 个人学术简历 |
| 附件(A) 联动模式加权复杂网络 |
| 附件(B) 联动模式复杂网络中度值前30的节点 |
（5）对中国股市牛、熊市的识别及预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 选题背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 研究问题 |
| 1.3 研究思路与研究方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.4 研究结论与创新之处 |
| 1.4.1 研究结论 |
| 1.4.2 创新之处 |
| 1.5 结构安排与技术路线 |
| 1.5.1 结构安排 |
| 1.5.2 技术路线 |
| 第二章 文献综述 |
| 2.1 股市可预测性 |
| 2.2 股市预测模型 |
| 2.2.1 基于随机过程的预测模型 |
| 2.2.2 基于统计理论的股票价格波动模型 |
| 2.2.3 人工智能预测模型 |
| 2.3 影响中国A股市场的因素 |
| 2.3.1 制度因素 |
| 2.3.2 政策因素 |
| 2.3.3 宏观因素 |
| 2.3.4 市场因素 |
| 2.3.5 企业因素 |
| 2.4 文献评述 |
| 第三章 理论基础与模型构建 |
| 3.1 基于规则的方法 |
| 3.1.1 识别规则 |
| 3.1.2 预测方法 |
| 3.2 马尔可夫区制转换模型 |
| 3.3 预测因子 |
| 第四章 基于上证综指的牛、熊市识别及预测 |
| 4.1 数据处理 |
| 4.1.1 上证综指 |
| 4.1.2 预测变量及其系数 |
| 4.2 牛、熊市识别结果 |
| 4.3 牛、熊市预测结果 |
| 第五章 对各方法识别、预测结果的评估 |
| 5.1 评估体系的构建 |
| 5.1.1 统计测度 |
| 5.1.2 经济测度 |
| 5.2 识别、预测结果的评估 |
| 5.2.1 对识别结果的评估 |
| 5.2.2 对预测结果的评估 |
| 5.3 稳健性检验 |
| 5.3.1 LT算法中的涨跌幅阈值 |
| 5.3.2 PS算法中的持续时间 |
| 5.3.3 风险厌恶情绪 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 后记 |
（6）中国股票市场的风险—收益实证研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 导论 |
| 1.1 研究背景 |
| 1.2 研究内容 |
| 1.3 文献综述 |
| 1.3.1 预测股票市场波动率 |
| 1.3.2 预测股票市场收益率暨风险收益关系研究 |
| 1.3.3 条件CAPM模型 |
| 1.3.4 个股特质风险与预期收益率 |
| 1.4 创新与不足 |
| 2 中国股票市场简介与风险、收益等指标的构建 |
| 2.1 中国股票市场概述 |
| 2.1.1 A股 |
| 2.1.2 B股 |
| 2.1.3 H股 |
| 2.1.4 主要交易规则 |
| 2.2 风险、收益等实证指标的构建 |
| 2.2.1 中国股票市场A股超额收益率(Excess Return) |
| 2.2.2 流通股数(Floating Shares)和折价的股票价格(Scaled Price Ratio) |
| 2.2.3 折价的股票价格(Scaled Price Ratio) |
| 2.2.4 波动率类指标 |
| 2.2.5 其他指标 |
| 3 中国股票市场风险-收益的关系:时间序列 |
| 3.1 引言 |
| 3.2 股票市场条件波动率 |
| 3.2.1 波动率的预测 |
| 3.2.2 贝叶斯模型平均选取变量预测波动率 |
| 3.2.3 样本外检验 |
| 3.2.4 波动率预测的稳健性检验:LASSO变量选择 |
| 3.3 中国股票市场风险收益时间序列的关系 |
| 3.3.1 条件波动率 |
| 3.3.2 风险收益关系 |
| 3.3.3 时变的股权溢价 |
| 3.3.4 样本外预测 |
| 3.3.5 月度数据 |
| 3.4 结论 |
| 4 中国股票市场风险-收益的关系: 横截面 |
| 4.1 引言 |
| 4.2 横截面上个股β与收益率之间关系 |
| 4.2.1 计算个股β |
| 4.2.2 组合分析 |
| 4.2.3 Fama-MacBeth回归 |
| 4.3 条件CAPM在横截面上的定价 |
| 4.3.1 研究设计 |
| 4.3.2 添加额外信息的条件资产定价模型 |
| 4.3.3 实证研究 |
| 4.4 稳健性检验 |
| 4.5 结论 |
| 5 横截面的风险收益关系的进一步研究: 特质风险与收益的关系 |
| 5.1 引言 |
| 5.2 个股特质风险的度量 |
| 5.2.1 计算方法 |
| 5.2.2 资本利得过剩(Capital Gain Overhang) |
| 5.3 特质波动率与收益率之间的关系 |
| 5.3.1 单变量分组 |
| 5.3.2 双重分组 |
| 5.3.3 Fama-Macbeth回归 |
| 5.4 机制探讨 |
| 5.5 结论 |
| 6 研究结论与政策建议 |
| 6.1 主要结论 |
| 6.2 政策建议 |
| 在学期间发表的科研成果 |
| 参考文献 |
| 后记 |
（7）资产泡沫测度、空间传染与联动效应的实证研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究主要内容 |
| 1.3 研究思路和技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 技术路线 |
| 1.4 创新与不足 |
| 2.文献综述 |
| 2.1 资产价格泡沫的界定及相关研究文献综述 |
| 2.1.1 资产价格泡沫的界定 |
| 2.1.2 资产价格泡沫的相关研究文献综述 |
| 2.1.3 资产价格泡沫的识别估计方法 |
| 2.2 LPPL模型、分位数回归方法与资产价格泡沫 |
| 2.2.1 LPPL模型与资产价格泡沫 |
| 2.2.2 分位数估计模型与资产价格泡沫 |
| 2.2.3 分位数估计、LPPL模型与资产价格泡沫 |
| 2.3 资产价格泡沫传染的相关文献 |
| 2.3.1 资产价格泡沫传染的理论研究 |
| 2.3.2 资产价格泡沫传染的实证研究 |
| 3.中国股票市场价格泡沫测度与预警:基于LPPL模型及其扩展 |
| 3.1 中国股票市场价格泡沫测度:基于LPPL模型 |
| 3.1.1 LPPL模型的估计条件和数据选取 |
| 3.1.3 LPPL模型的检验结果 |
| 3.2 中国股票市场价格泡沫的测度与预警:分位数回归下的LPPL模型 |
| 3.2.1 数据选取说明和统计性描述 |
| 3.2.2 分位数回归下LPPL模型在股市泡沫中的应用检验 |
| 3.2.3 指标测评与预警 |
| 3.3 小结及政策含义 |
| 4.中国房地产价格泡沫和传染研究—基于中国百城房价指数的证据 |
| 4.1 房价泡沫测度和传染的研究现状 |
| 4.1.1 关于房价泡沫测度的相关研究 |
| 4.1.2 关于房价泡沫空间传染的相关研究 |
| 4.2 中国百城房价指数泡沫及其传染的测度方法 |
| 4.2.1 房价泡沫测度方法 |
| 4.2.3 房价泡沫传染的计量方法 |
| 4.3 中国百城房价泡沫测度的实证分析 |
| 4.3.1 数据描述 |
| 4.3.2 运用LPPL模型对房价泡沫测度的实证分析 |
| 4.4 中国百城房价泡沫的空间传染实证分析 |
| 4.4.1 模型建立 |
| 4.4.2 房价泡沫空间传染模型的实证分析 |
| 4.4.3 房价泡沫传染区域性影响的实证分析 |
| 4.5 中国房地产调控政策的前后对比研究 |
| 4.5.1 中国房地产调控政策概述 |
| 4.5.2 实证分析 |
| 4.6 小结及政策建议 |
| 5.数字货币资产价格泡沫间关联性研究—基于货币政策的事件研究 |
| 5.1 数字货币资产定义、属性及其价格泡沫问题 |
| 5.1.1 数字货币资产的定义 |
| 5.1.2 关于数字货币资产的属性 |
| 5.1.3 数字货币资产价格泡沫的研究进展 |
| 5.2 运用分位数的LPPLS模型对数字货币资产价格泡沫的测度 |
| 5.2.1 数据说明和描述性统计 |
| 5.2.2 未知参数算法估计 |
| 5.2.3 数字货币资产价格泡沫识别 |
| 5.2.4 数字货币资产分位数估计 |
| 5.3 数字货币资产价格泡沫关联性实证检验 |
| 5.3.1 数字货币资产价格泡沫关联性分析 |
| 5.3.2 货币政策变动的事件研究 |
| 5.4 结论及政策建议 |
| 6.总结与展望 |
| 参考文献 |
| 后记 |
| 致谢 |
| 在读期间科研成果目录 |
（8）基于国内中小板指对日内动量预测股票收益的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 研究背景 |
| 1.2 理论意义及现实意义 |
| 1.3 本文的研究内容和思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 1.4 本文的创新之处 |
| 1.5 本文的不足之处 |
| 2.文献综述 |
| 2.1 国外文献综述 |
| 2.1.1 动量效应日益受到国内外学者与投资者的关注 |
| 2.1.2 美国经济变量影响中国股票市场 |
| 2.1.3 动量效应普遍存在 |
| 2.1.4 中短期动量效应显着 |
| 2.1.5 不同特征的股票表现出不同程度的动量效应 |
| 2.1.6 美国股票市场动量效应能够预测股票收益 |
| 2.2 国内文献综述 |
| 2.2.1 少数研究否定中国股票市场存在动量效应 |
| 2.2.2 多数研究肯定中国股票市场存在动量效应 |
| 2.2.3 目前动量效应可进一步被分为四类,日内动量周期最短 |
| 2.2.4 短期动量效应表现显着 |
| 2.2.5 适当的外在条件使得日内动量效应更加显着 |
| 2.3 国内外文献总结 |
| 3.理论基础 |
| 3.1 有效市场假说 |
| 3.2 动量效应 |
| 4.实证部分 |
| 4.1 样本选择与数据选取 |
| 4.1.1 取样标准 |
| 4.1.2 数据来源 |
| 4.2 回归分析 |
| 4.2.1 变量选取 |
| 4.2.2 预测性的回归分析 |
| 4.3 样本外检验 |
| 4.4 牛熊市 |
| 4.5 波动性 |
| 4.6 成交量 |
| 4.7 交易规模 |
| 4.8 机构交易 |
| 4.9 解释 |
| 5. 经济意义 |
| 5.1 市场时机 |
| 6. 宏观事件 |
| 6.1 经济周期 |
| 6.2 新闻披露 |
| 7. 基于中国股票市场交易情况的新发现 |
| 7.1 预测性回归分析(r1、r3和r4) |
| 7.2 在不同情况下的预测性回归分析 |
| 8.稳健性检验 |
| 8.1 条件性预测 |
| 8.2 其他股票指数 |
| 8.3 前一天最后半小时内的收益 |
| 8.4 其他时间范围 |
| 8.5 额外的检验 |
| 8.5.1 对下午场的检验 |
| 8.5.2 半日动量 |
| 9. 本文结论与投资策略 |
| 参考文献 |
| 后记 |
| 致谢 |
| 在读期间科研成果目录 |
（9）中国股市的非线性动力学特征与可预测性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状简评 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 相关理论与方法 |
| 2.1 非线性动力学的相关概念 |
| 2.1.1 非线性动力学 |
| 2.1.2 非线性动力系统 |
| 2.2 非线性动力学分析的相关理论 |
| 2.2.1 分形理论 |
| 2.2.2 混沌理论 |
| 2.3 非线性动力学分析的相关方法 |
| 2.3.1 相空间重构 |
| 2.3.2 BDS检验 |
| 2.3.3 重标极差(R/S)分析法 |
| 2.4 相关股市预测方法 |
| 2.4.1 博克斯-金肯斯预测技术 |
| 2.4.2 局域预测法 |
| 2.5 本章小结 |
| 第3章 股票市场的非线性动力学因素分析 |
| 3.1 影响股价变化的动力因素 |
| 3.1.1 投资者行为 |
| 3.1.2 政策规则 |
| 3.1.3 外部环境 |
| 3.2 股价运动的非线性反馈机制 |
| 3.2.1 反馈机制 |
| 3.2.2 股票价格运动的动力机制 |
| 3.2.3 我国股市反馈现象举例 |
| 3.3 本章小结 |
| 第4章 中国股市的非线性动力学特征分析 |
| 4.1 股票市场的非线性特征 |
| 4.1.1 正态性检验 |
| 4.1.2 单位根检验 |
| 4.1.3 序列相关检验 |
| 4.1.4 BDS非线性检验 |
| 4.2 股票市场的分形特征 |
| 4.2.1 对中国股市分形特征的初步认识 |
| 4.2.2 R/S分析的基本做法 |
| 4.2.3 分形特征的R/S检验 |
| 4.3 股票市场的混沌特征 |
| 4.3.1 关联维数 |
| 4.3.2 李雅普诺夫指数 |
| 4.3.3 混沌特征的参数计算 |
| 4.4 本章小结 |
| 第5章 中国股市的可预测性分析 |
| 5.1 线性思维范式下的ARIMA模型预测 |
| 5.1.1 基本步骤和方法 |
| 5.1.2 ARIMA模型的构建 |
| 5.1.3 模型应用与结果分析 |
| 5.2 非线性思维范式下的局域法预测 |
| 5.2.1 零阶局域法 |
| 5.2.2 加权零阶局域法 |
| 5.2.3 基于两种方法的算例分析 |
| 5.3 两类模型预测效果的对比分析 |
| 5.3.1 预测精度指标 |
| 5.3.2 预测结果对比 |
| 5.4 股票市场的可预测性讨论 |
| 5.4.1 可预测性的理论说明 |
| 5.4.2 可预测性的实证说明 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
（10）国际原油市场的时变异质非线性溢出效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 油价波动的时变反馈溢出研究 |
| 1.2.2 油价与股票市场溢出效应研究 |
| 1.2.3 油价与汇率市场溢出效应研究 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 本文的创新点 |
| 第2章 理论基础 |
| 2.1 油价与股市溢出理论分析 |
| 2.1.1 股票价值驱动传导路径分析 |
| 2.1.2 货币政策因素传导路径分析 |
| 2.1.3 经济产出因素传导路径分析 |
| 2.1.4 财政政策因素传导路径分析 |
| 2.1.5 不确定性因素传导途径分析 |
| 2.1.6 基于总供给-总需求理论分析 |
| 2.2 油价与汇率溢出理论分析 |
| 2.2.1 原油价格对汇率的溢出机理分析 |
| 2.2.2 汇率对原油价格的溢出机理分析 |
| 2.2.3 驱动油价和汇率的共同因素 |
| 第3章 油价波动估计及其时变波动反馈溢出效应研究 |
| 3.1 引言 |
| 3.2 模型构建 |
| 3.2.1 GARCH类和SV类模型 |
| 3.2.2 结构突变检验模型 |
| 3.2.3 时变参数SVM模型 |
| 3.3 数据说明 |
| 3.4 实证结果和讨论 |
| 3.4.1 油价波动估计模型比较分析 |
| 3.4.2 油价结构突变点检验 |
| 3.4.3 油价波动的时变反馈效应 |
| 3.5 小结 |
| 第4章 油价波动对股票收益的双向异质性溢出研究 |
| 4.1 引言 |
| 4.2 数据说明 |
| 4.3 模型构建 |
| 4.4 实证结果和讨论 |
| 4.4.1 油价波动对股市收益的异质性溢出 |
| 4.4.2 基于分位数回归模型的比较分析 |
| 4.5 稳健性分析 |
| 4.5.1 基于不同油价波动度量的检验 |
| 4.5.2 基于不同样本期检验 |
| 4.6 小结 |
| 第5章 结构性油价冲击对股市投资者情绪的非线性溢出研究 |
| 5.1 引言 |
| 5.2 数据说明 |
| 5.3 模型构建 |
| 5.3.1 标准SVAR模型 |
| 5.3.2 扩展SVAR模型 |
| 5.4 实证结果和讨论 |
| 5.4.1 标准SVAR模型的实证结果 |
| 5.4.2 扩展SVAR模型的实证结果 |
| 5.4.3 稳健性分析 |
| 5.5 小结 |
| 第6章 不同信贷条件下油价冲击对股市的非线性溢出研究 |
| 6.1 引言 |
| 6.2 模型构建 |
| 6.3 数据说明 |
| 6.4 实证结果和讨论 |
| 6.4.1 线性和非线性格兰杰因果检验 |
| 6.4.2 STVAR模型阈值估计与检验 |
| 6.5 非线性脉冲响应 |
| 6.5.1 油价冲击对标准普尔500 指数的溢出 |
| 6.5.2 油价冲击对行业股票收益的溢出 |
| 6.6 稳健性分析 |
| 6.6.1 不同的信贷条件度量 |
| 6.6.2 不同的原油价格度量 |
| 6.6.3 不同的模型识别设置 |
| 6.7 小结 |
| 第7章 油价冲击对汇率的时频异质性溢出研究 |
| 7.1 引言 |
| 7.2 数据说明 |
| 7.3 模型构建 |
| 7.3.1 频域格兰杰因果检验 |
| 7.3.2 分位数格兰杰因果检验模型 |
| 7.4 实证结果和讨论 |
| 7.4.1 线性格兰杰因果检验 |
| 7.4.2 基于BDS模型的非线性检验 |
| 7.4.3 频域格兰杰因果检验分析 |
| 7.4.4 分位数格兰杰因果检验分析 |
| 7.5 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
| 附录B 攻读学位期间所参与的课题 |
| 附录C 第4章检验结果 |
四、深圳股市价格运动可预测性的研究（论文参考文献）
- [1]股市钟摆效应存在性研究[J]. 陈楚,胡丁,方先明. 东南大学学报(哲学社会科学版), 2021(03)
- [2]基于深度学习的股票价格可预测性检验的实证分析[D]. 庄申云. 兰州财经大学, 2020(02)
- [3]中国股票市场指令不平衡与市场有效性研究[D]. 张婷. 华东理工大学, 2020(01)
- [4]基于递归图的股票市场非线性动力学演化研究[D]. 李燕. 上海财经大学, 2020(04)
- [5]对中国股市牛、熊市的识别及预测研究[D]. 徐博欢. 南京财经大学, 2020(08)
- [6]中国股票市场的风险—收益实证研究[D]. 程航. 东北财经大学, 2019(06)
- [7]资产泡沫测度、空间传染与联动效应的实证研究[D]. 李伦一. 西南财经大学, 2019(12)
- [8]基于国内中小板指对日内动量预测股票收益的研究[D]. 宋彬菡. 西南财经大学, 2019(07)
- [9]中国股市的非线性动力学特征与可预测性研究[D]. 赵云. 燕山大学, 2019(03)
- [10]国际原油市场的时变异质非线性溢出效应研究[D]. 姜勇. 湖南大学, 2019(07)