检索结果-南通市图书馆

股票指数波动率对个人投资者从众行为的影响及启示

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

股票指数波动率对个人投资者从众行为的影响及启示

作者：薛兴昊华中师范大学

学位级别：硕士

近年来,我国股票市场进一步开放,更多海外资金流入,加剧了市场波动,对投资者提出了新的挑战。根据2019年的统计,我国个人投资者人数已高达1.5亿,是股票市场中不可忽视的群体。有研究发现,个人投资者交易时从众行为时有发生,表现为在模... 详细信息

近年来,我国股票市场进一步开放,更多海外资金流入,加剧了市场波动,对投资者提出了新的挑战。根据2019年的统计,我国个人投资者人数已高达1.5亿,是股票市场中不可忽视的群体。有研究发现,个人投资者交易时从众行为时有发生,表现为在模糊情景下,将他人的确定性信息作为标准并做出买入或卖出的决定。同时有研究表明,我国机构投资者从众行为与市场波动率有一定关联。本文基于社会影响理论、从众个性理论以及行为金融理论,研究不同股票指数波动情境下个人投资者从众行为的程度。本研究在对前人研究梳理的基础上,提出了三个假设:假设一,现阶段我国个人投资者在股票市场中存在从众行为。假设二,股票指数波动与个人投资者从众行为呈正相关。假设三,相较于其他波动和收益情况,在“低收益高波动”的情况下个人投资者从众行为表现更强。在确定研究假设后,通过如下方法进行研究。首先,从心理学对从众的定义出发,结合个人投资者的特点对个人投资者从众行为进行定义,并根据定义对12位个人投资者的访谈记录进行梳理,获取其从众行为的具体表现。其次,根据已知的个人投资者从众行为对从众量表进行修订,并通过问卷法对上海个人投资者进行测量。再次,研究使用SPSS 26.0对沪深300指数波动率与测量到的个人投资者从众行为作分析相关性分析,对研究假设进行检验;最后,结合现有理论和股票市场情况对结果进行讨论,并得到启示。通过对上海308位个人投资者进行问卷测量,发现60.71%的个人投资者存在从众行为,个人投资者在参与我国股票市场的交易中,存在着明显的从众行为。股票指数波动率与个人投资者从众行为呈正相关。个人投资者从众行为在高波动、低收益的情况下发生概率最高,且程度最强。除以上三点结论回答了研究假设外,研究发现修订过的从众量表有较高的信度。目前金融机构通用的个人投资者金融市场知识测评问卷测量结果与个人投资者从众行为显著负相关,即金融认知水平越高从众行为程度越低。本研究的贡献在于,关注了近年来我国心理学领域忽略的个人股票投资者群体,并进行实证研究;基于信息的从众心理研究结果,充实了社会影响理论在金融领域的应用。在实践方面,该研究能够在投资者教育方面为其提供从众行为相关的理论依据和数据支撑,同时在系统性金融风险管控方面具有一定借鉴意义。

关键词：股票指数波动率个人投资者从众行为

基于CEEMD-CNN-LSTM的股票指数集成预测模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

系统工程 2023年第4期41卷 104-116页

作者：丛敬奇成鹏飞赵振军湖南科技大学大数据与智能决策研究中心中国湖南湘潭411201 吉林省信托有限责任公司中国吉林长春130000 产业发展大数据与智能决策湖南省工程研究中心中国湖南湘潭411201

为有效应对金融时间序列数据的高噪声、时间依赖性和非线性,本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和... 详细信息

为有效应对金融时间序列数据的高噪声、时间依赖性和非线性,本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和趋势项,同时应用CNN-LSTM模型分别对各分项进行预测,并将各分项的预测值集成为最终预测结果。为验证CEEMD-CNN-LSTM模型对金融时间序列数据预测的准确性和有效性,选取沪深300、标准普尔500(S&P500)股票指数收盘点数进行了实证分析。实证结果表明,CEEMD-CNN-LSTM模型能同时提取序列依赖关系和局部特征,可有效避免数据直接输入模型导致预测结果右偏等问题,与其他主流预测模型相比,其预测精度更高,预测误差显著降低。

关键词： CEEMD 深度学习 CNN-LSTM 股票指数

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于波动率修正隐源模型的股票指数策略研究

基于波动率修正隐源模型的股票指数策略研究

作者：程思钊上海财经大学

学位级别：硕士

隐源模型作为一个非参数的,需要少量前提假设的,对时间序列进行分类的模型在社交网络热点话题预测、金融时间序列分析等方面都取得了显著的效果。波动率作为衡量金融市场投资风险的重要且常用的指标,它在金融衍生品的定价、交易策略以... 详细信息

隐源模型作为一个非参数的,需要少量前提假设的,对时间序列进行分类的模型在社交网络热点话题预测、金融时间序列分析等方面都取得了显著的效果。波动率作为衡量金融市场投资风险的重要且常用的指标,它在金融衍生品的定价、交易策略以及风险控制中都起着重要的作用。波动率表示了资产收益率在一段时间内的波动程度。本文根据隐源模型的理论设计交易策略,并将波动率作为变量引入模型,改善了交易策略的表现。同时,对交易策略在上证50指数和创业板指数上进行实证。在交易策略设计方面,本文从理论设计上提出了基于隐源模型的价格预测方法和交易策略,并在实际应用时针对隐源模型的大计算量使用了简化方案,提高了计算效率。在实证数据方面,本文分别选取了上证50指数和创业板指数的5分钟数据作为实证数据,数据跨度从2016年1月4日至2020年9月30日。本文通过实证发现:隐源模型确实可以捕捉到上证50指数和创业板指数的特征,具备让策略盈利的能力;通过增加波动率变量确实改善策略了的表现。改进后,策略累计收益率在上证50指数上提升比例为40.02%,在创业板指数上提升比例11.86%;策略交易胜率在上证50指数上提升比例为12.51%,在创业板指数上提升比例18.09%;策略最大回撤在上证50指数上减少比例为43.58%,在创业板指数上减少比例为37.88%。

关键词：量化投资隐源模型波动率股票指数

基于CEEMD-CNN-LSTM的股票指数预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CEEMD-CNN-LSTM的股票指数预测研究

作者：丛敬奇湖南科技大学

学位级别：硕士

股票市场既是一个国家金融市场的重要组成部分,也是投资者投资理财,实现财富增值的重要途径,同时也是经营者融通资金的重要渠道。股票指数是选取股票市场上具有代表性的股票通过加权的方法组合而成,因此代表了股票市场的总趋势。若是能... 详细信息

股票市场既是一个国家金融市场的重要组成部分,也是投资者投资理财,实现财富增值的重要途径,同时也是经营者融通资金的重要渠道。股票指数是选取股票市场上具有代表性的股票通过加权的方法组合而成,因此代表了股票市场的总趋势。若是能够精准预测股票指数未来的趋势,一方面,有助于监管部门构建金融风险预警系统,实时监控股票市场的资产泡沫和系统性风险,推进股票市场健康发展,另一方面,能够为投资者的投资决策提供重要的参考依据,从而控制投资风险,获取投资收益。因此,股票指数的预测一直以来都是具有重要现实意义和理论意义的研究。然而,股票指数数据本质上是高噪音、动态的、非线性的混沌系统,经典理论的一些假设与其相悖,经典理论的适用范围受到了限制。因此,对股票指数高精度预测模型的研究,有利于探究股票指数内在的运作规律,更大程度的发挥股票市场融通资金、分散风险、资源配置等功能,更好的监控股票市场风险,化解金融危机。因此,对股票指数的预测研究具有重大的现实价值和理论价值。本文通过使用互补集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)对原始序列进行分解,得到了7个本征模态函数和1个残差项,再利用游程编码将本征模态函数重构为高频分项、低频分项和趋势分项,并对高频分项进行优化,以进一步消除原始时间序列中存在的噪音。然后,针对各个分项建立CNN-LSTM神经网络模型进行预测。最终,将各分项的预测值进行集成,从而得到最终结果。为了评价CEEMD-CNN-LSTM的预测效果,选取了分别从中国、美国、欧洲选取具有代表性的股票指数:沪深300、标普500和富时100作为实验数据,以验证模型的稳健性。通过设置不同的直接预测模型和集成预测模型进行对比分析,以验证模型的可行性和有效性。实证结果显示CEEMD-CNN-LSTM模型相较于其他模型具有更强的预测性能。通过对CEEMD方法处理过的原始序列进行建模,能够有效消除直接预测中存在的时间滞后性,显著提升模型的预测性能。在不同的数据集中,CEEMD-CNN-LSTM的预测结果具有较强的稳健性。

关键词：股票指数深度学习互补集成经验模态分解卷积神经网络长短期记忆神经网络

股票指数走势的决定因素及政策效应——基于数据驱动方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

股票指数走势的决定因素及政策效应——基于数据驱动方法

作者：钱钧浙江工商大学

学位级别：硕士

金融市场的快速发展和计算机的普及让交易数据呈现爆发式增长,这些数据中蕴含了无数有价值的信息。在此背景下,本文采用一种数据驱动的方式——非参数方法,来研究对上证指数和纳斯达克指数有影响的技术变量。文章通过混合数据下的非参... 详细信息

金融市场的快速发展和计算机的普及让交易数据呈现爆发式增长,这些数据中蕴含了无数有价值的信息。在此背景下,本文采用一种数据驱动的方式——非参数方法,来研究对上证指数和纳斯达克指数有影响的技术变量。文章通过混合数据下的非参数变量剔除方法,找到了影响上证指数和纳斯达克指数的指标;通过建立路径模型和完整模型,分析了各个指标对指数走势的影响效应;最后通过构建了预测模型,设计交易策略,将模型推广到实战,进一步分析了整个模型框架的优劣。主要得到以下结论： (1)通过混合数据下的非参数变量剔除方法,发现影响上证指数的技术指标为为mavg, adx, MA0, MA0, CMF, CMO,其中MA0和CMO具有线性影响,其余变量具有非线性影响。对纳斯达克指数由影响的变量为mavg, adx, MA, MA0, SAR, CMF,其中MA具有线性影响,其余变量具有非线性影响。从指标内涵看,对上证指数有线性影响的有趋势指标也有反转指标,而对纳斯达克指数有线性影响的只有一个趋势指标。结合指数走势,2011年1月到2013年7月,纳斯达克指数处于长期的上涨趋势,趋势指标对其解释效果好,而上证指数处于宽幅震荡走势,需要趋势指标和反转指标协同解释。 (2)通过构建路径模型1和完整模型,发现完整模型的G函数均值和标准差比基准模型的G函数均值和标准差都有大幅提升,说明整体上非线性变量对被解释变量有明显的解释作用。通过构建路径模型2,观察各模型线性部分和非线性部分的变异系数。发现股票指数的波动主要是由非线性部分影响。对于纳斯达克指数,其非线性部分的变异系数的绝对值从小到大依次为CMF(剔除后波动最小),MA0,mavg,adx,SAR(剔除后波动最大),说明当在非线性部分加入指标SAR,对指数波动减小的效应最大。当剔除CMF后由于路径模型2的非线性部分的变异系数小于完全模型,因此加入指标CMF,对指数波动增大的效应最大。对于上证指数,其非线性部分变异系数的绝对值从小到大依次为MA0(剔除后最小),adx, CMF, MA0(剔除后最大)。由于剔除一个非线性变量后,模型的非参数部分变异系数均变小,因此所有非线性变量的加入对都会让指数波动变大,其中MA0对波动的增强效应最大。通过比较完全模型与路径模型2的平均相对误差,发现指标CMF, adx和SAR对纳斯达克指数的的拟合有正向影响,而指数MA0和mavg的影响不显著,其中指标adx影响强度最大。对于上证指数,指标CMF和adx有显著的正向影响,而MA0和MA0无显著影响。与纳斯达克指数不同,对上证指数的正向影响强度最大的是指标CMF。由于上证指数和纳斯达克指数的线性部分中均含有趋势变量,因此在非线性部分中趋势变量mavg, MA0和MA0对模型的拟合效果影响均不显著。比较同一指标变量对不同指数的影响,发现其影响效应相同,但影响大小不同。指标CMF对上证指数的影响强度大于纳斯达克指数,说明上证指数走势更容易收到资金流量的影响。而指标adx对纳斯达克指数的影响强度大于上证指数,这是由于国外投资者对adx指标的使用比国内投资者更频繁,反应了投资者习惯对指数的影响。 (3)最后利用变量选择结果构建预测模型和交易策略。得到的交易策略的收益均跑赢相应指数收益,而策略的最大回撤均小于指数的最大回撤,体现了策略相对指数的高收益和低风险。但同时发现在走势反转的时候,模型预测效果一般,分析发现这是由于预测模型在构造时只将线性部分进行外推,而在非线性部分保留了最近一期的拟合结果,从而导致解释波动的非线性部分没有起到最大的作用。

关键词：股票指数技术指标非参数路径模型交易策略

基于人工智能的财经新闻与股票指数相关性研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人工智能的财经新闻与股票指数相关性研究

作者：陈若新兰州大学

学位级别：硕士

随着互联网的飞速发展,以及近年来人工智能的兴起,尤其是其分支自然语言处理技术的大规模应用,金融从业者能够利用海量的财经新闻去对股市波动进行预测和分析。在这种大背景下,使用人工智能相关的新技术对财经新闻与股价趋势的关系进行... 详细信息

随着互联网的飞速发展,以及近年来人工智能的兴起,尤其是其分支自然语言处理技术的大规模应用,金融从业者能够利用海量的财经新闻去对股市波动进行预测和分析。在这种大背景下,使用人工智能相关的新技术对财经新闻与股价趋势的关系进行分析就十分有意义。本文实证使用人工智能相关技术及工具对财经新闻进行量化,并借助人工智能相关算法,通过量化好的财经新闻去预测股票指数涨跌,从而揭示财经新闻与股市之间蕴藏的规律,以此帮助投资者更好地做出决策。本文通过使用股票指数的涨跌标注相关新闻文本数据。分别标注四组数据并且设置相关的四组独立实验。将数据集划分为测试集和训练集,使用训练集训练人工智能模型,并分别在验证集上进行验证,得到相关实验数据。之后根据实验数据分析当日英文新闻与当日和次日道琼斯指数涨跌的相关性以及当日中文新闻与当日和次日上证斯指数涨跌的相关性。根据分析的结果,财经新闻预测股票指数涨跌的准确程度较高,证明了财经新闻与股票指数的涨跌间存在较强的相关关系,且财经新闻与股票指数上涨和下跌间相关的程度并不一致,而且实验结论表明了股票指数对于财经新闻有明显的反应滞后,股票指数的涨跌对于前一日的新闻反应更为敏感。本文的研究成果可以在一定的程度上丰富该领域的研究,具体很强的实践意义以及创新性,并且从学术理论的角度拓宽了新闻媒体报道对金融市场影响的研究思路。

关键词：股票指数财经新闻人工智能

LSTM算法的改进研究及其在股票指数预测中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

LSTM算法的改进研究及其在股票指数预测中的应用

作者：单玉莹长春工业大学

学位级别：硕士

随着中国经济的不断发展,股票投资已经成为国内流行的一种投资理财方式。股票价格的变动不仅会直接影响到股票市场的稳定,而且还可以影响到经济和金融的健康发展。投资者往往需要通过预测股价走势以从中获益,同时政府和其他相关机构也... 详细信息

随着中国经济的不断发展,股票投资已经成为国内流行的一种投资理财方式。股票价格的变动不仅会直接影响到股票市场的稳定,而且还可以影响到经济和金融的健康发展。投资者往往需要通过预测股价走势以从中获益,同时政府和其他相关机构也需要及时有效地规范和管理市场。然而,作为一个高度复杂和动态的系统,股市受到许多因素的影响,包括商业趋势等内部因素和宏观经济趋势等外部因素。股票价格变动的复杂性和不可预测性是由于股票市场的波动性、非线性和低信号噪声比等因素造成的。股票指数可以及时、全面地反映股票市场的变化,从中可以体现出股票价格的变化,因此需要对股指进行有效预测。为了对金融股指进行有效预测,本文提出了一种基于贝叶斯优化的自适应融合股指预测模型:该模型是经验模态分解(EMD)和长短期记忆(LSTM)模型的组合预测模型和单一LSTM模型构成的集成模型,利用股指波动性判断适用情况从而自适应选取最优模型,并且EMD-LSTM和LSTM模型的超参数利用贝叶斯优化算法自动优化。本文首先对股指进行了统计性描述,发现三个股指的波动具有明显区别,就这一特征对数据进行建模,对比本文提出的模型与传统时间序列模型及机器学习模型共6种模型,对比研究发现:从中国股指预测结果来看:EMD-LSTM模型在预测沪深300指数收盘价和深证成指收盘价上具有较好的效果,预测上证指数收盘价时LSTM模型具有较好的效果。从美国股指预测结果来看:EMD-LSTM模型在预测道琼斯指数、标普500指数和纳斯达克指数的收盘价数据具有良好效果,验证了本文模型的普适性。由以上实证分析得出根据数据波动大小从而选取相应的模型进行股指预测的结论,并且该模型对于不同波动性的股指都可以有效预测。故该模型对于实际投资具有指引作用。

关键词：股票指数金融预测 EMD-LSTM 深度学习贝叶斯优化

基于ARJI-GARCH-JUMP模型的股票指数跳跃风险预警方案研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于ARJI-GARCH-JUMP模型的股票指数跳跃风险预警方案研究

作者：郭文博上海师范大学

学位级别：硕士

在资产价格波动的研究中,股票收益率的大幅变动通常被认定为跳跃行为。跳跃行为发生的概率很小,可是一旦发生跳跃,会对证券和衍生品的价格产生较大影响,会给使用金融杠杆的投资者带来巨大的风险。特别是对金融市场仍处于逐步改革阶段的... 详细信息

在资产价格波动的研究中,股票收益率的大幅变动通常被认定为跳跃行为。跳跃行为发生的概率很小,可是一旦发生跳跃,会对证券和衍生品的价格产生较大影响,会给使用金融杠杆的投资者带来巨大的风险。特别是对金融市场仍处于逐步改革阶段的发展中国家而言,市场收益率容易受到各种突发事件的影响,从而引发跳跃行为,导致投资风险。在经历了2008年美国金融危机和2012年欧洲金融危机等紧急情况后,国际金融市场的波动性和跳跃性变得更加明显,国内金融市场的股价大幅崩盘现象也是经常发生,而针对股票的跳跃行为,目前国内的研究相对较少,本文研究在此背景下展开。本文主要基于金融资产价格波动相关理论,运用时变的自回归条件跳跃强度模型,通过理论分析和实证研究相结合的方法,研究了股票指数跳跃风险的识别和预警问题,并给出了相应的跳跃风险识别方案。文章以2006年1月4日至2021年8月31日的上证50指数、沪深300指数和中证500指数为研究对象,利用Matlab等数据分析软件较为全面地剖析了基于GARCH-JUMP模型和ARJI模型的股价跳跃风险的预警效果。在对模型的预警方案的合理性进行检验之后,对模型在实际应用中的预警效果做了验证,初步得到的研究结论如下。首先,三大股票指数收益率均存在跳跃行为,且跳跃强度值并非是恒定不变的,而是会随着时间的变化而变化。其次,股票指数收益率存在显著的波动聚集效应,且可以通过跳跃强度相关指标对市场跳跃风险进行有效预警。在市场高波动阶段,指数跳跃风险呈现逐步减弱的态势;而在市场低波动阶段,指数跳跃风险则呈现逐步增强的态势。最后,ARJI-GARCH-JUMP模型能够很好地对可能发生的股价跳跃风险进行预警,对投资者合理控制股票指数期货的投资风险具有实际意义。

关键词：股票指数跳跃行为 ARJI模型风险预警

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

股票指数

财务与会计 2007年第14期 18-18页

股票据数是衡量和反应所选择的一组股票的价格变动指标。不同的股票市场有不同的股票指数,同一股票市场也可以有多个股票指数。不同股票指数的区别主要在于其具体的编制方法不同,即具体的抽样和计算方法不同。一般而言,在编制股票指数时... 详细信息

股票据数是衡量和反应所选择的一组股票的价格变动指标。不同的股票市场有不同的股票指数,同一股票市场也可以有多个股票指数。不同股票指数的区别主要在于其具体的编制方法不同,即具体的抽样和计算方法不同。一般而言,在编制股票指数时,首先需要从所有上市股票中选取一定数量的样本股票。在选择样本股票时,通常选择那些价格变

关键词：股票指数股市证券市场价格变动