中国股票市场

摘要： 对股票市场有效性的研究一直都是金融市场领域的重点。本文选取2011年至2020年共十年的沪深300指数(399300)周频日收盘价序列作为原始数据,以沪深300指数的对数收益率为研究对象,对中国股市有效性进行探究,检验结果表明我国股票市场已达到弱有效性市场。

摘要： 本文旨在检验中国股票市场横截面收益的可预测性。我们选取了15个公司层面的特征指标作为变量,现有文献已经发现这些指标在美国股票市场上具有预测横截面股票收益的能力。我们检验这些变量在中国股票市场是否可以用来预测股票收益,样本的时间区间为1996~2015年。我们发现这些变量在中国股票市场对股票横截面收益的预测能力是相对较弱的。我们对中国股票市场的弱可预测性提出了两种可能的解释:其一,可能是收益预测因子在中国股票市场中的同质性比在美国股票市场中更强;其二,在中国股票市场中股票价格的无效率程度比较高。两种解释我们都找到了实证依据来支撑。

摘要： 本论文创新性地提供了一种从公开的交易数据中识别出散户投资者的简单算法。基于此算法,论文研究发现,发达国家(如美国)的散户投资者显示出一定的选股能力,能够正确预期将来股票的走势。论文对发达国家的散户投资者文献作出了原创性的贡献,同时对中国股票市场的未来发展也具有重要的借鉴意义。

摘要： 通过对上证指数和深成指数2010—2019年收益率情况的总结,分析我国近十年的股票市场季节性特征,并运用功效系数法对收益率进行处理.通过分析可得,我国股票市场1月份效应仍然显著,且股票市场呈现弱有效性这一特征没有改变;但与以往研究不同,我国股市在2月、10月、12月收益率上升明显.此外,通过政策、信息等多个方面来分析季节性特征背后的成因,并建议投资者在每年1月份、10月份进行投资.

摘要： 本文旨在探讨突发事件对中国股市收益率的影响,选取上证指数、深证成指、沪深300指数代表中国股票市场走势,运用在GARCH簇模型下的异常值检验方法来量化突发事件的发生,通过在GARCH簇模型基础上建立了广义可加性异常扰动(GAO)诊断修正方法,从而对突发事件与中国股票市场之间的相互作用进行实证分析.结论如下:上证、沪深300和深成指数都存在自回归效应以及波动聚集效应和非对称效应,只有深证成指的非对称效应明显;以异常扰动作为突发事件的显示是合理的;三大股指受到突发事件冲击时收益率衰减,波动率被放大,其中沪深300受到冲击后收益率衰减更快;考虑突发事件后的模型拟合能力较未考虑突发事件模型拟合能力的更强.

摘要： 利用历史累积交易金额数据,本文构造了中国股票市场增量注意风险补偿和存量注意风险补偿,并检验其对中国股票市场收益率的预测能力.样本外检验结果显示,以上两种注意风险补偿均能显著预测下个月中国股市的超额收益率,其R2分别达到了2.68％和2.50％;与中国股票市场中其他预测变量相对比,增量注意和存量注意风险补偿表现出更强的预测能力.此外,基于不同的样本外检验期、不同的风险厌恶参数以及五种不同的变量构造方式,投资者注意风险补偿均产生显著的预测能力.围绕着经济周期波动,本文对注意风险补偿的预测能力进行了解释,同时还发现,相较于经济衰退期间,经济繁荣期间的投资者注意风险补偿样本外预测能力更强.

摘要： 中国股票市场发展至今,经历了无数的变革,而有关价值投资理论在中国股票市场的实用性出现了褒贬不一的观点。文章以2014年5月至2021年5月在上海证券交易所和深圳证券交易所上市的除金融行业外的全部A股公司为研究对象,通过量化分析构建价值投资策略来论证价值投资不仅适用于中国股票市场,而且能在我国股票市场中获得很好的投资回报。

摘要： 股票指数涨跌受哪些因素的影响一直以来都是很多学者研究的热门方向,本文密切结合中国股票市场的实际情况,跟踪中小板指数涨跌变化与资金变化,选取主力净流入,超大单净流入,大单净流入,中单净流入,小单净流入五个指标进行研究,研究各个指标与股票指数涨跌幅之间的关系,这对于投资者树立正确的投资理念、选择正确的投资策略都有重要的现实意义和指导作用。

摘要： 我们采用Brenner and Izhakian(2018)基于期望效用模型(EUUP)构建的实证模糊性指标,分析了上证综指代表的中国股票市场中风险、模糊性和股市收益率的关系.研究发现,基于月度数据,模糊性在中国股市中被定价,并且其对于风险资产收益率的解释效果远优于风险.市场模糊性溢价水平和市场有利概率有密切关系,实证结果和已有行为研究的发现以及理论预期相符.中国股市的有利概率临界概率点约为45％,略低于美国股市,表明中国投资者对模糊性更加担忧,要求的模糊性溢价更高.依据对实证数据的进一步分析,我们发现EUUP构建的模糊性测度面临两个潜在问题,并对其进行了讨论和提出了建议.同时发现本文模糊性指标和中国经济政策不确定性指标存在正相关关系,但与具体政策领域的不确定性指标不具有相关关系.

摘要： 本文运用GARCH-M模型实证检验了中国股票市场波动性与交易量之间的关系.与其他人的研究结论一致,中国股票市场波动性与交易量存在正相关关系.我们将交易量分解为预期交易量和非预期交易量进行检验表明,非预期交易量对股市波动的解释能力要比预期交易量的解释能力更重要,即中国股票市场的短期波动主要由非预期交易量所隐含的新信息的冲击产生的.另外,中国股票市场符合国际上研究量价关系的混合分布假说(MDH)理论,交易量所替代的信息流是引起股市波动的根源.

摘要： 由于交易时间上的不对称，本文采用非对称性调整方法对上证指数进行了滞后1期的调整，在此基础上，对非对称性调整前后的数据分别采用了Granger因果关系检验、向量自回归（VAR）模型、脉冲响应函数（IRF）、预测误差方差分解（FEVD）的方法以及MGARCH-BEKK(1,1)模型对纽约商业交易所（NYMEX）的西德克萨斯州中质油 （简称为WTI原油）现货价格日对数收益率和上证指数日对数收益率之间的均值溢出效应和波动率溢出效应进行分析研究。研究结果表明：总体来说，两市收益率之间的溢出效应十分微弱和不稳定，但从2007年开始，这种溢出效应变得更显著，主要表现在WTI原油市场对上证指数具有“正的均值溢出效应”和“正的波动率溢出效应”。

摘要： 在信息不对称的市场环境下,公司透明度通过影响投资者的交易进而影响资本成本.本文采用二阶段多元回归方法,考察了我国上市公司的透明度截面差异对投资者交易行为的影响,及其对资本成本信息不对称成分的贡献.研究发现,我国投资者在关于股票价格和风险的交易决策时对不同透明度的公司已经具有差别行为,高透明度的公司因此有较低的信息成本和市场风险；另一方面,目前我国上市公司透明度高低对投资者在决策股票交易数量、交易速率方面的作用尚不显著,这与成熟市场的表现相异。本文从投资者交易行为的角度对上市公司透明度差异的经济后果提供了中国市场的经验证据。

摘要： 本文给出了运用三种趋势分解法得出的中国股票市场上关于12种价格系列的非线性统计检验结果.结果表明:首先,尽管第一种差别最弱,然而对数线性趋势分解的非线性影响最强.其次,上海股票市场的非线性比深圳股票市场更强.再次,1996年12月16日之后 ,所有价格系列是线性随机过程.

摘要： 本发明公开了一种基于关键股票集识别的股票市场大盘数据分析方法，其步骤是：1）收集数据，计算股票成交量之间的关联关系，构建股票关联网络；2）在股票关联网络中，以迭代的方式应用搜索算法识别关键股票集合；3）根据关键股票的价格走势，以成交量为权重计算大盘走势期望。本发明方法充分挖掘股票成交量之间的关联关系，能够根据股票市场的交易情况，准确判定处于活跃状态且具有影响力的股票，提高股票市场大盘走势预测的准确性。计算简单，具有时效性、灵活性和扩展性，可调整对历史数据的处理需求，适用于股票市场数据量大且股票交易变动频繁的情况。

摘要： 本申请提供了一种基于区块链技术发布股票市场分析信息的方法和服务器，该方法包括：接收关于主题的分析信息，在所述主题对应的区块链中创建一个新的区块，并将所述分析信息保存在所述区块中，所述分析信息包括发布者标识、分析结论和智能合约的触发时间和/或触发条件。利用区块链相关技术，对各个主题的分析信息进行了区块链存储，从而达到信息永久保存、不可篡改的目的。

摘要： 本发明公开了一种基于关键股票集识别的股票市场大盘数据分析方法，其步骤是：1）收集数据，计算股票成交量之间的关联关系，构建股票关联网络；2）在股票关联网络中，以迭代的方式应用搜索算法识别关键股票集合；3）根据关键股票的价格走势，以成交量为权重计算大盘走势期望。本发明方法充分挖掘股票成交量之间的关联关系，能够根据股票市场的交易情况，准确判定处于活跃状态且具有影响力的股票，提高股票市场大盘走势预测的准确性。计算简单，具有时效性、灵活性和扩展性，可调整对历史数据的处理需求，适用于股票市场数据量大且股票交易变动频繁的情况。

摘要： 本申请公开了一种基于指数ETF特点的股票市场预测方法、装置、终端及介质，本申请通过获取金融股票市场中目标行业板块下的股票数据与大盘因子数据，然后截取股票数据与大盘因子数据的部分时间序列，通过TOPSIS多目标优化模型进行运算，得到不同股票数据的相关性数值，按照各个股票数据的相关性数值与理想最优解间的距离及与理想最劣解间的距离，确定各个股票数据的股票评分，从而可以根据各个股票数据的股票评分确定该股票的好坏，然后根据符合ETF特点的股票有针对性地进行市场预测，保证预测效果的准确性，同时避免了传统机器学习模型预测方式因需要不断提供大量数据进行学习来保证模型准确性而造成的计算性能下降问题，保证了预测的效率。

摘要： 本发明公开了基于自适应特征工程的股票市场量化方法，将获取到的数据源进行数据清理、数据集成、数据规约、离散化处理；通过数据变换方法库，进行特征变换，经过特征选择，得到新特征输入至量化投资模型进行训练；利用机器学习，训练模型，获取评估效果，计算奖励因子，将奖励因子输入下一步骤；评估模型预测精度；更新选中概率向量，将选中概率向量归一化；在每个交易日收盘后，进行新特征构造，训练量化投资模型，量化投资模型日度预测迭代，预测股票的上涨、下跌与持平。本发明可自动化构造过程和结果可解释的特征，将结果反馈到自适应特征工程中，提升模型预测能力。

摘要： 本发明公开了一种基于MNN‑Voting模型的股票市场动态止损风险监测方法。该方法选择通过从时间角度出发，对股票市场历史交易数据进行多维度、多周期的刻画，对每一年都制定了独立的止损线，保持买卖收益率稳定。同时通过复合过滤来对市场的当前状态进行定量分析，实现对股票市场风险的监测，做出符合当前市场的趋势预测，并用来指导交易；由于其交易频率设定为日级别，与公募基金的特征匹配，提高了公募基金投资风险收益比。

摘要： 本发明提供了一种基于数据驱动的股票市场系统性崩盘时点监测方法，包括如下步骤：使用MATLAB中的Detrend函数，对股票市场指数价格时间序列进行去线性趋势处理；使用相空间重构方法对去线性趋势后的市场指数价格时间序列进行相空间重构；选定临界距离；计算LAM指标；使用非线性时间序列突变检测的启发式分割算法监测LAM值的突变时点，突变时点对应股票市场复杂系统的相变点，实现对股票市场崩盘前市场内生性结构突变时点进行精确确定。本发明具有如下优点：能够监测到市场崩盘行为的发生，可以极大减少投资者的损失，对市场管理者而言能够提前采取措施，控制股票市场崩盘事件的发生或者采取措施减少股票市场崩盘的负面效应。

摘要： 本发明公开了一种基于深度学习的股票市场风险预测智能实现方法，该方法选择通过组合浅层次的特征从而形成更加抽象的高特征表示，从而可以发现数据深层次隐含关系，通过多层的神经网络的堆叠和选择Sigmoid激活函数，可以更好地得到复合函数。本发明通过深度学习中的长短期记忆网络模型(Long Short‑Term Memory，LSTM)进行自学习自适应，根据过去历史数据的训练，从而很好地得到对未来的整体股市较为精准的预测。本发明通过组合浅层次的特征从而形成更加抽象的高特征表示，以发现数据深层次隐含关系，通过多层的神经网络的堆叠和选择合理的激活函数，可以更好地得到复合函数。本发明在RMSE、误差值以及自设计的盈利值等多个指标上都产生了很好的技术效果。

摘要： 本发明公开了一种基于大数据的股票市场的内幕交易行为的识别方法，包括以下步骤：获取公司相关数据；计算股票成交量均值的增量，若大于阈值，则计算该行业的所有股票成交量均值的增量，若小于阈值，则查询前期是否发布对外公告，计算对外公告引起的股票收盘价的波动幅度，若不超过波动阈值，则计算该上市公司的加权平均净资产收益率是否低于加权平均净资产收益率，若低于，则获取后期的上市公司的对外公告，判断是否为利好公告，若是，则计算后期股票收盘价的最大涨幅，如果大于涨幅阈值，则查询是否有与该公司的股票概念板块语义一致的信息，若没有，则该股票存在内幕交易行为。本发明具有实时监测、精准识别股票市场内幕交易行为的有益效果。

摘要： 本发明公开一种中国股票市场规模和价值指数构建方法，本发明将中国股票A股依据规模、价值等维度划分构建九个不同的指数：小规模价值、中规模价值、大规模价值、小规模混合、中规模混合、大规模混合、小规模成长、中规模成长、大规模成长，细分了A股的区块，使其更有针对性的用以指导股票市场参与者，同时，本申请中指数的样本动态变化，将排名靠后的加以剔除，使其指数保持真实。