股票价格指数

摘要： 福州大学智力资本课题组从2015年开始对我国A股上市公司进行大范围的智力资本信息采集,构建了国内外首个大样本也是目前规模最大的智力资本信息披露系列指数(ICDI)。该系列指数为开展针对特定区域内上市公司智力资本信息披露行为的长期跟踪调查提供了契机。利用福州大学智力资本信息披露指数(ICDI)对2021年福建省上市公司智力资本信息披露水平进行评价评级。主要结果表明:2021年福建省上市公司的总体智力资本信息披露水平仍然偏低;在智力资本内部,结构资本信息披露水平高于人力资本;与上年相比,人力资本信息披露指数略有上升,但结构资本信息披露指数有所下降。科创板公司的智力资本信息披露水平最高,而风险警示板公司相对最低;上市公司所处行业、IPO时间、盈利能力、财务杠杆、成长性、机构来访量、大股东增持比例、市场估值、偿债能力与经营风险都是影响上市公司智力资本信息披露行为的特征因素。共有89家上市公司获评C级及以上级别,厦门、福州与泉州入榜公司数继续居全省前三位。福建A股智力资本价值发现成分股指(ICD40指数)较为稳定地跑赢同期沪深300指数与关注盈利因子的FJ40指数,证实智力资本信息具备一定的定价能力,能够引导投资者价值发现。

摘要： 智力资本是新经济时代的战略性资源。利用福州大学智力资本信息披露指数(ICDI FZU)对2020年福建省A股上市公司智力资本信息披露的水平进行测度、评级与比较分析,并构建智力资本信息披露价值成分股票指数(ICD30股指),可考察智力资本信息在资本市场上的动态定价能力。研究表明:当前福建上市公司的智力资本信息披露水平总体不高,不同公司间的披露水平存在较大差异。上市公司对结构资本信息的披露多于人力资本信息,集中于监管政策强制性要求披露的项目,自愿性披露少。智力资本信息披露水平还与企业产权性质、财务和治理特征以及行业特征密切相关,且评级在C级及以上的公司大部分分布在厦门、福州与泉州三地。此外,ICD30股指较为稳定地跑赢沪深300指数与福建板块指数,这说明智力资本信息已经成为重要的资产定价因子。

摘要： 由于传统ARIMA模型只对数据线性部分有非常好的拟合效果,而LSTM模型对非线性数据有很好的拟合效果,基于误差补偿的思想,给出了基于小波去噪的ARIMA-LSTM混合模型,并用此模型来对我国上证指数每日收盘价格进行预测,并将预测结果与单独使用ARIMA模型和LSTM模型的预测结果进行对比,结果表明使用ARIMA-LSTM混合模型可以有效地提高股指预测的精准度.

摘要： 智力资本是新经济时代的战略性资源.利用福州大学智力资本信息披露指数(ICDIFZU)对2020年福建省A股上市公司智力资本信息披露的水平进行测度、评级与比较分析,并构建智力资本信息披露价值成分股票指数(ICD30股指),可考察智力资本信息在资本市场上的动态定价能力.研究表明:当前福建上市公司的智力资本信息披露水平总体不高,不同公司间的披露水平存在较大差异.上市公司对结构资本信息的披露多于人力资本信息,集中于监管政策强制性要求披露的项目,自愿性披露少.智力资本信息披露水平还与企业产权性质、财务和治理特征以及行业特征密切相关,且评级在C级及以上的公司大部分分布在厦门、福州与泉州三地.此外,ICD30股指较为稳定地跑赢沪深300指数与福建板块指数,这说明智力资本信息已经成为重要的资产定价因子.

摘要： 本文选取2018年3月26日至2021年4月2日,共736个交易日的数据,利用VAR模型分析了我国原油期货价格与股票价格指数的相关性.股票价格指数选取的是上证指数和证监会一级行业指数中的农林牧渔业指数、采矿业指数、制造业指数、水电煤气业指数和交运仓储业指数.研究发现,上证综指、采矿业、交运仓储业股票价格指数对我国原油期货价格均有单向引导作用.同时,我国原油期货价格与其他行业股票价格指数之间均不存在因果关系.此外,我国原油期货价格的冲击对制造业造成的影响最大,上证指数的冲击对我国原油期货价格冲击的影响最大.因此,本文提出两点建议:①我国原油期货需密切关注大盘走势及采矿业、交运仓储业发展;②制造类企业需密切关注我国原油期货市场动向.

摘要： 近期,关注能源金融与投资人士热议的一个话题是,全球石油界的标杆企业--美国埃克森美孚石油公司被移出道琼斯工业平均指数(以下简称道指)。道指是什么?它是一种代表性强、应用范围广、作用突出的股价指数,也是目前世界上影响力最大、最具有权威性的股票价格指数,是世界股市的风向标。通常人们所说的道指是指第一组--道琼斯工业平均指数(其他3组分别为道琼斯运输业股价平均指数、道琼斯公用事业股价平均指数、道琼斯股价综合平均指数),即30家著名工业公司股票的加权平均值。

摘要： 自去年下半年开始,国际货币基金组织、世界银行等国际发展机构已经多次下调今明两年世界各国的增长预期。新冠肺炎疫情在全球蔓延和石油价格的闪崩,导致美国纽约股票市场在3月份出现4次熔断,和一个月以前的最高点比,道琼斯股票价格指数已经断崖式下滑超过三分之一。

摘要： 在国内股票市场经历大起大落的现实背景下,通过构建向量自回归模型研究股票价格指数对宏观经济变量的敏感性.研究结果表明,上证综指和货币供应量、利率、居民消费价格指数之间存在长期均衡关系;另外在短期波动方面,上证综指对居民消费价格指数变动的敏感性最强,对利率变动的敏感性反应为先负后正,对货币供应量变动的敏感性反应集中在滞后前两期并且持续为正向.政策当局在调控股市时应当考虑操作目标和中介目标对股市影响的滞后效应,各调控工具之间配合使用以便实现股市的稳定发展.

摘要： 在SOM（自组织映射神经网络）和SVMs（支持向量机）的组合预测基础上，引入迭代多步预测和直接多步预测，提出能够有效的预测长期股票价格指数的新方法，以单一SVMs 作为评价基准，对中国上证综指进行了实证研究。结果表明，提出的基于SOM 和SVMs 的股票价格指数多步预测方法具有更优的长期预报性能。

摘要： 本文用灰色关联分析选取最能反映股票价格走势的技术指标，以此作为BP神经网络的输入参数，采取了BP神经网络预测股票价格指数的短期走势。实验数据表明，此模型可以提高预测的精度且计算复杂度较低。

摘要： 本文通过因子分析、聚类分析、相关分析等数理统计方法,在假定沪、深两个股票市场融合为一个市场的前提下,实证研究了编制成分股票价格指数的选股模型,使得在最大程度上利用了上市公司的财务报告以及股票价格反映出的股票波动特性,保证样本股票覆盖到现有的各个行业,同时使该选股方法能够适应未来股市发展的需要.

摘要： 为了能更有效的规避通货膨胀带来的风险，首先运用精算学的知识，构建了一种具有最低收益保障的商业养老保险精算现值模型，其中收益保障值依赖于股票价格指数和居民消费价格指数的增长情况以及二者的参考比例。在采用MC方法求解该模型时，利用Copula函数充分度量了两个指数间的相关结构，并给出了求解模型的详细步骤，从而改进了传统的MC模拟方法，最后根据历史数据，进行了实证研究及敏感性分析。

摘要： 本文首先通过构造可转债价格指数和标的股票价格指数,比较和分析了我国可转债市场整体现状.并以丰原转债为例,证实了可转债市场价格较其理论价值存在被低估的异常现象.研究发现转债与股票二者的流动性存在很大差异,在进入转股期之后可转债的流动性远不如股票,而且在时间分布上极不均匀;同时发现可转债市场的投资者存在短期投机行为.这些因素是导致可转债市场异常的重要原因.

摘要： 本发明提供了一种融合文本多主题信息的股票价格预测方法、系统及介质，包括：数据预处理步骤：获取文本数据及股票数据，对获取的文本数据及股票数据进行预处理，获得预处理后数据；模型训练步骤：根据获得的预处理后数据，对股票价格预测模型进行训练，获得训练后的模型。本发明利用多头注意力机制将文本向量映射到不同语义空间，然后提取主题信息，最后巧妙地用不同的注意力权重融合不同主题信息。此外本发明还利用编码器解码器框架将文本信息和股票价格信息有效地融入了一个统一的框架中，能动态的调整不同时间节点对股票价格预测的影响。

摘要： 本发明提出了一种股票价格的预测方法、股票价格的预测装置和存储介质，股票价格的预测方法包括：获取与目标股票相关的新闻信息；对新闻信息进行结构化处理，得到结构化新闻信息；将结构化新闻信息输入编码模型，生成信息编码；将信息编码输入预测模型，生成预测结果。本发明提供的股票价格的预测方法，通过将与目标股票相关的新闻信息进行结构化处理，得到结构化新闻信息，从而可以去除新闻信息中的无价值信息，保留有价值信息，通过预测模型，根据结构化新闻信息的信息编码实现股票价格的预测。实现了根据新闻信息对目标股票的价格进行预测的完整过程，并且通过对新闻信息的结构化处理，提高了预测结果的准确性。

摘要： 本发明公开了一种利用股票历史K线数据的相似性进行股票价格预测的方法，涉及有价证券投资信息处理领域，其包括以下步骤：步骤S1.预处理股票历史K线数据；步骤S2.计算所有股票之间的相似度，针对目标股票选出与其相似度最高的若干个股票作为相似股票；步骤S3.利用相似股票的历史K线数据进行训练得到模型；步骤S4.利用模型预测目标股票未来若干天的价格。

摘要： 本发明涉及一种结合网络舆情和相依性的股票价格预测方法，包括以下步骤：利用爬虫技术获取网络上股票的评价信息；构建并训练股票评价的CNN特征提取模型和具有多通道注意力机制的LSTM分类模型；爬取待预测价格股票的评价信息并进行情感分类；借助高斯混合Copula函数选取与待预测价格股票具有强相依性的股票；获取影响该股票收盘价的主要因素；将情感分类结果、具有强相依性的股票的上期收盘价、主要影响因素的上期数值输入到BiLSTM模型中，对待预测价格股票的本期收盘价进行预测。相比于现有方法，本发明综合考虑网络舆情、其他股票的相关信息以及影响本股票收盘价的主要因素，进一步提高了对股票收盘价预测的准确性。

摘要： 本发明提供一种股票价格预测方法及系统，其中管理方法包括：获取预设的第一时间段内的股票交易数据；解析股票交易数据，形成股票价格趋势图表；获取用户的股票价格预测指令；基于股票价格预测指令和股票交易数据，对股票价格进行预测，确定系统预测价格。本发明的股票价格预测方法，根据用户的股票价格预测指令，综合分析股票交易数据等数据，对股票价格进行预测，为用户的股票购买提供数据预测，方便用户的股票购买决策。

摘要： 本发明一方面提供了一种结合新闻大事件的多源信息股票价格预测方法，包括S1，获取新闻大事件的情感特征表示；S2，获取股民的情感特征表示；S3，获取股票价格的历史数据特征表示；S4，基于新闻大事件的情感特征表示、股民的情感特征表示、股票价格的历史数据特征表示，训练深度神经网络模型，预测未来的股票价格波动。另一方面还提供了用于实现上述方法的系统。与只采用财经新闻和股票历史数据的方法相比，本发明可显著提高股票价格的预测精度，解决股票价格预测准确度低的技术问题。

摘要： 本公开涉及一种预测股票价格和确定参数的方法、设备及存储介质，其中，预测股票价格的方法包括：获取目标日期前的历史股价时间序列；以预设滑动时间窗口处理历史股价时间序列，得到N个中间日期对应的N个历史股价序列；对每个中间日期对应的历史股价序列进行变分模态分解；根据分解序列确定第一输入序列；使用历史股价时间序列确定第二输入序列；将第一输入序列和第二输入序列作为输入，使用ELM模型输出中间日期对应的预测股价；根据通过和声搜索方法预先确定的权重系数，对N个中间日期对应的N期预测股价进行加权，得到目标日期的预测股价。该参数确定方法确定权重系数。通过该方法，提高了股票价格预测的准确率。

摘要： 本发明提出一种广义的基于多任务非对称临近支持向量机的股票价格预测方法，解决现有股市预测方法由于忽略了各股票指数间的交叉关联信息和数据集的分布特性，存在较大的局限性，导致预测精度和鲁棒性不佳的问题。该预测方法主要包括以下环节：获取若干个股票交易日行情数据并进行预处理，得到数据集；构造非对称平方ε不敏感损失函数，调节超参数使其更好地适应数据集的分布特性；根据多任务学习假设建立广义的基于多任务学习非对称临近支持向量机的股票价格预测的数学优化模型；由KKT条件，将广义的基于多任务学习非对称临近支持向量机的股票价格预测模型的原规划问题转化为对偶规划问题；求解对偶规划得到股票价格预测模型的决策函数。

摘要： 本申请涉及一种股票价格走势预测方法、系统、终端以及存储介质。所述方法包括：获取股票集合在预定天数的历史交易日的原始价格特征；构建股票集合的股权网络关系图，股权网络关系图中的每一个顶点分别对应一只股票；将股票集合的历史价格特征以及股权网络关系图输入深度学习模型，深度学习模型通过图卷积神经网络对股权网络关系图上的顶点进行特征聚合和非线性变换，提取股权网络关系图上各顶点之间的相互作用，并构建股票集合的新价格特征；将股票集合的新价格特征与原始价格特征拼接后输入门控循环神经网络，得到包含时间序列特征的新特征；根据该新特征对股票集合的股票价格走势进行预测。本申请可以大大提高股票价格走势预测的精度。

摘要： 本发明是基于遗传算法（GA）对海量股票因子进行特征选择，选出适合当前情景的最优因子组合，并采用长短时神经网络模型（LSTM）进行深度学习，实现对股票价格的高精度预测。遗传算法基于自然选择和遗传进化思想引入自适应启发式搜索机制，寻找具有大搜索空间的优化问题的近似最优解。种群繁衍过程中，借助自然遗传学的遗传算子进行组合交叉和变异，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解。长短时神经网络模型因其具有长时间记忆性被广泛运用于时序预测模型中，通过深度学习寻找股票因子与股票价格之间复杂的非线性关系能够有效提高预测精度。