股票市场发展

摘要： 股票市场发展与经济增长的相关性是经济增长理论中的重要领域,深入分析二者之间的关系,揭示股票市场对经济增长的作用,是客观认识股票市场在国民经济中的重要地位、维护股票市场健康发展的重要前提.英国是现代金融的发源地,其发展特点值得我们研究学习.2016年的"脱欧"公投给英国金融市场带来重大影响,以此为时间节点,可分段查找经济增长与股票市场发展之间互动影响的前后不同.公投前,英国股市波动与经济增长之间存在双向负因果关系,股市稳定能够促进经济增长,同时经济增长也促进了股市的稳定发展;股市资本化率与经济增长之间仅存在单向因果关系,同时股票实际价值交易比率与经济增长之间没有显著关系.公投后,经济增长与股市规模双向显著正相关,经济增长单向促进股市波动.

摘要： 近年来,我国股票市场的快速发展已经逐渐成为影响我国货币需求以及货币政策的重要因素。本文从货币需求出发,就我国股票市场的发展对货币需求的影响进行了研究,发现股票市场的发展在短期内会增加对M1的需求,减少M2的需求,长期对M1、M2的需求均减少且股票市场对货币需求的影响具有不对称性。研究建议中国人民银行应适度关注股票市场的发展对货币需求和货币政策的影响,预防泡沫经济,促进我国经济的稳健发展。

摘要： 6月17日,证监会就修订《上市公司重大资产重组管理办法》向社会公开征求意见,包括：完善重组上市认定标准;完善配套监管措施,抑制投机＂炒壳＂;按照全面监管原则,强化中介机构责任,加大问责力度。从该办法制定和修订的过程看＂,借壳＂上市规则随市场发展而不断完善,尤其是这次短期内再次修订该办法,进一步体现出收紧趋严的特征。

摘要： 基于既有的金融优势以及内地的"保驾护航",香港的金融中心地位很难被取代,但其竞争力下降仍值得反思。当前内地深化金融改革,包括与人民币国际化有关的改革,为香港提供了非常多的机会,这对香港金融市场发展而言具有很大利好。比如,深化金融改革必然会给中国内地的资产资本化带来新的提升。近年来,内地资金不少都流向房地产等有形资产领域。随着内地金融改革的深化,人们对金融的信任度自然会

摘要： 香港若想保持竞争力,必须着重考虑如何修补缺点,大力发展债券市场、大宗商品市场,加快建设全面、多元化的国际金融市场体系,不断拓展金融市场的深度和广度。

摘要： 本文首先对我国股票市场发展对产业结构升级“质”和“量”两个方面的促进作用进行了分析,然后以1992-2013年的数据对我国A股市场与产业结构升级的关系进行了实证研究.结果表明,A股市场的发展与对产业结构升级有着长期的促进作用,但作用并不明显.因此,从促进产业结构升级的角度对我国股票市场的发展提出相关建议.

摘要： 改革开放以来，我国的经济水平获得了长足发展，我国金融也在稳步发展，金融与经济二者在发展中必然存在某种关系。经济的发展是多方面的，而金融的发展主要包括金融中介发展和股票市场发展两部分，分析中国经济发展与金融发展之间的关系需要从金融中介发展和经济发展的关系以及股票市场发展和经济发展之间的关系两个方面进行分析，本文就中国金融发展和经济增长关系进行实证研究。

摘要： 在推进"一带一路"战略的背景下,发展香港离岸人民币金融市场,可以激发海外市场持有人民币的动机,促进人民币在海外实现良性循环,从而平稳推进人民币国际化进程。在当前的国际环境下,推动人民币国际化的重要条件之一,就是要让人民币在离岸市场连续流动和交易起来,建立起完善的离岸循环机制,包括流出、流通和回流环节。"一带一路"战略的推

摘要： 正与近几十年来中国经济社会整体"改革"的主旋律一样,中国的金融体系从未放慢过改革的步伐,反而是作为实体经济发展的助推器,在20世纪80年代后期突然加速,成为彼时以来中国改革浪潮的最大特色。按照学者谢平同志的总结,20世纪80年代初以来,在中国共发生了四轮有代表性的金融改革,当然,还有更多的学者会继续探讨这个话题,更多轮次的金融改革也必将接踵到来。但接下来的改革之路到底怎么走?则需要更加全

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： 本发明公开了一种基于深度强化学习的股票市场量化交易系统及算法，所述量化交易系统包括Agent，所述Agent采用LSTM网络构造而成，其输入包括股票市场的当前时刻t的当前状态st、记录有历史数据间的时间关联的LSTM网络中的隐藏状态ht‑1和上一时刻t‑1的决策at‑1，其输出当前时刻的决策at。本发明采用LSTM递归神经网络构造交易系统的Agent，大型LSTM模型具有高度表示特征的能力，可以学习到丰富的时间特征表示，基于LSTM网络的Agent可以挖掘股票数据中的时序模式并且记忆历史行为，能够解决现有技术中将现有量化交易作为决策问题处理时产生的金融信号表征的问题和最优动作执行的问题。