股票价格

摘要： 如果把股票价格图表看成图像,则可以使用深度学习神经网络(DLNN)进行图像建模。DLNN可以模仿技术分析师的工作,通过价格图表和股票基本面(如市盈率)预测短期股价波动。本文运用2014—2019年A股股票数据进行研究,结果发现在我国股票市场价格的预测中,深度学习模型比单层模型表现更好。DLNN能够提供可定制的统计工具,有效分析价格图表。

摘要： 近几年房地产行业发展一直是我国社会关注的焦点,由于房地产上市公司财务信息与股价的相关性研究对提高企业资源配置效率、引导投资者正确决策以及对推动我国股市和房地产行业的规范运行都有重大的意义。为此,本文选取2013年至2017年沪深板块房地产上市公司财务数据,建立Logistic回归模型进行实证分析。分析结果表明:销售净利率、存货周转率、利润总额增长率都与房地产上市公司的股票开盘价之间呈现显著的正相关性,对股价产生正相关的影响。在此基础上本文从重视盈利能力、合理配置资产、加强内部控制等方面对房地产上市公司优化影响股价因素及经营管理提出相应的建议。

摘要： 大厂们正从盲目扩张到逐渐调整业务线,增速趋于平缓。这带来行业瓶颈期阵痛的过程,或许也是引导行业从狂热回归冷静的过程。长期以来,以阿里、腾讯、亚马逊、微软等为代表的互联网大公司,在一路高歌猛进后,产业规模不断扩大,商业模式不断细分,股票价格水涨船高。中美互联网巨头的发展路径,折射出两个国家互联网产业的内在逻辑,区别很大,但共通之处亦有很多。

摘要： 媒体关注作为资本市场的一种外部机制受到广泛讨论,其信息中介作用会产生“信息效应”,媒体立场偏差会带来“炒作效应”。以2012—2019年A股市场进行股权或债券融资的上市公司为样本,通过研究媒体关注在股权融资不同时期的表现和经济后果,对这两种效应进行区分和分别检验。研究发现,相比债券融资的公司,股权融资的公司在融资前具有更高的媒体关注度。在股权融资期,媒体关注度越高,股票发行折价率越低,公司市场绩效越好。融资期存在异常媒体关注的样本中,融资后市场绩效反转,媒体关注发挥了“炒作效应”;在剩余样本中,融资后市场绩效未出现反转,媒体关注发挥了“信息效应”。研究揭示了媒体关注的双面性,据此提出政府和相关机构应进一步完善相关法律法规,促进上市公司信息披露及时有效,约束媒体报道偏差行为;资本市场参与者应拓宽资讯获取来源,减少非理性的跟风投资行为;监管机构应提高对相关违规行为的处罚力度。

摘要： 以2007至2019年中国A股上市公司为研究对象,运用因子分析法构造了反映盈余质量的综合指数,并对综合盈余质量的价值相关性进行实证检验。结果发现,综合盈余质量对股票价格有显著的正向影响。盈余质量具有增量信息含量。提高盈余质量,有助于提升股票价格或公司价值。投资者在投资决策时应充分考虑盈余质量因素,政府部门、企业经营管理者都应努力提高盈余质量。

摘要： 文章通过主成分分析法构建情绪指数体系。在通过ADF检验后,文章构建了VAR模型,具体探究投资者情绪与沪深300指数收盘价的相互影响关系,并通过Granger因果检验研究其中情绪与价格之间的因果关系,最后进行脉冲响应分析,进一步研究投资者情绪和收盘价之间长期的相互影响效应。

摘要： 针对当前股票交易价格模型动荡性、高冗余及高噪音等问题,建立了基于人工智能算法的新的预测模型,利用RBM结构深度神经网络学习算法提取原始特征向量及内在信息,实践证实该预测模型具有较高的计算精度,且能够促进预测模型学习非线性关系能力的提升,可实现对股票价格波动规律的精准预测,在股票涨跌投资判断中具有一定的参考价值。

摘要： 目前我国城市商业银行规模体量庞大,该板块市值稳定关乎金融稳定大局,而作为其龙头的北京银行发挥着行业标杆导向作用,故有必要对其股价进行预判,与实际股价进行比较,从而发现是否有突发重大风险,提前布局应急处置机制,启动相应市值管理预案。深度神经网络模型中的LSTM对有记忆性的数据的预测有较好的拟合效果,本文运用LSTM模型对北京银行的股价进行建模分析,研究发现其当前股价对一周内的行情数据高度敏感,究其原因是其股票价格已长期稳定地反映了自身价值,短期冲击影响在股价变动中会起主导作用。市值管理机构和管理层在日常监管过程中应着重关注其短期波动与模型预测值的偏离是否达到预警级别,防范化解重大金融风险。

摘要： 春天的时候,我们搬进了新家。新邻居是一对年轻夫妇,年龄与我们相仿,孩子恰巧也在同一个学校,所以本着跟新邻居处好关系的目的,我时常会带着儿子去邻居家串门。但是每次去我看到的场景几乎都差不多:男主人坐在电脑前,紧盯着屏幕上股票价格的起起伏伏,不时喝上一口咖啡;女主人则像只陀螺一样忙前忙后,洗衣做饭擦地,几乎没有闲下来的时候;而他们的孩子,总是一个人坐在客厅里玩玩具,时不时瞄一眼电视里的动画片。

摘要： 以2020年沪深A股上市公司为样本,探讨在重大突发公共卫生事件暴发后企业捐赠对股票价格的影响,并分别从公司自身性质(产权性质、行业性质)、内部特征(内部控制质量、信息披露质量)、外部环境(产品市场竞争、所在地区疫情严重程度)三个维度研究捐赠发挥的作用效果是否会因企业异质性而存在显著差异。实证结果显示,在重大突发公共卫生事件背景下,企业捐赠对股票价格有显著正向影响。进一步研究发现,此关系会受到企业异质性的影响。具体而言,国有企业、受疫情负面影响严重行业的企业、内部控制质量低的企业、信息披露质量低的企业、疫情严重地区所在企业、产品市场竞争度高的企业,捐赠对股价的提升作用不显著。

摘要： 本文运用VAR-Asymmetric-BEKK模型，以中证内地新能源主题指数的日收盘价与伦敦国际石油交易所的布伦特原油期货当月连续合约的日收盘价为指标变量，以2009年1月5日至2015年6月30日为样本区间，将未去除我国整体股市行情因素的模型与去除我国整体股市行情因素的模型做对比，重点研究了国际原油价格对我国新能源行业股票价格的波动溢出效应。结果表明，国际原油价格波动对我国新能源行业股票价格波动有显著的溢出效应，且两者的波动强弱变化一致。这说明我国新能源行业受国际原油期货价格的影响较大，国家应该密切关注国际原油期货价格的波动，为新能源行业的发展制定相应的应对策略。国际原油价格波动对我国新能源行业股票价格波动不存在非对称效应，国际原油市场的利空消息并不比利好消息对我国新能源行业的冲击更大。

摘要： 当前各种理论对于股票与房地产二者价格之间相互影响的程度存在一定分歧,一方面意见认为房地产价格对股票价格的影响很大,而股票价格对房地产价格的影响较小.另一派认为股票价格对房地产也会产生显著影响.本文通过定性和定量对二者价格的相互影响作出分析. 不论是股票还是房地产市场，对于宏观经济发展都具有较大影响，且两者之间也存在着一定程度的相互影响。当房地产市场价格变化时，股票市场价格随之产生显著变化。反之，当股票市场价格变化时，房地产市场的波动并不明显。根据历史也可以看出，一旦两者价格发生波动，对市场经济造成的影响巨大。因此，维持股票价格与房地产价格对我国的国民经济发展至关重要。

摘要： 2008年金融危机后,金融稳定的重要性再次被重新认识.各国政府纷纷设定金融稳定局或类似机构,金融稳定已经成为各国政府重要的政策目标.作为金融稳定中两个重要目标,汇率稳定和资产价格稳定常常是相互冲突的.本文在构建基于异质性投资者的行为金融理论模型的基础上,利用我国2005年汇改以来的月度数据,运用门限协整和带有随机波动率的TVP-VAR模型,实证研究了人民币汇率与我国股票价格之间的长短期非线性动态关系.理论模型结果表明汇率与股价的联动关系依赖于众多因素,在均衡状态下汇率与股价的关系是时变的.而实证研究发现:人民币兑美元汇率与股票价格存在门限协整关系,且表现出显著的非对称动态调整特征;人民币兑美元汇率和我国股票价格的关系具有明显的时变效应.人民币兑美元汇率与我国股票价格之间的关系并不符合存量导向模型,但在2009年之前符合流量导向模型;人民币兑美元汇率与股票价格之间的关系主要取决于整体的宏观经济环境(如资本流动和汇率预期);稳定汇率的政策将可能引起国内股票市场的不稳定.结合理论模型和实证研究的结论,从最优货币政策规则角度简要阐述了我国汇率政策与货币政策的协调机制,提出为促进金融稳定,政策当局需要设定随经济形势变化的同时关注汇率稳定和资产价格稳定的前瞻性货币政策规则.

摘要： 文章将误差校正方法引入股票价格预测研究中.首先采用广义自回归条件异方差预测模型(GARCH)对股价进行初步预测;然后引入回归模型分析和拟合GARCH残差序列未被解释的部分,并对未来的残差进行预测;最后利用误差预测值对股价初步预测值进行校正,得到校正后的股价预测值.上证指数的样本数据的算例分析表明,与校正前的预测精度相比,校正后的预测精度有显著提高,进而验证了该模型的有效性.

摘要： 本文以2009-2012年16个季度的所有A股非金融类上市公司为样本,实证检验了机构投资者是否存在利用媒体报道来获取超额收益的潜在动机.研究发现:(1)媒体报道对股票价格的影响符合"注意力驱动效应",即媒体报道数量与股票超额收益显著正相关;(2)机构投资者会利用媒体报道的这一效应来获取股票超额收益,即机构投资者存在着利用媒体来制造信息噪音以引导市场热点的短期炒作行为,进而验证了"积极的媒体管理"假说;(3)机构投资者的媒体管理行为会加剧短期股价波动,带来股价崩盘风险.本文的研究将机构投资者行为和媒体报道进行了有机结合,拓展了相关领域的研究文献,研究结论也为如何进一步规范机构投资者行为和媒体报道提供了经验证据.

摘要： 本文以我国沪市A股上市公司和美国纽约证券交易所上市公司为样本,研究并购商誉的价值相关性.结果表明,中美上市公司并购商誉均具有价值相关性,且相对于其他影响股价变动的因素来说,并购商誉具有更高的信息含量.同时,与我国上市公司相比,美国上市公司并购商誉与公司股价的相关关系更加显著.本文还验证了并购商誉的价值相关性具有时效性,即只有近期并购活动产生的商誉才与股价具有相关性.说明并购商誉信息对投资者决策产生影响,企业应合理核算并及时披露并购商誉信息.

摘要： 本文以我国沪市A股上市公司和美国纽约证券交易所上市公司为样本,研究并购商誉的价值相关性.结果表明,中美上市公司并购商誉均具有价值相关性,且相对于其他影响股价变动的因素来说,并购商誉具有更高的信息含量.同时,与我国上市公司相比,美国上市公司并购商誉与公司股价的相关关系更加显著.本文还验证了并购商誉的价值相关性具有时效性,即只有近期并购活动产生的商誉才与股价具有相关性.说明并购商誉信息对投资者决策产生影响,企业应合理核算并及时披露并购商誉信息.

摘要： 本文以我国沪市A股上市公司和美国纽约证券交易所上市公司为样本,研究并购商誉的价值相关性.结果表明,中美上市公司并购商誉均具有价值相关性,且相对于其他影响股价变动的因素来说,并购商誉具有更高的信息含量.同时,与我国上市公司相比,美国上市公司并购商誉与公司股价的相关关系更加显著.本文还验证了并购商誉的价值相关性具有时效性,即只有近期并购活动产生的商誉才与股价具有相关性.说明并购商誉信息对投资者决策产生影响,企业应合理核算并及时披露并购商誉信息.

摘要： 本文以我国沪市A股上市公司和美国纽约证券交易所上市公司为样本,研究并购商誉的价值相关性.结果表明,中美上市公司并购商誉均具有价值相关性,且相对于其他影响股价变动的因素来说,并购商誉具有更高的信息含量.同时,与我国上市公司相比,美国上市公司并购商誉与公司股价的相关关系更加显著.本文还验证了并购商誉的价值相关性具有时效性,即只有近期并购活动产生的商誉才与股价具有相关性.说明并购商誉信息对投资者决策产生影响,企业应合理核算并及时披露并购商誉信息.

摘要： 本文以我国沪市A股上市公司和美国纽约证券交易所上市公司为样本,研究并购商誉的价值相关性.结果表明,中美上市公司并购商誉均具有价值相关性,且相对于其他影响股价变动的因素来说,并购商誉具有更高的信息含量.同时,与我国上市公司相比,美国上市公司并购商誉与公司股价的相关关系更加显著.本文还验证了并购商誉的价值相关性具有时效性,即只有近期并购活动产生的商誉才与股价具有相关性.说明并购商誉信息对投资者决策产生影响,企业应合理核算并及时披露并购商誉信息.

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。