股票指数

摘要： 选取2002年1月到2020年2月的月度数据,建立SVAR模型并通过脉冲响应函数的方法实证分析了原油供求、原油期货、股票指数和美元汇率对国际原油价格波动的影响。结果表明,自2002年以来原油期货、股票指数和美元汇率这三类金融因素对国际原油价格波动影响较大,引起的原油价格波动更为强烈。最后,对国内应对国际油价剧烈波动提出了三点建议。

摘要： 一、引言商业银行结构化存款是金融市场上一类重要的创新产品,其产品种类繁多,支付结构复杂,本文选择具备二元期权收益特征的结构化存款产品为研究对象,测算投资者不同收益率的获取概率以及预期收益,讨论结构化存款产品风险收益特征,文章通过分析过程和结构对商业银行、投资者有参考意义。此类结构化存款通常以股票指数、汇率、黄金期货为标的资产,商业银行依据标的资产价格涨跌、标的资产波幅、两类标的资产相对表现好坏等,将标的表现区分为两种情况.

摘要： 由于股指波动率具有非平稳、高嘈杂、非线性等特征,而传统的预测模型在建模时要求数据平稳、线性或近似线性,所以很难精准预测股指波动率。为提高股指波动率的预测效果,采用经验模态分解(EMD)、样本熵(SE)和长短期记忆网络(LSTM)构建的模型对股指日内已实现波动率进行预测。以中证500指数为例,经过EMD分解得到一系列分量,再根据分量的样本熵大小进行重构,最后利用LSTM对重构后的各序列进行预测。结果表明,EMD算法对LSTM模型的预测精度有很大的提升,相较于传统模型,EMD-SE-LSTM模型在预测股指波动率时精度更高,拟合优度更好。

摘要： 通过派许加权指数对碳中和概念样本股进行股票指数构建,通过对历史区间内总体及区域指数数据的走势变动,探究碳中和相关碳交易市场前景。结果表明碳中和49指数除2020年初疫情致使全球经济下行,近两年总体呈向上良好走势,“双碳”政策加持推动碳中和概念股发展。

摘要： 目的 研究"一带一路"沿线主要国家金融市场间的相关结构并度量其传染风险.方法 选取中国和其他4个沿线主要国家的股指市场收益率数据,构建M-Copula函数刻画股指市场间的相关结构,运用Monte Carlo模拟方法度量不同资产组合的风险价值.结果 股指市场间具有较强的下尾相关性和不对称性.相对于中国、印度和新加坡市场,日本市场的风险较大,俄罗斯市场的风险较小.在同一置信水平下,选择资产组合会降低投资者的投资风险.结论 M-Copula函数模型能较好地描述股指市场的相关结构,并在投资组合决策时为投资者提供参考.

摘要： 新冠疫情的到来使我国股票市场环境发生了较大变化,不确定因素的增加、投资者偏好和预期的改变、企业生产困难的增加等都影响着股票市场的波动。科创板作为我国股票市场的新兴力量,有其独特的优点,在应对疫情时表现出自身的优势。本文以科创板股票作为研究对象,构建简易股票指数,对疫情前和疫情期间的股指波动率做比较分析。希望对证券市场的投资者和相关政策制定者应对疫情的出现有所帮助。

摘要： 艺术品投资圈内有这样一句话:"买房涨10年,买画富3代,你养画10年,画养你3代。你买房涨10倍,人家买画涨了1000倍。"在过去的30年,标准普尔500(记录美国500家上市公司的股票指数,其覆盖的都是在美国主要交易所交易的上市公司)增长了930%,金字塔顶端之2%的艺术品回报率达到1560%,艺术品投资回报远超股市和房地产。

摘要： 在世界各地,风向正在转变。中国国家主席习近平宣布到2060年将中国净碳排放量降至零的目标。在乔·拜登就任总统后,美国将重新加入5年前通过的《巴黎协议》。在金融市场,清洁能源公司成为风向标。2020年12月,特斯拉公司加入美国标准普尔500股票指数——成为其最大的成员之一。

摘要： 中办、国办印发深化生态保护补偿制度改革意见近日,中共中央办公厅、国务院办公厅印发了《关于深化生态保护补偿制度改革的意见》(以下简称《意见》)。《意见》指出,要加快健全有效市场和有为政府更好结合、分类补偿与综合补偿统筹兼顾、纵向补偿与横向补偿协调推进、强化激励与硬化约束协同发力的生态保护补偿制度。《意见》提出,要研究发展基于水权、排污权、碳排放权等各类资源环境权益的融资工具,建立绿色股票指数,发展碳排放权期货交易。

摘要： 股指是投资者用来规避股市风险的工具,为了对金融股指进行有效预测,采用了一种基于经验模态分解(EMD)和长短期记忆网络(LSTM)模型的组合预测方法,对股指进行统计性描述,发现中国3个股指的波动具有明显区别,就这一特征对数据进行建模。建立传统时间序列模型及机器学习模型共7种模型,经对比研究发现:EMD-LSTM模型在预测沪深300股指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,从而分析出数据波动大小对于模型的预测效果有一定的影响,可以根据数据波动性来选择适合的股指预测模型。

摘要： 本文介绍了“A50指数侵权案”的案件背景、案情理论分析和股票指数的独创性的判断，并提出了股票指数的保护方法。

摘要： 投资市场微观行为的复杂性、投资主体对市场上各类信息的接受与反应的程度不同，对各项股票指数的心理预期不同等因素导致了投资者行为不对称;投资主体的异质性与交互性、微观行为的复杂性导致了宏观经济现象的涌动。本文应用计算实验金融方法，针对投资者行为不对称的原因与影响进行了分析，基于Agent建模方法的思想与过程结合中国股票投资市场的实际模拟分析进行了探讨。将计算实验金融方法应用到股票市场的分析中，有望对中国证券市场的改革与制度建立提供更好的政策建议。由于相关微观数据的获取较困难，没能对中国股票市场的当前情况进行实际分析是本文需改进并加以完善的地方，也是接下来继续研究的重点。结合计算实验金融方法能更深刻地认识金融市场的具体运作，更加全面地认识微观投资者的投资动机与具体决策，对金融市场上各种非常态的典型化事实及其与微观行为的内在对应关系的分析将是研究的热点。

摘要： 本文首次以非线性的形式从风险的角度来分析金融市场的风险传染问题，应用非参数分位点回归模型对世界上四个比较有影响力的股票指数进行了实证研究。本文按照时间顺序，分别分析了各国股票指数收益在样本期间内的在险价值，并且把各指数收益的在险价值都描绘于图形中，直观地反应出各国股票指数收益率在险价值在样本期间的变化，并且说明了金融风险传染是非线性的。从图形中，本文说明了世界各国的金融市场存在着风险传染效应，但风险传染的速度与金融风险的强度有关，金融风险越强，传染速度越快;金融风险越弱，传染速度越慢，而且还存在着传染的滞后性，产生国首先受到影响，进而再传染到其他国家的金融市场。而且这种风险的传染对各国金融市场的影响程度都不一样，一般来说，金融市场比较健全、制度比较完善的金融市场的影响程度较小，而对处于发展初期的金融市场的影响程度较大。由于非参数分位点回归模型本身计算的复杂性，本文对于金融市场的风险传染分析，只是依据估计结果产生的图形进行分析，并没有对估计过程所产生的系数进行检验，这一问题还需要进一步的研究。

摘要： 近年许多学者利用多重分形方法来预测金融指数变化,但多重分形谱参数与指数的关联度随着时间的推移而减弱,因而预测效果不理想.本文提出了基于加权的多重分形股指预测模型,基于该模型提出了累积多重分形谱参数权重随时间变化的算法,增强了累积多重分形谱参数与指数变化的相关性,该算法具有较好的适应性和预测效果.

摘要： 选择沪深300指数及居民现金消费支出涨跌幅为主要指标,结合居民消费价格指数(CPI)作为中间变量分析,提出两个假设.主要运用ADF检验、VAR模型、格兰杰因果关系检验来对股票价格波动与居民消费的关系之间的关系进行探索.而股票投资主体为城镇居民,故本文将研究对象分为城镇居民和农村居民,进行交叉对比分析.实证结果表明,城镇居民现金消费与股票价格波动存在联动关系和因果关系,农村居民现金消费与股票价格波动不存在明显联动关系和因果关系.

摘要： 选择沪深300指数及居民现金消费支出涨跌幅为主要指标,结合居民消费价格指数(CPI)作为中间变量分析,提出两个假设.主要运用ADF检验、VAR模型、格兰杰因果关系检验来对股票价格波动与居民消费的关系之间的关系进行探索.而股票投资主体为城镇居民,故本文将研究对象分为城镇居民和农村居民,进行交叉对比分析.实证结果表明,城镇居民现金消费与股票价格波动存在联动关系和因果关系,农村居民现金消费与股票价格波动不存在明显联动关系和因果关系.

摘要： 选择沪深300指数及居民现金消费支出涨跌幅为主要指标,结合居民消费价格指数(CPI)作为中间变量分析,提出两个假设.主要运用ADF检验、VAR模型、格兰杰因果关系检验来对股票价格波动与居民消费的关系之间的关系进行探索.而股票投资主体为城镇居民,故本文将研究对象分为城镇居民和农村居民,进行交叉对比分析.实证结果表明,城镇居民现金消费与股票价格波动存在联动关系和因果关系,农村居民现金消费与股票价格波动不存在明显联动关系和因果关系.

摘要： 选择沪深300指数及居民现金消费支出涨跌幅为主要指标,结合居民消费价格指数(CPI)作为中间变量分析,提出两个假设.主要运用ADF检验、VAR模型、格兰杰因果关系检验来对股票价格波动与居民消费的关系之间的关系进行探索.而股票投资主体为城镇居民,故本文将研究对象分为城镇居民和农村居民,进行交叉对比分析.实证结果表明,城镇居民现金消费与股票价格波动存在联动关系和因果关系,农村居民现金消费与股票价格波动不存在明显联动关系和因果关系.

摘要： 本研究在已有文献的基础上，选取QFⅡ持股指数与沪深300指数的日数据为研究对象，运用Copula方法，然后以ASV-EVT模型为边缘分布函数，首次利用定性的超额均值(MEF)和定量的峰度法相结合来确定阐值，增强了研究结论的精确性，最后研究QFⅡ和HS300两指数的相关关系具有重要意义，这既有助于深入认识价值投资的作用机理，为相关部门的政策决策制定提供参考依据，也有助于投资者树立正确投资理念和优化投资策略。

摘要： 本研究在已有文献的基础上，选取QFⅡ持股指数与沪深300指数的日数据为研究对象，运用Copula方法，然后以ASV-EVT模型为边缘分布函数，首次利用定性的超额均值(MEF)和定量的峰度法相结合来确定阐值，增强了研究结论的精确性，最后研究QFⅡ和HS300两指数的相关关系具有重要意义，这既有助于深入认识价值投资的作用机理，为相关部门的政策决策制定提供参考依据，也有助于投资者树立正确投资理念和优化投资策略。

摘要： 本发明公开了一种基于TrellisNet和注意力机制的新闻驱动股票指数预测方法,包括步骤如下：获取相关股票指数的历史新闻数据和交易数据；将非结构化新闻数据转换为结构化的情感指数数据；将结构化的新闻情感指数数据与股票指数交易数据按照交易日期进行数据融合，并进行归一化处理，构造数据集；构建TrellisNet和注意力机制神经网络预测模型，并利用测试数据集对预测模型进行测试修正；将待预测日的新闻情感指数数据和待预测日前一日的股票指数数据作为输入，用训练好的预测模型进行预测，得到待预测股票指数的涨跌情况。本发明通过对相关指数新闻的情感进行量化分析，能提高股票指数的预测准确度，预测股票指数的未来趋势。

摘要： 本发明属于模式识别技术领域，提供了一种基于CEEMD‑GRU模型的股票指数预测系统，具有模型存储部、预处理部和结果预测部，模型存储部存储有CEEMD‑GRU模型，预处理部能够通过对原始股票数据进行预处理，能够提高数据质量，保障模型训练过程的顺利和最终的拟合效果，结果预测部能够得到得到股票指数预测结果。在CEEMD‑GRU模型的训练过程中将处理后的数据通过CEEMD算法模态分解后，将分量给各个独立的GRU模型进行训练和迭代，能够使用GRU模型对不同时间尺度特征独立的进行学习，保障了对不同特征学习效果，从而实现对原始数据特征的整体把握和学习的目的。

摘要： 本发明公开了一种用于股票指数预测的数据增强深度学习方法，包括如下步骤：a、构建嵌套式门控循环单元，所述的嵌套式门控循环单元包括重置模块、更新门、当前记忆模块和输出模块；b、获取股票指数的日间数据并进行预处理，将预处理后的股票指数的日间数据按照不同时间间隔排列，利用真实的股票指数数据进行映射得到增强后的新数据；c、将增强后的新数据输入由嵌套式门控循环单元组成的循环层，再将循环层的输出结果输入至全连接层中，利用全连接层对输出结果所包含的信息进行提取和融合，得到股票指数结果。本发明可以在股票指数的日间预测中具有更高的回归精度，提升了回测效果。

摘要： 本发明公开了基于多任务最小二乘支持向量机的股票指数预测方法，下载若干个股票指数的交易日行情数据并预处理，得数据集；根据多任务学习假设建立基于多任务学习最小二乘支持向量机的优化模型；通过KKT条件将基于多任务学习最小二乘支持向量机的优化模型转化为非正定线性方程组；通过Krylov‑Cholesky算法求解该线性方程组，得优化模型的解，进一步得到决策函数；将数据集分为训练样本集和测试样本集，通过训练样本集获得股票指数的预测模型，采用测试样本集测试该模型的预测精度和鲁棒性，并与已有方法作对比。该方法能够考虑子任务之间的内在联系，提高了股票指数的预测精度，同时获得较强的鲁棒性。

摘要： 本发明涉及一种基于自适应特征提取的股票指数预测方法，包括：S1：获取股票指数数据，得到每日的开盘价、最低价、最高价、收盘价和成交量；S2：计算由金融经济专家提出的人工指标值；S3：构造样本特征及样本标签，将所有样本划分为训练集、验证集和测试集；S4：对样本进行自适应特征提取；S5：将自适应提取特征与S2计算的人工指标一起输入基于因子机的神经网络预测模型中，并输出预测结果。本发明通过自适应提取股票指数的特征，且提取方法简单、解释性强；使用基于因子机的神经网络作为预测模型，它不仅能够学习到特征之间的交互作用、具备非线性的表达能力，还具有线性复杂度；可有效提高股票指数预测技术的准确率。

摘要： 一种量子神经网络的股票指数价格预测方法，基于“主要集合经验模态分解算法”，即PEEMD算法,包括数据输入模块、数据预处理模块、数据转化模块、数据训练及预测模块、数据重构模块。数据输入模块用于获取股票指数的最新交易数据，数据预处理模块用于对数据进行分解，数据转化模块用于将原始数据转化为“量子态”数据，数据训练及预测模块用于将“量子态”数据进行训练预测，数据重构模块用于重构所述数据的预测结果。本发明先利用PEEMD算法对原始数据进行预处理，将非平稳的时序数据分解为多个不同频率的近似平稳数据并剔除其中的高频分量，只对中低频分量通过量子神经网络进行仿真预测，最后将各个仿真结果进行重构得到最终预测结果，从而有效提高模型的预测性能。

摘要： 本发明提供的股票指数计算方法、装置、设备及介质，属于股指技术领域。该股票指数计算方法通过根据每支预选样本的主营业务类型确定每支所述预选样本是否涉海以及确定其所属海洋产业；根据所述主营业务中涉海类业务收入占所述主营业务收入比重确定每支所述预选样本所对应的海洋属性系数；根据所述海洋属性系数从所述预选样本中确定多支股票样本；根据每支所述股票样本所对应的所述海洋属性系数确定基期市值与报告期样本股调整市值；根据每支所述股票样本所对应的所述基期市值与所述报告期样本股调整市值确定报告期指数，从而通过海洋属性系数凸显海洋产业特色，使得报告期指数更加精确，进而实现准确跟踪海洋经济发展趋势。

摘要： 本发明涉及一种基于俯视角可视图算法的股票指数极端值预测方法。本发明方法包括：极端值定义模块，可视图网络构建模块和完全不可视图网络构建模块，考虑权重的可视图网络构建模块和不可视图网络构建模块，极端值预测指标构建模块，评价指标构造模块。本发明方法针对使用可视图算法将时间序列映射到复杂网络中的缺陷进行了改良，改良之后的方法对金融时间序列中的极端值进行预测，改良之后的方法预测效果更佳。本发明方法通过基于俯视角的加权可视图算法，在将时间序列映射到复杂网络过程中保留了更多的细节信息；通过基于邻居社群的可视图算法，减弱了观测节点受到邻近节点的影响。

摘要： 本发明公开了一种股票指数的最优加权方法及系统，所述方法包括：根据股票成份和/或组合股价信息，构建含定价风险的股票预期收益率模型；根据市值加权指数和非市值加权指数构建加权指数预期收益率模型；从数据库调取样本数据，供所述加权指数预期收益率模型训练，以确定最佳的加权检验窗口；样本外数据按照确定的检验窗口确认选取采用的加权方式。本发明还提供了一种股票指数的最优加权方系统。不同加权方式都有存在的价值，在不同期间应该使用不同的加权方式，本发明通过配置模型给出最优加权方式，进而提高股票的投资收益率，让高净值客户获取更好的收益回报。

摘要： 本发明公开了一种基于EDM算法和BP神经网络的股票指数期货价格预测方法，包括数据输入模块、数据预处理模块以及数据预测模块，所述数据输入模块用于输入钱股票指数期货价格，所述数据预处理模块用于对所述数据输入模块输入的数据进行信号转化以及分解处理，所述数据预测模块用于对股指期货每日收盘价进行预测。本发明通过EDM算法中运用物理学理论方法，将复杂的信号进行平稳化处理，其结果是将初始的复杂信号中不同尺度的波动或趋势逐级分解成一系列有限个具有不同特征尺度的序列，每一个序列即为一个本征模函数分量，且每一个本征模函数分量所包含的频率成分不仅与分析频率有关而且最重要的是随信号自身的变化而变化，从而达到预测效果。