上证综指
- 基于ARMA-GARCH模型的上证综指收益率研究
性检验，得出上证综指对数收益率序列存在波动聚集性且短期预测效果要优于长期的结论。关键词：上证综指;对数收益率序列;短期预测;ARMA-GARCH模型中图分类号：F832.51 文献标识码：A 文章编号：1005-6432（2023）13-0043-04DOI：10.13939/j.cnki.zgsc.2023.13.0431 引言股票市场是金融市场的重要组成部分，对推动国民经济发展和世界一体化影响重大。股票的价格每时每刻都处在变动中，股价的变动表现为市
中国市场 2023年13期2023-05-31
- 基于时间序列的上证综合指数分析及预测
序列回归来对上证综指进行拟合预测。关键词：时间序列；上证综指；ARIMA中图分类号：F224 文献标志码：A 文章编号：1673-291X（2023）07-0088-03引言在经济高速發展的社会，无论是商业活动还是金融活动大多都会采用回归分析等方式对未来做出预测，诚然，其结果却不尽如人意，误差大和不确定性因素给回归分析的预测结果蒙上了一层薄纱。而我们选取的ARIMA模型，由于它具有探讨时间序列的特征，能使其在分析经济现象的同时考虑受到
经济研究导刊 2023年7期2023-05-21
- 数字货币与传统金融资产间的多标度交互相关性研究
文选用我国的上证综指、贵金属黄金作为传统资产代表，以上证综指、黄金与数字货币的日收益率序列为研究对象，运用多标度多重分形去趋势交互相关分析（ MM-DCCA）法，在不同标度下，使用滑动窗技术，生成Hurst曲面可视化分析这三种资产两两之间的非线性动力学关系。实证结果表明，三种资产的收益率均存在多重分形特征，黄金的市场效率最强，上证综指的市场效率次之，而數字货币的市场效率最弱。此外，三种资产的交互相关性在不同标度下呈现不同的分形特征。相比较而言，黄金与数字货
商展经济·下半月 2021年6期2021-09-10
- 基于R语言的上证综指分析与预测研究
测，因此研究上证综指的每日价格是十分有必要的，这也有利于市场参与者对市场进行分析，能够更好地预测股票市场的走势。时间序列分析是股票市场波动预测的重要方法，因此文章利用R语言，选取了2017年2月3日至2019年6月30日的上证综指收盘价数据，运用了时间序列分析法构建了ARIMA模型，对上证综指进行模型的拟合，结果说明ARIMA（2，1，1）拟合程度最好，并预测了未来3年走势图。关键词：上证综指;ARIMA模型;R语言;时间序列分析上证综指是反映了上海证券交
中国集体经济 2020年21期2020-08-21
- 新上证综指下投资五要点
月22日修订上证综指编制方案。此次修订，ST、*ST等个股被彻底排除在上证综指样本范围之外，新股纳入时间延长，科创板上市證券被纳入。修订后的上证综指，对于时常关注指数走势的投资者意义重大，并对培育证券市场蓝筹股市场结构起到积极作用。投资者围绕蓝筹股投资要把握五个要点。一是新上证综指将更接近蓝筹股股票估值。应当说，发挥证券市场资源优化配置和优胜劣汰机制，积极培育蓝筹股资源，新上证指数的市场示范和引领作用重大。可以说，投资者将通过对新上证综指的指数变化，进行绩
证券市场红周刊 2020年25期2020-07-04
- 基于VAR模型的上证综指与人民币汇率中间价收益率的实证研究
对2018年上证综指与人民币汇率中间价之间的关系进行实证研究，从而得出人民币汇率中间价收益率是上证综指收益率的格兰杰原因，同时上证综指的收益率也是人民币汇率收益率的格兰杰原因，进一步刻画出它们之间相互联动的数量关系，并提出相对应的建议。关键词：上证综指;人民币汇率中间价;格兰杰原因中图分类号：F820 文献标志码：A 文章编号：1673-291X（2020）03-0058-04引言自2015年8月11日实行人民币汇改以来，人民币汇率
经济研究导刊 2020年3期2020-04-14
- 上证综指影响因素实证分析
立了一套影响上证综指的宏观经济发展指标体系，通过构建向量自回归模型进行实证分析，并且对上证综指进行预测。据模型结果，上证综指预测值虽然不是很理想，但是其趋势与真实走势还是比较一致的。最后，得出相关研究的一些启示。关键词 M1 CPI CCI PMI 上证综指 VAR模型 R语言一、上证指数介绍与分析上证综合指数（Shanghai Composite Index）是我国股市中常见的一个股票价格指数。1991年7月15日，上海证券交易所首次编制和公布上证综指，
经营者 2020年4期2020-04-10
- 基于集合经验模态分解方法的上证综指波动特征分析及预测研究
度。关键词：上证综指;股指预测;集合经验模态分解模型;BP神经网络中图分类号：F830.91文献识别码：A文章编号：1001-828X（2019）010-0319-03一、引言股票市场是一个国家宏观经济运行的“晴雨表”，在金融市场的发展中占有重要地位。因此，研究股票市场波动特征和股指预测具有重要意义。目前股票指数预测的方法主要可以分为三类：证券分析法，时间序列法和人工智能法。已有文献表明，人工智能法中的BP神经网络模型被广泛应用于投资预测领域，具有很强的应
现代经济信息 2019年7期2019-06-23
- 投资者情绪与上证综指的互动关系研究
投资者情绪与上证综指的关系以及两者之间相互影响程度的大小。分析结果表明，投资者情绪与上证综指之间存在非对称的格兰杰因果关系，上证综指变动对投资者情绪的影响要显著大于投资者情绪变动对上证综指的影响。【关键词】投资者情绪;上证综指;主成分分析;VAR一、引言通常情况下，引起股票市场整个大盘指数大幅变动的因素众多，宏观层面上有宏观经济发展状况、货币冲击、利率等（王培辉2010;倪青山，2012;陈云，2017）。微观层面涉及到上市公司的当前财务状况、未来盈利以及
商情 2019年13期2019-06-14
- 统计学下的二级市场交易决策方法研究
rst指数；上证综指理论上说，二级市场的变化应该是随机的。其原因主要在于影响市场变化的诸多因素也在相互影响。宏观因素涉及国家的经济大环境、货币政策、财政政策等，微观因素会涉及到公司报表、高管增减持所带来的行业蝴蝶效应。并且所有因素造成的影响及权重会时刻变化，所以通过多因素角度叠加分析而产生出来的结果，其确定性概率很可能低于20%，以这样的决策去参与二级市场投资，其结果可想而知。而以统计学为基础的量化分析则不会存在这样的问题，无论各种因素怎样改变，最终会叠加
环球市场 2018年4期2018-09-10
- 股市现巨幅波动 创业板绝地反击
3月23日，上证综指下跌3.94%，创业板指下跌1.52%。看似平淡的跌幅，背后却是过山车一样的走势。回望过去的2017年，资金抱团拥抱大蓝筹，龙头白马股价值回归，之前低估值的股票屡创新高。进入2018年一月份，这样的格局进一步加剧。上证综指在11连阳之后继续上涨，市场上充斥着一股大牛市要来了的狂热情绪。以收盘数据来看，在一月份，上证综指最高时涨幅达到7.63%（如图所示）。银行和地产是上证综指一月大涨的主要推手。根据申万28个一级子行业分类来看，银行在一
股市动态分析 2018年12期2018-04-04
- 上证综指收益率与成交量关系的实证研究
小。关键词：上证综指；收益率；成交量收益率与成交量之间的关系在股票市场具有重要作用，准确描述二者之间的关系对了解金融市场的微观结构，解释金融资产价格的经验分布，尤其是研究金融资产的流动性等问题都具有重要的意义。对于股票市场指数收益率与成交量关系的研究而言，国内研究者做了很多研究，部分研究者比如邓怡等（2015）、范利（2016）等认为收益率与成交量之间存在正相关关系。而部分研究者比如田利辉等（2014）等认为收益率与成交量之间存在负相关关系。另外部分研究者
现代营销·学苑版 2017年12期2018-01-22
- 基于GARCH类模型的上证股市波动性研究
CH类模型对上证综指进行实证研究，结果表明，GARCH模型能够消除残差的异方差性，股市波动存在强烈冲击，收益有正的风险溢价，股市中坏消息引起的波动要比同等大小的好消息引起的波动要大得多，存在明显的杠杆效应。最后给出一些相关结论和建议。【关键词】上证综指；风险溢价；杠杆效应；GARCH模型一、引言金融时间序列常出现波动率的聚集现象，即方差在一定时段中比较小，而在另一时段中比较大。残差的条件方差不再是随时间变化的函数，而会受到前一期波动率的影响。为了描述金融序
资治文摘 2017年5期2017-08-09
- 我国股票市场走势的“历史类似性”分析
-2016年上证综指数据，利用神经网络算法对上证综指的走势进行了分析。以开盘价、最高价、最低价、成交量、成交金额5个指标作为BP 神经网络的输入值，以收盘价作为输出值。对我国股票市场走势的“历史类似性”进行分析。关键词：BP神经网络；上证综指中图分类号：F830 文献识别码：A 文章编号：1001-828X（2017）013-0-02一、引言随着我国日渐成为 21 世纪最重要的国家，国内股票市场的波动，不仅牵动亿万投资者的心弦，也为世界所瞩目。当前的市场和
现代经济信息 2017年13期2017-07-23
- 利用上证综指大盘数据预测新疆板块股价走势
归模型，利用上证综指大盘数据预测新疆板块股票价格走势。实证结果表明：上证综指收盘价和交易金额对新疆板块股票价格的影响是显著的，并且利用所建立的Logit模型对新疆板块股票价格走势的预测较为准确。关键词：新疆股市；上证综指；Logit回归模型中图分类号：F83文献标识码：Adoi：10.19311/j.cnki.1672-3198.2016.08.0511 引言随着援疆政策的实施以及“丝绸之路经济带”战略构想的提出，新疆经济的发展取得了巨大进步。自1994年
现代商贸工业 2016年8期2017-01-07
- 基于SPSS分析影响股票成交金额的因素
元统计模型 上证综指中图分类号：F275 文献标识码：A 文章编号：1002-5812（2016）16-0067-031990年12月份上海证券交易所成立以来，股票市场的发展可以说是曲折离奇、跌宕起伏，股票在投资者投资决策中的地位也在不断提高。评价股票市场的参数有很多，股票成交金额是对股票市场最直接的评价参数，本文运用SPSS 19.0软件对影响股票成交金额的六个因素进行了多元统计分析，将股票成交金额作为被解释变量，上证综指、人民币汇率、建筑业总产值、商品
商业会计 2016年16期2016-11-15
- 沪指站上3000点“难言乐观”
浩 5日，上证综指高开高走，全天维持着高位震荡，收盘时报收3006.39点。在本周前两个交易日连续上涨后，A股终于站上3000点整数位，创两个半月来最高纪录。 路透社5日报道称，与上证综指表现相反，深成指在万科A的拖累之下，最终收于10602.77点，全天下跌0.07%。创业板表现也不佳，盘中跌幅一度接近1%。万科5日晚间在深交所发布公告称，宝能在收盘尾声阶段增持万科，持股比例升至24.972%。有分析称，6日开盘后可能会有更大的波动。 东吴证券高级
环球时报 2016-07-062016-07-06
- 华泰柏瑞消费成长过去一年净值增长18.53%
3%，而同期上证综指和创业板指的跌幅则分别高达-35.72%和-36.89%，表现出了极强的抗跌性和盈利能力。据了解，华泰柏瑞消费成长成立于去年5月20日，当天上证综指在4400点附近，市场近乎疯狂。而华泰柏瑞消费成长在随后的建仓中采取了谨慎的建仓策略，以极低的仓位躲过了6、7、8月份的杀跌。随后又在同年9月份股市位于较低点位时大举建仓，从而较好地分享了“股灾”之后最大的一波反弹。endprint
投资者报 2016年24期2016-07-04
- 投资者情绪变动与股市收益率关系的实证研究
投资者情绪；上证综指；股市收益；VAR模型；双向因果关系不断涌现的金融市场异象质疑着完美金融市场的存在。行为金融学肯定了投资者的心理因素在决策行为中的地位和作用，比传统金融学中的完全理性假设更接近于真实的金融市场。作为行为金融理论的主要内容之一，投资者情绪在资产定价和投资决策中的作用以及市场历史收益信息对未来投资者情绪的影响已成为研究热点。我国股市投资者非理性成分高，宏观政策环境不确定性大，因而在对股市的研究和分析中加入投资者情绪理论更能客观、准确地挖掘出
商丘师范学院学报 2016年2期2016-04-07
- 基于GARCH模型族的上证综指VaR计算
CH模型族的上证综指VaR计算刘小冬，陈俊，杜欢(西安财经学院， 陕西 西安710100)摘要：VaR已成为近年来国际广泛应用的风险度量方法。文章选取我国2008年至2012年每个交易日。上证综指的收盘价，结合GARCH模型族，在正态分布、t分布、GED分布三种收益率序列分布假设下，对VaR的值进行了分析和对比，并应用Kupiec提出的“失败频率检验法”进行了准确性检验，通过实证分析得出，采用TGARCH—GED模型能够较好地反映股市风险。关键词：上证综指
西安财经大学学报 2015年2期2016-01-05
- 中国证券市场指数走势与宏观经济变动关系的检验和解释
。[关键词]上证综指；中小板指；创业板指；实证分析[DOI]10.13939/j.cnki.zgsc.2015.42.047本文目的主要是针对我国股票市场近年来的发展状况，通过实证分析的方法，研究宏观经济因素与我国股票市场指数的关系，以期进一步了解影响股票市场发展的深层次原因，并有针对性地提出相应的解决方案。1我国主要证券指数的编制1.1上证综指简介上证综指，即“上证综合指数”（上海证券综合指数，Shanghai Securities Composite
中国市场 2015年42期2015-05-30
- 3月对长期收益担忧凸显
2月13日，上证综指在开年后一路走高，印证了上月的观点：当低迷的市场情绪使市净率和市盈率跌至历史低位后，A股市场或能走出新的“结构性行情”。最新一轮的调查显示，2014年3月新财富信心指数为58，与上月持平，53%的投资者认为上证综指具备反弹能力。其中，机构投资者信心指数为63，较上月下降3.1%；券商分析师信心指数为62，与上月持平；个人投资者信心指数为53，与上月持平。3月分类投资者信心指数显示，全部投资者信心基本与上月持平。预计2014年3月上证综指
新财富 2014年3期2014-04-11
- 基于小波多分辨分析的中国股票市场因果关系分析
所综合指数(上证综指)和深圳证券交易所的成份指数(深证成指)的每日收盘价。由这两个序列分别代表中国两个股票市场的价格。指数的时间段为1995/1/23～2007/12/20，共3 116个样本数据。样本数据来自于国泰安数据库。t时收盘价表示价格pt，收益rt定义为设{ht}为上证综指的收益序列，{zt}为深证成指的收益序列，由于Granger因果关系检验要求针对平稳序列进行，经检验序列{ht}和{zt}均为平稳的序列，以下分析将针对这两个序列进行。对两收益
天津大学学报（社会科学版） 2011年1期2011-09-18