首页> 正文

中国股票市场的非线性分析与预测

2020-11-22阅读(112)

中国股票市场的非线性分析与预测

论文摘要

非线性理论研究和应用工具的飞速发展，深入影响了许多学科，资本市场的非线性研究就是其中之一。资本市场的非线性研究主要包括分形市场研究、混沌市场研究以及股票市场价格的非线性预测等领域。在我国，有许多学者研究中国资本市场分形特征、混沌市场的识别，以及应用各种类型神经网络进行股票价格的预测。但是由于使用的研究方法和工具不同，研究的结论差别很大。论文应用非线性的理论和方法对我国股票市场做了非线性分析与非线性预测。研究内容分为四部分：第一部分是整个研究工作的理论平台与现实基础。综述并分析了国内、外股票市场非线性分析和非线性预测的主要成果，进而指出国内研究混沌识别方面存在的一些问题，特别是应用了不适当的方法来检验混沌。同时描述了我国股票市场的发展历史、现状和非线性特征。第二部分是研究的核心部分。在对于金融时间序列混沌识别的主要方法进行总结、评述的基础上认为：由于我国股票市场可应用的检验样本数量少，因此应当应用小数据量时间序列的混沌识别法。接着引入适用于小数据量时间序列的混沌检验方法，Gencay-Dechert法对我国股票市场进行了混沌识别，结论为：深证综合指数日收益率序列不存在混沌，上证综合指数日收益率序列不存在混沌。第三部分是论文的另一个核心：中国股票市场的非线性预测。应用概率神经网络（PNN）预测中国股票市场，选择上证综合指数、上证180指数、深证综合指数作预测，结果表明：概率神经网络具有实用性。研究的第四部分为研究工作的总结，指出研究的不足和改进。利用Gencay-Dechert方法识别金融时间序列的混沌，在结果的统计分析方面还可以继续深入；在股票价格的非线性预测方面，如果相关的基础研究有进展，应用概率神经网络进行股票预测存在提高精度的可能。 论文在国内首次应用Gencay-Dechert方法识别股票市场的混沌，并且得出了和大部分国内研究者不一致的结论。论文还在国内首次应用了概率神经网络预测股票价格的涨跌方向，并且给出了预测结果的分析。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 研究背景
  • 1.1.1 基于线性研究范式的主流资本市场理论及争议
  • 1.1.2 股票市场的非线性研究
  • 1.2 股票市场非线性研究的发展现状
  • 1.2.1 分形市场假说（Fractal Market Hypothesis，FMH）
  • 1.2.2 混沌理论在股票市场研究的应用
  • 1.2.3 股票市场的非线性预测
  • 1.3 中国股票市场非线性分析与预测研究中存在的问题以及论文的主要工作
  • 1.4 论文结构
  • 第2章 中国股票市场的非线性特征
  • 2.1 中国股票市场发展概况
  • 2.2 中国股票市场存在的问题
  • 2.3 中国股票市场的非线性特征
  • 2.3.1 对线性范式的怀疑和检验
  • 2.3.2 分形市场的特征
  • 2.3.3 中国股票市场的混沌特征
  • 2.4 本章小结
  • 第3章 混沌理论在金融时间序列中的应用
  • 3.1 混沌基本理论
  • 3.1.1 混沌理论的产生和发展
  • 3.1.2 混沌的概念
  • 3.2 混沌理论在金融时间序列中的应用研究
  • 3.3 金融时间序列的混沌识别
  • 3.3.1 时间序列的混沌识别方法
  • 3.3.2 时间序列的混沌识别方法的评论
  • 3.4 本章小结
  • 第4章 中国股票市场的混沌识别
  • 4.1 Lyapunov指数基本理论
  • 4.1.1 Lyapunov指数的定义
  • 4.1.2 Lyapunov指数的主要算法
  • 4.2 Gencay-Dechert法识别混沌
  • 4.2.1 Gencay-Dechert算法的产生与发展
  • 4.2.2 Gencay-Dechert算法基本原理
  • 4.3 深证综合指数的混沌识别
  • 4.4 上证指数的混沌识别
  • 4.5 结论与分析
  • 4.6 本章小结
  • 第5章 股票价格的非线性预测
  • 5.1 股票价格预测概述
  • 5.1.1 股票价格的可预测性
  • 5.1.2 预测股票价格的主要方法
  • 5.2 神经网络对股票市场进行预测
  • 5.3 神经网络预测股票价格的应用研究
  • 5.3.1 BP神经网络
  • 5.3.2 径向基神经网络
  • 5.3.3 小波神经网络
  • 5.3.4 概率神经网络对股票价格的涨跌进行预测
  • 5.4 本章小结
  • 第6章 概率神经网络原理与实现
  • 6.1 贝叶斯决策与概率密度函数的Parzen窗估计
  • 6.1.1 贝叶斯决策理论
  • 6.1.2 类条件概率密度的Parzen窗估计
  • 6.2 概率神经网络原理
  • 6.3 概率神经网络的实现
  • 6.4 应用概率神经网络进行预测
  • 6.5 本章小结
  • 第7章 应用概率神经网络预测中国股票市场
  • 7.1 深圳证券交易所的股票价格预测
  • 7.2 上海证券交易所的股票价格预测
  • 7.2.1 上证综合指数的预测
  • 7.2.2 上证180指数的预测
  • 7.3 结果与讨论
  • 7.3.1 预测结果
  • 7.3.2 主要结论与分析
  • 7.4 本章小结
  • 第8章 结语
  • 8.1 论文的主要创新
  • 8.2 论文的主要结论
  • 8.3 论文的不足
  • 参考文献
  • 附录 （一） 图目录
  • 附录 （二） 表目录
  • 附录 （三） 主要字符代表含义总结
  • 附录 （四） 作者在攻读博士学位期间发表的论文
  • 致谢

    • 相关论文文献

    • [1].工作满意度与股票市场参与[J]. 经济科学 2019(06)
    • [2].中国股票市场体系发展方向问题研究[J]. 中国经贸导刊(中) 2020(01)
    • [3].中国股票市场对外开放进入下半场[J]. 中国外汇 2019(20)
    • [4].股票市场系统特性分析及应用[J]. 时代金融 2020(10)
    • [5].中国股票市场与宏观经济发展相背离的原因分析[J]. 现代营销(下旬刊) 2020(08)
    • [6].价值投资在中国股票市场实现道路的探索[J]. 时代金融 2020(24)
    • [7].晚清外商股票市场[J]. 中国金融 2018(21)
    • [8].中国股票市场流通性价值分析[J]. 全国流通经济 2018(31)
    • [9].我国股票市场的发展对经济的影响[J]. 广西质量监督导报 2018(10)
    • [10].长寿风险对股票市场参与影响的实证分析[J]. 统计与决策 2019(09)
    • [11].中国股票市场振兴问题研究[J]. 时代金融 2019(11)
    • [12].中国股票市场的特征、问题及发展建议[J]. 中国经济报告 2019(06)
    • [13].我国股票市场发展探究[J]. 中国国际财经(中英文) 2018(03)
    • [14].国际油价下跌对我国股票市场的影响[J]. 品牌研究 2018(02)
    • [15].加拿大政策利率对多伦多股票市场的影响[J]. 财经问题研究 2018(05)
    • [16].浅析股票市场的可预测性[J]. 中国商论 2018(26)
    • [17].个人投资者行为对中国股票市场影响的研究[J]. 学习与实践 2016(11)
    • [18].我国股票市场与实体经济发展的关联性分析[J]. 商业经济研究 2017(05)
    • [19].基于反向和隐蔽交易的股票市场知情交易研究[J]. 山东社会科学 2017(04)
    • [20].股票市场及金融中介对经济发展的影响[J]. 市场研究 2017(04)
    • [21].从换手率变化看我国股票市场的非理性表现[J]. 中国商论 2017(04)
    • [22].中国股票市场弱有效性的方差比率检验分析[J]. 金融经济 2017(10)
    • [23].我国股票市场的行业轮动性分析[J]. 中国商论 2017(32)
    • [24].行为金融学在中国股票市场的应用探析[J]. 现代商业 2015(32)
    • [25].建立多层次股票市场体系[J]. 金融博览(财富) 2015(05)
    • [26].如何看待中国当前的股票市场?[J]. 博鳌观察 2015(03)
    • [27].中国股票市场改革与创新发展的逻辑[J]. 当代经济科学 2015(06)
    • [28].股票市场：显现改革深化提升市场韧性[J]. 当代金融家 2020(Z1)
    • [29].中小投资者股票投资中的风险规避[J]. 商业故事 2019(08)
    • [30].我国股票成交金额及其影响因素的研究[J]. 智富时代 2017(04)

    标签：;  ;  ;  ;  ;  ;  ;  

    中国股票市场的非线性分析与预测
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5