搜索结果: 1-10 共查到“股票指数”相关记录10条 . 查询时间(0.234 秒)
融资融券、股票指数与投资者情绪
融资融券 投资者情绪 股票价格指数
2017/5/10
本文使用主成分分析法，用市场换手率、新增股民开户数、市场成交量和市场市盈率构建了投资者情绪指标，然后基于投资者情绪的角度分析了2015年股灾前后融资融券与股票指数之间的关系，最后进行了稳健性分析。主要研究结论如下：投资者情绪对股指有一定的预测作用；股灾前后，融资都对股票指数产生显著影响，融券都对股票指数影响不显著；融资与股票指数双向互为格兰杰因果关系；股灾后，股票指数是融券的格兰杰原因。
股票指数模糊随机预测与灰色预测实证比较研究
股指预测 模糊随机预测 灰色预测 沪深300指数
2013/11/18
灰色预测和模糊随机预测是两种不同的对股票指数进行预测的方法。灰色预测模型出现的较早,模糊随机预测模型是近年来才被应用在对股票指数的预测当中。为了找出能够更加准确和能够得到更接近于真实值的较优预测模型,分别依据灰色预测模型和模糊随机预测模型,以2009年全年的每日60分钟沪深300指数为样本进行了实证研究。研究发现,采用模糊随机预测模型得到的预测结果中有71%比采用灰色预测模型得到的预测结果更接近于...
我国开设股票指数期货的利弊分析
股票指数期货 套期保值 系统风险 机构投资者
2009/11/12
基于股票指数期货的特点及功能分析，结合目前我国股票市场的现实状况，阐述股票指数期货这一国际上发展迅速的金融衍生工具在我国开设的可行性及利弊，并为股票指数期货在我国的开设提出对策建议。
基于主成分的遗传神经网络股票指数预测研究
BP神经网络 遗传算法 遗传神经网络
2009/10/10
数据预测在金融投资领域占有重要地位，预测中输入变量的选取影响着预测的速度和精度，传统方法选取输入变量主观性较强，预测效果欠佳。将遗传算法与BP网络结合，利用GA的全局搜索优化BP网络的结构参数，有效克服BP算法的局部收敛等问题。使用主成分分析法选取输入变量，并将GA—BP混合建模应用于沪市综合指数预测中。实验结果表明，该方法改善了预测精度，达到了较好的预测效果。
我国开设股票指数期货问题探讨
股指期货 股市 系统风险
2009/9/29
证券市场投资风险包括系统风险和非系统风险,投资基金通过证券投资组合,可以有效地减少非系统风险,而无法降低非系统风险,只能通过特殊的避险工具如股票指数期货等来减少或化解股票市场系统风险。
基于改进基因表达式程序设计的股票指数预测
基因表达式程序设计 复杂度分析 收敛性分析
2009/8/12
介绍基因表达式程序设计方法的基本原理，针对股票指数分析与预测问题，在经典的GEP算法基础上，提出一种基于动态变异算子的改进的GEP算法——IGEP算法，动态变异算子随着进化代数和染色体所含基因数目不同而变化，从而加快了GEP的收敛速度和精确度，对算法进行了复杂度和收敛性分析。设计一种基于IGEP的股票指数分析与预测算法，数值实验结果表明，该算法优于经典GEP算法，具有较广泛的通用性。
该文通过分析道琼斯指数、日经指数、纳斯达克指数、恒生指数、上证指数之间的相互影响关系，进行了股票指数的联动分析。