本文關(guān)鍵詞： 動態(tài)核密度估計 時變的 股票收益率的方向 行動閾值　出處：《浙江工商大學》2017年碩士論文　論文類型：學位論文

【摘要】：在現(xiàn)代整個金融行業(yè)不斷發(fā)展的推動下,股票市場以及證券業(yè)在我國越來越受到眾多投資者的關(guān)注,越來越多的人愿意加入到股票市場中來,投資者們的投資行為以及他們所期望得到豐厚的收益,這在極大程度上促進了我國股票市場的繁榮。而在他們這種投資行為的背后,眾多的投資者開始意識到股票市場收益率方向預測的重要性。因此,對股票市場收益率方向變化的深度分析以及預測便有了極大的經(jīng)濟意義以及實際應用的價值。國內(nèi)外的學者對于股票市場的研究,現(xiàn)也達到了一定的水平。隨著信息科技技術(shù)的不斷發(fā)展,新的技術(shù)分析和理論知識都不斷被注入到數(shù)學模型中。由于我國的金融行業(yè)逐步規(guī)范化,再加上國內(nèi)外學者和投資者們對于詳細分析股票市場的方向變化的迫切需求,都是本文得以發(fā)展的源動力。本文研究的主要目的是對股票市場上的收益率進行方向預測,認為股票收益率的方向在一定程度上是可預測的。股票收益率方向預測是指:基于股票市場的歷史數(shù)據(jù)以及其以往的歷史趨勢來看,在未來一段時間內(nèi)對股票市場的收益率方向進行預測。本文基于Harvey和Oryshchenko(2012)提出的時變概率密度函數(shù)理論的應用和擴展,利用非參數(shù)模型對股票市場的收益率進行了方向預測。非參數(shù)模型的優(yōu)勢在于其數(shù)據(jù)不需要滿足某些特定的分布。由于本文的樣本數(shù)據(jù)是股票收益率數(shù)據(jù),屬于時間序列數(shù)據(jù),而時間序列數(shù)據(jù)會受到很多的偶然因素影響,從而表現(xiàn)出隨機性。本文在股票市場的歷史數(shù)據(jù)信息集中,用基于時變概率密度函數(shù)的非參數(shù)模型預測了下一期股票收益率方向的概率,并且利用方向預測和二階偏上矩之間的關(guān)系,提出了方向預測概率的調(diào)整機制,也就是本文的創(chuàng)新點。最后還引入了二值選擇模型作為對比模型。中國股票市場數(shù)據(jù)的實證研究表明,我們基于時變概率密度函數(shù)的收益率方向預測基準模型和調(diào)整機制無論在統(tǒng)計意義上還是在經(jīng)濟意義上,對股票市場收益率方向都有顯著的樣本外預測的能力。不僅如此,調(diào)整機制還顯示出了比收益率方向預測基準模型更好的預測能力。最后相比于二值選擇模型,無論是收益率方向預測基準模型還是其調(diào)整機制的預測效果都優(yōu)于二值選擇模型。
[Abstract]:With the continuous development of the modern financial industry, the stock market and securities industry in China are more and more concerned by many investors, more and more people are willing to join the stock market. The investment behavior of investors and the huge profits they expect have greatly promoted the prosperity of the stock market in our country. But behind this kind of investment behavior. Many investors are beginning to realize the importance of the stock market yield direction forecast. It has great economic significance and practical application value to analyze and forecast the change of return direction of stock market. The scholars at home and abroad have studied the stock market. With the continuous development of information technology, new technical analysis and theoretical knowledge have been continuously injected into the mathematical model. Due to the gradual standardization of the financial industry in China. Coupled with the domestic and foreign scholars and investors for detailed analysis of the direction of the stock market changes in the urgent need. The main purpose of this paper is to forecast the return rate in the stock market. It is believed that the direction of stock return is predictable to a certain extent. The direction prediction of stock return refers to: based on the historical data of stock market and its historical trend. This paper is based on Harvey and Oryshchenko 2012). The application and extension of time-varying probability density function theory proposed in this paper. The non-parametric model is used to predict the return rate of the stock market. The advantage of the non-parametric model is that its data do not need to satisfy some specific distribution. Because the sample data in this paper is the stock yield data. Time series data, and time series data will be affected by a lot of accidental factors, thus showing randomness. This paper in the stock market historical data set. The non-parametric model based on time-varying probability density function is used to predict the probability of the next stock return direction, and the adjustment mechanism of the direction prediction probability is proposed by using the relation between the direction prediction and the second order upper-moment. This is the innovation of this paper. Finally, the binary selection model is introduced as the contrast model. The empirical study of Chinese stock market data shows that. We based on the time-varying probability density function of the return direction prediction benchmark model and adjustment mechanism in the statistical sense or in the economic sense. Moreover, the adjustment mechanism also shows a better prediction ability than the return direction prediction benchmark model. Finally, compared with the binary selection model. Both the return direction prediction benchmark model and its adjustment mechanism are superior to the binary selection model.
【學位授予單位】：浙江工商大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F832.51

【相似文獻】

相關(guān)期刊論文 前10條

1 郭興義;美元收益率反轉(zhuǎn) 投資怎樣能增值[J];中國外匯管理;2005年08期

2 曲鳳杰;;美國國債收益率為何持續(xù)下降?[J];中國科技投資;2010年10期

3 劉燕霄;;債券市場的收益率曲線應用分析[J];技術(shù)與市場;2009年04期

4 張茉楠;;美債收益率牽引利率[J];中國外匯;2011年05期

5 姚忠兵;;從國債收益率看投資風險[J];中國金融;2014年09期

6 郭興義;當前復雜形勢下的投資產(chǎn)品[J];中國外匯管理;2005年05期

7 武金存;封文麗;張躍輝;;應用齊次馬氏域變對上海股市異常收益率的實證檢驗[J];上海第二工業(yè)大學學報;2010年02期

8 王媛;;債基選購心法[J];理財;2010年11期

9 程歆然;;關(guān)于國債收益率曲線的實證分析[J];商場現(xiàn)代化;2010年19期

10 ;降息通道中如何鎖定收益? 鵬華豐澤A更顯優(yōu)勢[J];股市動態(tài)分析;2012年22期

相關(guān)重要報紙文章 前10條

1 記者 潘紹俊;莞在售銀行理財產(chǎn)品收益率普遍低于5%[N];東莞日報;2013年

2 本報記者 杜麗娟;國債收益率曲線首發(fā) 利率價格添加“市場錨”[N];中國經(jīng)營報;2014年

3 李劍峰;中債收益率曲線編制一覽[N];金融時報;2006年

4 東東;收益率水平料保持短暫平衡[N];上海證券報;2008年

5 證券時報記者 楊磊;貨幣基金年化收益率連續(xù)13天超2%[N];證券時報;2010年

6 陽先偉;三期國債收益率將低于0107[N];中國證券報;2003年

7 李正紅 宋輝;現(xiàn)券收益率應不會持續(xù)上漲[N];中國證券報;2003年

8 銀河證券 王f ;收益率曲線向上空間有限[N];中國證券報;2004年

9 東東;資金如滔滔江水 收益率新低在望[N];上海證券報;2005年

10 平安證券 葉英　祁潔萍;長債收益率下行空間有限[N];中國證券報;2009年

相關(guān)博士學位論文 前1條

1 欒稀;關(guān)于國債收益率作為基準利率所需條件的研究[D];中國社會科學院研究生院;2015年

相關(guān)碩士學位論文 前10條

1 楊荻;關(guān)于改善國債收益率曲線形成機制的研究[D];財政部財政科學研究所;2015年

2 李楊;中國股市短中長期動量與反轉(zhuǎn)效應實證研究[D];復旦大學;2014年

3 胡宇;我國股市流動性與收益率相關(guān)性的實證研究—主板與創(chuàng)業(yè)板的對比分析[D];北京交通大學;2016年

4 孫梅;我國國債收益率曲線實證研究[D];北京外國語大學;2016年

5 張穎瀅;我國債券信用評級質(zhì)量研究[D];上海交通大學;2015年

6 李海寧;風險投資IPO退出及其收益率影響因素研究[D];西南財經(jīng)大學;2016年

7 倪帥;分級基金的低風險投資研究[D];華東理工大學;2017年

8 夏旭;美國股市持續(xù)漲跌特征及中美比較研究[D];南京財經(jīng)大學;2016年

9 彭驛晴;基于時變概率密度函數(shù)的收益率方向預測[D];浙江工商大學;2017年

10 于青青;利率變動對中美國債收益率曲線影響的實證研究[D];中國科學技術(shù)大學;2009年

，

本文編號：1471658