基于新风险计量指标的证券投资风险预测实证研究

摘要

本文着重从定量分析的角度出发,在证券投资风险本质属性的基础上,给出了新的证券投资风险定义.根据证券投资收益率损失序列的均值、方差及收益率盈亏波动频率三个风险因子,得出了计量单个证券投资风险收益率的新风险计量指标.本文在探讨了证券投资风险时间序列非线性特征的基础上,研究了包括AR(P)模型,ARCH方差补偿型预测模型和神经网络预测模型在内的各种非线性风险预测方法以及组合预测方法.本文重点在于应用上海证券交易所的综合指数的历史数据,采用新风险计量指标对上证综合指数进行处理,对上证综合指数所形成的收益率序列进行实证研究,使用以上各种预测方法,对结果进行分析,概括了各种证券投资风险预测方法的预测效果及实用性,证明了组合预测在提高预测精度和准确性方面的优越性.

目录

文摘

英文文摘

学位论文独创性声明及学位论文使用授权声明

关于学位论文使用授权的说明

第一章绪 论

1.1证券投资分析方法概述

1.2证券投资风险预测研究的背景

1.3证券投资风险计量理论存在的主要问题及解决方法

1.4论文的框架结构

第二章证券投资风险概述

2.1风险的基本概念

2.1.1风险的本质及其定义

2.1.2风险的特征和类型

2.1.3证券投资风险基本概念的综述

2.2证券投资风险的形式及特点

2.3影响证券投资风险的主要因素

2.4证券投资风险预测的定性分析

2.4.1证券投资风险预测的基本分析法

2.4.2 证券投资风险预测的技术分析法

2.4.3券投资风险预测的定性分析法

2.5案例分析

第三章证券投资风险新的计量理论

3.1证券投资风险新的定量指标

3.1.1基于强度与分布的风险计量指标

3.1.2考虑损失易变性的风险计量指标

3.2基于负面性紧迫程度的风险计量指标

3.2.1波动幅度的计量方法

3.2.2波动频率的计量

3.2.3基于频度系数的风险计量指标

3.3基于全面的考虑分布和频度因素的风险计量指标

第四章证券投资风险预测方法的研究

4.1基于新风险计量指标的证券投资风险预测的基本思路

4.2 证券投资风险预测的方法研究

4.2.1 AR(P)模型预测方法

4.2.2自回归条件异方差模型预测方法

4.2.3人工神经网络预测方法

4.2.4组合预测方法

第五章基于新风险计量指标的证券投资风险预测实证研究

5.1基于新风险计量指标的数据处理

5.1.1数据来源

5.1.2数据处理及说明

5.2基于上证指数收益率新风险序列AR方法的预测分析

5.2.1 AR(P)模型中相关阶数的确定

5.2.2利用AR(4)模型对基于上证指数收益率的新风险序列预测

5.3上证指数收益率新风险序列ARCH方法的预测分析

5.3.1 ARCH方差补偿型预测模型的构造

5.3.2利用ARCH方差补偿型模型对上证指数收益率序列进行预测

5.3.3预测结果及分析

5.4上证指数收益率新风险序列的神经网络预测分析

5.4.1 BP神经网络

5.4.2 BP算法描述

5.4.3 BP神经网络的MATLAB实现

5.4.4 BP神经网络的建立

5.4.5利用10-14-1网络对样本数据进行预测

5.4.6预测结果及分析

5.5上证指数收益率新风险序列的组合预测分析

5.5.1简单平均组合预测

5.5.2标准差法确定组合权重的组合预测

5.5.3讨论

第六章总结与展望

6.1本论文研究的主要内容

6.2研究的发展方向

参考文献

致 谢

作者在学期间发表的论文清单