股市崩盘

摘要： 基于金融物理学中著名的对数周期幂律模型(log-periodic power law model,LPPL)来预警2015年6月份中国上证综合指数、创业板指数的崩盘.鉴于已有采用LPPL模型预警市场崩盘的研究均只考虑市场历史交易数据.本文将投资者情绪因素纳入到LPPL模型建模过程,以改进LPPL模型的预警效果.采用文本挖掘技术结合语义分析方法对抓取的财经媒体的股评报道进行词频统计,以构建媒体情绪指数.进一步修改LPPL模型中的崩溃概率函数表达式,将其表示为关于历史交易数据及媒体情绪的函数,构建LPPL-MS组合模型预警股市崩盘.实证结果表明,本文所构建的LPPL-MS组合模型相比LPPL模型具有更高的预警精度,其预测的大盘见顶的临界时点与上证指数、创业板指数真实的见顶时点更为接近,并且其拟合结果通过了相关检验.

摘要： 恭喜你,终于完成2020年的通关。在这一年,我们经历太多,百年一遇的新冠疫情,十年难遇的市场熔断,几乎每个月都在经历历史。在这样极端情况下,未来趋势会如何走?极端未必就仅仅表示股市崩盘、房地产泡沫或金融危机这样单-危机,更多是一种系统性的极端情况,这其实需要考虑一些比较特殊情境下的经济体。

摘要： 本文基于修正信息份额模型,利用市场指数及其成份股的信息构建预警指标,从指数成份股的信息这一角度研究股市崩盘预警问题.以成份股相对指数的信息份额衡量单只股票推动指数的能力,并以所有成份股信息份额的方差描述成份股轮动推动指数变化的程度大小,以此构建预警指标,研究结果表明:在上涨行情中,成份股轮动推动指数上涨的现象明显,随着轮动程度减弱,股市容易发生崩盘;以信息份额的方差构建预警指标可以较好地对指数的大幅下降做出预警,成功预警本文定义的5次崩盘中的4次.

摘要： 极端经济可以分配稀缺资源,帮助人们定义角色和身份,并赋予他们生命的意义。把仅有的资源发挥至极致,与其说这是经济的韧性,不如说是生命的韧性。英国央行经济学家理查德·戴维斯指出,在经济领域,“极端”并不仅仅用来描述我们熟悉的股市崩盘、住房危机或金融丑闻等现象,也可以用来表述难民营、监狱、灾害突发地、工业革命发源地、不平等地区、老龄化地区、科技前沿地区等经济体。

摘要： 随着单边贸易主义的抬头和中国金融市场的进一步开放,跨境资本流动波动性增强,中国股票市场的系统性风险也不断提高。在中美贸易战和中国经济转型的背景下,中国需探讨如何预防股市崩盘的方法。以复杂系统的自组织理论为视角和框架,建立基于单自由度系统受迫振动的股市崩盘自组织模型。从走势形态、量价关系、幂律性质和动量效应4个方面与历史上股市崩盘的真实数据进行对比,证明了模型具有良好的拟合性。同时研究了股市崩盘的过程并探讨了其中的内在机理,为预测股灾发生提供理论基础。

摘要： 长期以来,股市崩盘一直是得到投资者重点关注.不同公司在股市崩盘期间有不同表现.本文选取几个公司特征并提取股市崩盘区间各项数据进行了大样本分析,得到相应的结论.

摘要： 从1929年美国股市大崩盘开始，全球经济进入了一场空前的大萧条。90年前，全球经济进入了一场空前的大萧条。这场萧条引发了全球经济大衰退，衰退持续时间长，从1929年美国股市崩盘开始，全球传导，几经周折，直到人类历史上死亡人数最多的战争--二战结束，全球经济才最终走出泥潭。

摘要： 投资者的情绪变化对其投资决策的影响巨大，且对于大部分中小投资者，其情绪易受社会舆论以及其他投资者的言论所左右。本发明的目的是提供一种基于股票论坛发帖文本分析的股市情绪报告生成方法及系统，其通过收集和分析中国股票论坛上的投资者发帖，并生成对应的情绪报告，其有助于投资者理性把控情绪，优化投资决策，可为投资者决策提供参考。

摘要： 本发明公开了一种基于信息论学习的股市波动区间预测模型的构建方法。相应方法包括：股票指数数据的获取和区间化；区间神经网络预测模型的建立；设计基于信息论学习的代价函数；通过最大化代价函数对区间神经网络预测模型进行训练，将训练好的模型用于股市波动区间预测。本发明实现了对股票指数波动区间的建模和预测，克服了常用的最小均方误差准则依赖于高斯前提假设的局限性，具有较好的准确性和鲁棒性，应用范围更加广泛。

摘要： 本发明适用于移动终端技术领域，提供了一种股市预警系统、移动终端、服务器及其股市预警方法，所述股市预警系统包括服务器以及至少一个移动终端，所述移动终端将用户设置的预警条件上传至所述服务器，所述服务器根据所述移动终端上传的预警条件实时扫描股市行情数据，当扫描到符合所述预警条件的行情数据时，将对应该行情数据的预警指令发送到所述移动终端，以警示用户。在本发明实施例中，由服务器对股市行情数据进行统一处理，并仅将处理结果发送至移动终端，节省了移动终端的无线传输的带宽，保证了移动终端获取行情数据的实时性，而且，极大地减少了移动终端的数据流量，减轻了用户的经济负担。

摘要： 本发明提出的一种会计师事务所声誉对股价崩盘风险影响分析方法，包括：样本数据获取步骤，对样本源数据进行处理，获取样本数据；变量获取步骤，根据样本数据，获取被解释变量数据，解释变量数据以及控制变量数据；解释变量为与会计师事务所声誉相关的度量指标；模型参数估计步骤，根据样本数据进行参数的估计，获得参数估计值；分析模型构建步骤，根据被解释变量、解释变量以及控制变量，构建分析模型；预测分析步骤，根据分析模型对股价崩盘风险进行预测分析，获得股价崩盘风险分析结果。通过新的视角丰富股价崩盘风险影响因素的研究体系，有助于我国资本市场中股价崩盘风险的有效防范，为会计师事务所的监管管理及政策制定者提供有益参考。

摘要： 本发明提供了一种基于数据驱动的股票市场系统性崩盘时点监测方法，包括如下步骤：使用MATLAB中的Detrend函数，对股票市场指数价格时间序列进行去线性趋势处理；使用相空间重构方法对去线性趋势后的市场指数价格时间序列进行相空间重构；选定临界距离；计算LAM指标；使用非线性时间序列突变检测的启发式分割算法监测LAM值的突变时点，突变时点对应股票市场复杂系统的相变点，实现对股票市场崩盘前市场内生性结构突变时点进行精确确定。本发明具有如下优点：能够监测到市场崩盘行为的发生，可以极大减少投资者的损失，对市场管理者而言能够提前采取措施，控制股票市场崩盘事件的发生或者采取措施减少股票市场崩盘的负面效应。

摘要： 本发明涉及金融技术领域，尤其涉及基于CBAM和CNN的股市预测模型构建方法。包括：在CNN网络模型基础上构建基础模型，所述基础模型包括输入层、CNN层、池化层和全连接层；将一维的时间序列转化为高维的图像数据集作为输入层的输入内容，输给CNN层；在CNN层和池化层之间引入BN层，降低过拟合，加速收敛；在BN层后引入CBAM模块，提取重要特征。本发明通过对CNN网络进行有效改进，在卷积层和池化层之间加入BN层，并且在BN层后面加入CBAM模块，卷积层提取输入的不同特征，BN层能提高训练速度且降低过拟合风险，CBAM模块提取重要特征，池化层降低模型参数量可以优化工作量；实验结果证明，本发明构建的模型具有较高的分类预测精度。

摘要： 本发明公开了一种结合财经新闻的股市预测方法，包括以下步骤：1.设置关键词库，在金融关键词库设置同义词组；2.同义词组都设置有权重系数组合，权重系数组合分为权重系数k1，直至权重系数kn；3.接入财经新闻资讯；4.统计W1关键词及所有关键词出现的次数之和x；5.统计出统计单元里权重系数之和，其公式为：W1＝k1+…+kx，得出Q1；6.所有正面信息的关键词权重系数之积M1＝Q1…*…Qy，所有负面信息的关键词权重系数之积M2；7.M1‑M2＝M0得出M0值。本发明通过将关键词设置权重系数来确定与所关注金融资讯的关联远近，通过在一个资讯里所有关键词权重系数之积来确定该资讯与所关注金融资讯内容远近，通过将正面信息和负面信息相减对比来判断股票的涨跌，具有大数据综合分析的能力。

摘要： 本申请实施例提供了一种基于人工智能模型的股市投资决策方法及相关设备，所述方法包括：根据所述样本数据生成对应的样本特征向量，以获得多个样本特征集，其中，每个样本特征集分别对应一个历史交易日；将所述当前训练样本特征集中的样本特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练，由此得到的目标最低成交价预测模型能够输出最低成交价的预测结果。由于本申请预测的并不是趋势，而是预测最低的下探价格，所以更适合应用于震荡股市行情中。基于本申请实施例的目标最低成交价预测模型的预测结果进行投资决策，将有助于获得更高的收益。

摘要： 本发明公开了一种利用股市指数产生开奖号码的方法，是属于抽奖技术领域，包括收集数据、生成开奖数据池、生成开奖号码和开奖号码公示，其有益效果在于：股市指数的数据是众多交易者买卖撮合交易的结果，随机性非常强，并且完全公开，透明，很难人为控制，当日股市交易过程中会使指数数值产生不确定幅度的波动。按以往历史数据以及整体股市的交易量，股指波动幅度通常不低于0.5％，其收盘指数的最后1‑3位数字，具有非常强的随机性，并且具备非常好的公开性，透明性，不易人为控制，因而采用其后三位数字，任意组合排列作为开奖号码也具备非常好的公开性，透明性，不易人为控制，保证了抽奖的公平公正性。

摘要： 本发明公开了一种基于多任务学习和多指数协同注意力机制的股市预测方法，根据A股市场主要指数的特点，使用多指数协同注意力机制，提取不同指数间的共性，保留各自指数的特性，同时采用多任务学习框架，对每个指数做各自的风险预测，有效地解决了传统技术中的“模型结构简单，依赖文本数据”的问题；本发明采用A股市场直接反映大盘走势的主要指数的特征作为模型输入，且在模型训练时分别预测各个主要指数的走势，很好地解决了传统技术中“预测结果未能反映大盘走势”的问题；通过利用本发明提出的方法，能够对整个大盘的走势进行智能化的涨跌预测，从而为投资者确定更好的买卖时机。