上证指数 การใช้

• 上证指数的主要影响因素分析
• 本文同时给出了粗神经网络bp算法和用粗神经网络预测上证指数的程序。
• 上证指数在2月27日下跌了9 %以后，现已反弹并创下新高。
• 300是个指数，和上证指数是一样的，和你的股票没有关系，你选择你要卖的股票就可以了。
• 在对我国股市中上证指数的转移概率密度进行实证分析中，显示了该方法对未来股价走势的判断是正确的。
• 网络的输入是上海股市七天内的相关数据，输出的是第八天上证指数的最高值和最低值。
• 上周上证指数站上5000点高位，自年初启动以来上涨90 % ，而中国股市总市值也首次超过gdp 。
• 随后运用笔者新的提法解释了历史上出现的疑难问题，最后也依笔者的思路分析并解释了上证指数结构突变的经济原因。
• 内地股市昨天也加入了全球性的下跌当中，其关键的上证指数遭遇了半年以来的最大单日跌幅，对日益临近的美国经济衰退而不断增强的恐慌是这次全球性大跌的外因。
• 本文从理性泡沫的一般理论模型出发,主要采用久期依赖法对上证指数进行了理性泡沫的实证检验,并用观察性证据进行了验证。
• 摘要基于上证指数的分形插值模型，通过小波变换和分形分析，构造了新型的预测上证指数趋势的插值迭代算法。
• 同时，使用该算法对上证指数( 1998年1月1日至2001年12月31日)的收益率的ar - garch - m模型的参数进行了估计，并分析了数据的整合性与市场的风险效应。
• 本文论述了股市波动性的特征以及波动性研究的重要意义,对中国股市中的上证指数、深成指数和15支行业指数的收益序列的波动特征进行了实证分析。
• 在学术领域，投资预测的研究方法仍以较为传统的统计理论为主，本文首先简单介绍了时间序列理论的发展情况，并用一个简单的时间序列模型对上证指数做了一个简单预测。
• 摘要本文以上证指数为研究对象，对股票市场换月效应与月末效应进行研究后发现，指数在月末最后一个交易日收益率波动率显著大于月平均收益率波动率，上证指数收益率存在显著的换月效应。
• 构造了八只股票和无风险资产组成的投资组合，对该组合和上证指数2001年10月22日到2002年3月25日期间的收益率进行比较研究，发现组合的收益率大大高于指数的收益率。
• 讨论了gp分布模型的某些性质，利用此模型对上证指数深证指数和2家公司股票价格的收益率进行分析，给出股票指数和价格极值波动程度的量化指标和风险值var的估计值。 。
• 本文结合上证指数对结构突变进行研究，一方面是因为上证指数在形式上具有明显的结构突变特征，具有代表性；另一方面，中国股市呈现出了许多令人迷惑的现象，一方面，如与gdp增长率相背离，却与净出口、货币供应量等具有同步的特征。
• 本文首先重点探讨了极值分布var模型(包括广义极值分布和广义帕雷托分布两个模型)和分位数回归var模型；然后在此基础上将六个var模型(包括上述三种模型、历史模拟法、 riskmetrics方法以及蒙特卡洛法)实证应用于估计上证指数、上证180 、深证成指、深证综指95 var和99 var ；同时采用区间预测法、损失函数法和符号检验法对这些var模型进行了选择评估。
• 文章收集了从1990年12月到2002年12月中国的月度低频数据，包括上证指数，深证指数，工业生产增加值，货币供给量，消费者价格指数，利息率以及进出口额。