一、运用生存模型对上证指数涨跌天数的研究（论文文献综述）
黄飞,孙怡川,陶明珠[1]（2020）在《基于生存分析的上证指数连涨连跌天数研究》文中研究说明针对2005年6月6日—2010年5月12日的上证指数连涨连跌天数进行统计、分析和建模,发现连涨天数和连跌天数的频率直方图与几何分布趋势近似。同时,对连涨连跌天数的生存函数估计、概率密度函数估计、危险率函数估计进行了研究。研究表明当连涨连跌1～4d有一定的可能发生,当天数>4d时,再继续生存下去的概率都<0.1。且当连涨天数t为1,2,...,5时,在连涨条件下的危险率基本稳定在0.4～0.5,表明无论上涨多少天,其下跌情况也基本稳定,而在t为6时,危险率函数降为0.3,说明在连涨5d后,不会再下跌的可能性非常小。这有助于对股指涨跌的可能性作出估计,并进行相关的金融研究。
叶莹莹[2]（2019）在《投资者情绪与上证系列指数收益及其波动的关系研究》文中认为自20世纪80年代以来,金融市场不断涌现出股票价格过度波动和投资者过度交易等异象,而这些无法用传统金融学理论来解释,行为金融学中的投资者情绪受到学者们的广泛关注,国内外研究结果表明股票市场会受到投资者情绪的影响。随着1990年上海证券交易所的成立和1991年深圳证券交易所的成立,我国股票市场的规模开始快速扩大,虽然其发展速度快,但仍存在许多不成熟的地方,需要继续进行市场化改革。我国股票市场暴涨暴跌现象常见,中小投资者占比超过90%,投资者投机行为较多,非理性情绪对股票市场影响较大,而上证系列指数是我国股票市场中众多指数的典型代表,是投资者做投资决策的重要参考依据。因此,研究投资者情绪与我国上证系列指数之间的相互关系,有助于丰富我国投资者情绪的度量和分析上证系列指数中不同股票指数之间的差异;同时也有助于投资者和监管者等了解投资者情绪与上证系列指数的交互影响情况,促进投资者的理性投资和监管者的有效监管。本文基于国内外已有的研究成果,结合我国股票市场的实际发展情况,同时为了提高样本数据的时间频率,采用2013年1月4日至2018年12月28日的日度数据,利用主成分分析法将选取的情绪代理变量构造为一个综合的投资者情绪指标。在此基础上,本文对投资者情绪和上证系列指数收益指标施加短期约束条件,通过构建结构向量自回归（SVAR）模型来研究投资者情绪与上证系列指数收益在不同时期的相互关系,实证结果表明:投资者情绪与上证系列指数收益交互影响;投资者情绪在当期对上证系列指数收益有着显着的正向影响,并随着的时间的推移,该影响逐渐减小,而上证系列指数收益在当期对投资者情绪并无影响,存在时滞效应,在后期则有着持续性影响。最后,本文构建带有投资者情绪的EGARCH模型,研究投资者情绪与上证系列指数收益波动的关系,实证结果发现:投资者情绪对上证中小盘指数收益波动的影响较大,对上证50指数收益波动的影响则较小,上证50指数虽然涵盖了我国沪市的十大权重股,但投资者对其关注度相比于其他股票指数仍较小,投资者更偏向于投机中小盘股;且投资者情绪对股票市场波动的影响存在杠杆效应,乐观的投资者情绪对股票指数收益的影响程度要高于悲观的投资者情绪。
陈艳飞[3]（2019）在《基于生存分析的股票和股指期货涨跌特征研究》文中研究表明生存分析能对事件的发生、存活和失效时间进行统计规律分析与推断,被广泛应用于生物学、精算学、经济学等方面。股票价格涨跌方向的判断一直是学术研究的热点问题,将股票、股指期货的涨跌过程看作是一种生存状态,运用生存分析对其连涨连跌进行生存特征分析,能为投资者的投资决策提供参考。生存分析的步骤为:首先计算出股票、股指期货连涨与连跌收益率序列,对连涨与连跌收益率序列进行参数估计及检验;再根据其分布函数计算连涨和连跌收益率序列的平均值和涨跌转换概率;最后对连涨连跌收益率序列进行生存分析,得出生存函数,危险函数等,并根据生存函数对股票与股指期货的涨跌生存概率进行推断,对涨跌趋势进行分析。研究发现股票、股指期货连涨连跌收益率服从伽玛分布,伽玛分布的参数与股市变化密切相关,伽玛分布的尺度参数能反映市场的波动情况,伽玛分布的形状参数能反映市场熊市与牛市的状态。这将为投资者投资决策提供参考价值。本文选取个股、指数、股指期货作为研究样本,运用生存分析方法对其生存特征进行实证研究,结果表明:（1）股票价格出现长期连涨或者连跌的现象一般较少,短期的涨跌交替现象较多。青岛海尔连涨连跌1至2天的次数相对频繁,且连涨连跌收益率为3%左右的生存概率相对较大。（2）沪深当月、上证当月、中证当月三个股指期货的连涨分钟数的期望值为1.8分钟至2分钟,连跌分钟数的期望值为1.8分钟至1.9分钟。三个股指期货的连涨与连跌在1分钟左右的生存概率相对较大,一旦大于等于两分钟,连涨连跌的生存概率就会大大降低。股指期货连续上涨约为两分钟,两分钟后就会暂时反转为下跌,经过一段时间后会再次上涨,变成涨跌的循环交替过程,反之亦然。（3）股票、股指期货连涨连跌收益率并非对称的关系,其连涨和连跌的收益率序列服从不同参数的伽玛分布,并不服从随机游动的假说。选用伽玛分布的生存分析,根据伽玛分布的两个参数能分析股市处于牛市还是熊市。股价的涨与跌二者之间也并非独立的,股价涨跌的条件概率与已有的收益率之间有密切关系。
赵恒甲[4]（2018）在《基于生存分析的地产股指波动特性研究》文中研究说明自国家大力发展住房金融以来,中国的经济一直保持着令世界瞩目的发展势能,极大地提高了人民的幸福感。与此同时,高速发展下房地产业隐藏的问题和风险也日益凸显:投资泡沫、房价高企、杠杆率高。为此,国家不断地出台各种宏观政策来稳定楼市,希冀建立成熟规范的房地产业长效机制。如今房地产业的走向和兴衰已经成为影响中国经济能否持续平稳发展的双刃剑。因此,研究作为“房地产业指示器”的地产股指无疑具有深远的意义。本文运用生存模型来研究地产股指的波动特性。首先从上证地产股指（000006）2010-2017的日收益率着手,展开对地产股指持续涨跌天数及持续收益率的分析研究。对于地产股指持续涨跌天数,计算且比较两个样本时间段内的三个重要函数（生存函数、概率密度函数、风险率函数）,并统计出期望涨跌2天左右的投资盈利时间区间。对于地产股指持续收益率,假设其服从伽马分布再进行拟合检验。实证结果表明,其很好的服从伽马分布。紧接着基于伽马分布进行了持续收益率条件概率的推断,得出历史收益率对未来收益率的涨跌有影响。然后对比分析了两个样本时间段内波动特性的差异,并简单的探究了其隐藏的政策环境因素。最后,分析了成交量等变量对持续收益率的影响,发现两个变量都与持续收益率成正的线性关系,文章还给出了上证指数收益率、成交量等变量取不同值时持续收益率的条件概率。本文所做的工作能让投资者较为全面地理解宏观调控下整个房地产业的发展状况,更为其进行投资技术分析提供借鉴参考,以利于投资者采取更为理性的投资决策。
陈伟[5]（2018）在《基于Copula-TACD模型的股指期货高频连涨连跌特征研究》文中研究表明近年来,随着我国证券金融市场的迅速发展,股指期货凭借其在套期保值、价格发现与风险管理等多方面的优势,已经逐渐成为市场中一种比较成熟的投资工具。如何在股指期货投资中有效地规避风险,这是每个投资者非常关心的事情,本文以股指期货的高频连涨连跌特征为研究对象,分别从时间和量两个角度进行研究分析。本文从沪深300股指期货当月连续指数的1分钟高频收益率出发,分别从连涨连跌时间与连涨连跌收益两方面对股指期货涨跌的特征进行分析。对于连涨连跌时间,首先总结了其弱自相关性、非过度离散性等特征,然后使用生存分析方法,分别拟合了二者的经验生存函数、概率密度函数与危险率函数,最后讨论了股指由涨转为跌与由跌转为涨的概率与条件概率;对于连涨连跌收益率,首先总结了其尖峰厚尾、过度离散、强自相关性和非线性等特征,接着使用Copula-TACD模型对其联合分布进行建模,并运用二阶段极大似然估计方法,分别对其边缘分布与相依性结构进行估计。具体而言,首先运用了TACD模型分别对连涨连跌收益的边际分布进行拟合,然后使用了Copula函数对其相依性结构进行拟合,最后,分别基于边际分布和联合分布求出连跌收益的在险值VaR和条件在险值CVaR,回溯检验的结果显示VaR和CVaR均能有效地度量连跌收益的风险,且考虑了涨跌相关性的CVaR捕捉风险的准确率更高。本文使用了多种检验方法对连涨（跌）时间和连涨（跌）收益进行了检验,总结了高频数据下连涨（跌）时间和连涨（跌）收益的不同特征,并分别运用了两种模型对其进行建模,基于连涨连跌时间的生存模型,可以求出连涨（跌）时间的概率与条件概率;基于连涨连跌收益的联合分布Copula-TACD模型,可以求出连涨（跌）收益的分布与条件分布,可为高频交易投资者的投资时机与风险管理提供一定的参考作用。
罗克兵,叶五一,董筱雯[6]（2016）在《高频连涨连跌收益率的分位点Granger因果检验与条件VaR估计》文中提出分析了上证综指和深圳成指1min高频数据的连涨连跌收益率及相应持续期的平稳性,对它们的分布进行了指数分布、Gamma分布和Weibull分布拟合,发现拟合效果不好.基于分位点Granger因果关系检验,分析了连涨连跌收益率的影响因素,研究结果表明,大的连涨后跟着大的连跌的可能性较大,但是连涨极端收益率不受上一过程的连跌收益率的影响;上一个连涨连跌收益率的持续期越长,连跌收益率的风险越小;上一个连涨过程的持续期越长,下一个连涨过程的极端收益越小,而连跌过程的持续期对连涨的极端收益不存在影响.最后对连跌收益率的条件VaR进行了预测,结果表明分位点回归模型对条件VaR的预测效果较好.
夏旭[7]（2016）在《美国股市持续涨跌特征及中美比较研究 ——基于生存分析的方法》文中研究说明随着金融危机影响的不断弱化,全球宏观经济的逐渐好转,投资者如何有效地投资股市,研究全球金融的心脏—美国股市以及与中国股市进行比较,对我国股票市场投资具有重要的指导意义。本文从美国三大股指持续涨跌特征的角度,运用生存分析的方法来进行研究。本文是从美国三大股票指数日收益率出发,主要运用技术分析,通过生存分析的角度,从美国三大股指持续涨跌天数以及持续收益率两个方面来研究美国股市的涨跌特征。对于持续涨跌天数,运用了生存模型中的三个主要函数——生存函数、概率密度函数、危险率函数对美国三大股票指数的持续涨跌天数的特征进行较为客观的准确分析,并计算出期望持续涨跌天数为2.0天左右,这在理论条件下也是投资者的盈利时间区间。对于持续收益率,进行了 Gamma分布的拟合,结果显示美国三大股指持续收益率较好地服从Gamma分布,同时对持续收益率的理论均值和标准差和经验的均值与标准差进行了比较,发现两者间差异较小,在可接受的范围,这说明对其分布的Gamma拟合还是基本有效的。在Gamma分布的基础上,对美国三大股指持续收益率区间的概率以及条件概率进行了计算,结果在正文显示;且通过对无条件概率及条件概率的对比发现,其历史收益率在一定程度上对未来收益率会有影响,这说明在美国股票市场进行技术分析也是有效的,这也从另一个角度说明了美国金融市场可能还没有达到真正的弱有效市场。最后分析了成交量、平均市盈率、美国联邦基金利率与持续收益率的影响,发现这三个因素中成交量与持续收益率呈现出正相关的线性关系,而平均市盈率与美国联邦基金利率呈现出负向的线性相关关系。通过实证分析得出相关系数之后,文章中也计算了在成交量固定时持续收益率的无条件概率及条件概率。对中美股市的特征比较与研究分析,有利于中国投资者用全球的眼光来更加理性地进行有效地投资中国股市。
梁淇俊,郑贵俊,徐守萍[8]（2015）在《基于生存分析的择时策略择优体系研究——以技术指标交易信号为例》文中提出在量化投资大行其道之时,检验其择时策略有效性几乎完全基于其策略回测的收益曲线进行判断,缺乏系统对其核心——交易信号进行盈利空间的分析。以技术指标作为择时策略的个例,随机抽取一只股票展示整个择优体系的思路。首先,将MACD、RSI、OBV指标在生存模型上进行单策略信号有效性检验,结果显示仅前两者有效;其次,对这两个指标进行联合策略信号检验,发现其联合作用显着,对比独立情况下,提升了盈利空间;再次,运用Cox模型将各种信号组合情况下的盈利水平及有效程度进行量化;最后,在评价样本（全市场随机抽取的1000只个股）中计算指标有效程度的均值与方差,通过T检验得到结论,MACD指标较RSI指标优,或者说在两者联合的策略中前者的贡献较大。
贡世聪[9]（2014）在《股指期货连涨连跌特征的生存分析》文中研究指明伴着我国资本市场的迅速发展,证券资本市场日益扩大的规模,证券市场结构的不断改变,投资者特别是机构投资者对于风险规避以及多样化的投资工具的需求与日俱增,这在客观条件上对股指期货等金融产品的发展与完善助了一臂之力。鉴于股指期货在套期保值、价格发现以及风险管理方面的独特优势,其在国际金融资本市场中己然成为比较成熟的,且是日益发挥重要作用的投资工具。投资者如何有效的投资股指期货?本文从股指期货连涨连跌特征的视角,生存分析的方法来研究分析。本文是从股指期货1分钟高频收益率出发,以技术分析为主,通过生存分析的视角来,从股指期货连涨连跌分钟数以及连涨连跌分钟收益率两个方面来分析股指期货涨跌特征。对于连涨连跌分钟数,我们主要运用了生存模型中的三个主要函数——生存函数、概率密度函数、危险率函数对股指期货指数的连续涨跌分钟数的特征进行较为客观的分析,并计算出期望连涨连跌分钟数为1.8分钟左右,这在理论条件下也是投资者的盈利时间区间。对于连涨连跌分钟收益率,我们进行了Gamma分布的拟合,结果显示股指期货连涨连跌分钟收益率较好的服从Gamma分布,与此同时,我们对连涨连跌分钟收益率的理论均值和标准差和经验的均值标准差进行了对比,发现两者间差异较小,在可接受的范围,这说明对其分布的Gamma拟合还是基本有效的。在Gamma分布的基础上,我们对股指期货连涨连跌收益率区间的概率以及条件概率进行了计算,结果在正文显示；且通过对无条件概率及条件概率的对比发现,其历史收益率在一定程度上对未来收益率会有影响,这说明在我国股指期货市场进行技术分析也是有效的,这也从另一个角度说明了我国金融市场可能还没有达到真正的弱有效市场。最后我们分析了分钟成交量、分钟持仓量变动与连涨连跌收益率的影响,发现这两个因素中只有分钟成交量与连涨连跌分钟收益率呈现出正相关的线性关系,而持仓量变动并没有明显的线性相关关系。通过实证分析得出相关系数之后,文章中也计算了在成交量固定时连涨连跌分钟收益率的无条件概率及条件概率。
张涵萌[10]（2012）在《银行业上市公司会计信息披露与股价反应研究》文中认为近年来，银行业不仅不断地发展壮大，而且其在我国经济发展中也明显地表现出了越来越大的推动作用。银行业近几年一直保持快速发展，而且政府也在陆续出台相关抑制资本过热的宏观政策，再加上众多中小投资者也青睐于银行企业股，这些都使得银行业备受社会多方关注。对投资者来说，获取信息的一个重要来源就是企业年度报表。本文在信息披露理论的基础上，试图探索有哪些因素在年度报告信息披露后会影响股价上涨或下跌的持续时间，得出包含这些影响因素的各种指标的体系图。从而不仅可以为投资者的相关行为和决策提供参考意见，而且还能为其他企事业单位和个人考察银行业及资本市场业绩行情给与借鉴和启示。本文在综述国内外会计信息披露与股价反应研究成果的基础上，建立了以银行业为背景的上市银行年度报告披露后股价反应的模型。结合我国上市银行年报的特点，本文实证分析的研究对象为16家银行2008年、2009年和2010年连续三年的年度报表披露后股票价格上升或下降的持续时间。对其运用生存分析中的Kaplan-Meier进行估计，得到银行业上市公司股价持续上升和下降时间的分布。结果表明股价持续上涨和下跌时间两种情况的分布存在较为明显的差异。为了识别哪些关键财务指标和股票交易技术因素会对股价波动持续的时间产生影响，本文引入Cox危险比例模型来对样本数据进行拟合分析。结果表明：银行业上市公司的8个主要财务指标、股票成交量和成交价格的变动是影响股票价格波动持续时间的最为关键的10个变量。通过对比这些影响因素，本文得出会计信息比技术因素对股价变动的持续时间的影响更大。最后，本文在考察银行业上市公司的报表特点并结合我国证券市场现状的基础上，又更深入地论述了结论产生的原因和从结论可得到的启示，并提出以后研究的改进方向。
二、运用生存模型对上证指数涨跌天数的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、运用生存模型对上证指数涨跌天数的研究（论文提纲范文）
（1）基于生存分析的上证指数连涨连跌天数研究（论文提纲范文）
| 1 上证指数连涨连跌数据 |
| 2 连涨连跌天数的生存模型建立[6-8]和预测 |
| 2.1 连涨天数X和连跌天数Y的生存函数估计 |
| 2.2 连涨天数X、连跌天数Y概率函数的估计 |
| 2.3 危险率函数h(t）的估计 |
| 3 结语 |
（2）投资者情绪与上证系列指数收益及其波动的关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景与研究意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 研究框架 |
| 1.4 论文的主要创新点 |
| 第二章 文献综述 |
| 2.1 行为金融学理论中的投资者情绪 |
| 2.2 投资者情绪的度量 |
| 2.3 投资者情绪与股票市场关系的研究综述 |
| 2.4 本章小结 |
| 第三章 投资者情绪指标的构建与有效性分析 |
| 3.1 主成分分析法 |
| 3.2 投资者情绪代理变量的选取 |
| 3.3 投资者情绪指标的构建 |
| 3.4 投资者情绪指标的有效性分析 |
| 3.5 本章小结 |
| 第四章 基于SVAR模型的投资者情绪与上证系列指数收益的交互影响研究 |
| 4.1 SVAR理论模型 |
| 4.2 数据的选取与预处理 |
| 4.3 SVAR模型的构建与实证分析 |
| 4.4 基于SVAR模型的脉冲响应函数分析 |
| 4.5 基于SVAR模型的方差分解分析 |
| 4.6 本章小结 |
| 第五章 基于EGARCH模型的投资者情绪与上证系列指数收益波动的研究 |
| 5.1 数据的描述性统计分析 |
| 5.2 实证模型的选择 |
| 5.3 带有投资者情绪的EGARCH模型实证研究 |
| 5.4 本章小结 |
| 第六章 结论与对策建议 |
| 6.1 结论 |
| 6.2 对策建议 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（3）基于生存分析的股票和股指期货涨跌特征研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外的研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究的主要内容及创新之处 |
| 第二章 生存分析理论及连涨连跌收益率统计方法概述 |
| 2.1 生存分析理论概述 |
| 2.1.1 生存分析的基本函数 |
| 2.1.2 生存分析的估计方法和分布模型 |
| 2.2 连涨连跌收益率统计方法概述 |
| 2.3 本章小结 |
| 第三章 股指期货连涨与连跌时间的生存特征研究 |
| 3.1 高频数据的选取与连涨连跌收益率的计算 |
| 3.2 连涨与连跌分钟数的统计分析 |
| 3.3 股指期货连涨与连跌分钟数生存特征的实证研究 |
| 3.3.1 连涨分钟数的生存特征比较 |
| 3.3.2 连跌分钟数的生存特征比较 |
| 3.4 本章小结 |
| 第四章 连涨连跌收益率的生存特征及其分布与概率推断 |
| 4.1 理论分布估计与检验理论介绍 |
| 4.1.1 伽玛分布参数的似然估计 |
| 4.1.2 K-S分布检验 |
| 4.2 股指期货收益率高频数据的理论分布 |
| 4.2.1 连涨连跌分钟收益率的统计特征分析 |
| 4.2.2 连涨连跌分钟收益率的分布拟合与检验 |
| 4.3 股指期货连涨连跌收益率高频数据的生存分析 |
| 4.3.1 股指期货连涨分钟收益率的生存特征比较 |
| 4.3.2 股指期货连跌分钟收益率的生存特征比较 |
| 4.4 沪深300指数连涨连跌收益率分布估计与生存分析 |
| 4.4.1 连涨连跌收益率理论分布的计算 |
| 4.4.2 基于生存模型的沪深300指数牛市与熊市分析 |
| 4.5 沪深300指数连涨连跌的概率推断 |
| 4.6 生存分析理论在股票中的实证分析 |
| 4.7 本章小结 |
| 第五章 结论 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（4）基于生存分析的地产股指波动特性研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容 |
| 1.5 技术路线图 |
| 1.6 论文特色与创新之处 |
| 第2章 生存分析基本理论 |
| 2.1 生存分析基本概念 |
| 2.2 离散数据生存模型 |
| 2.3 连续数据生存模型 |
| 2.4 生存数据的删失和截尾 |
| 2.5 生存分析的方法 |
| 第3章 地产股指持续涨跌天数生存特征的研究 |
| 3.1 数据的选择 |
| 3.1.1 时间段的选择 |
| 3.1.2 地产股指的选择 |
| 3.1.3 收益率的选择 |
| 3.2 生存涨跌天数及持续收益率 |
| 3.3 连涨天数生存特征分析 |
| 3.4 连跌天数生存特征分析 |
| 第4章 地产股指持续收益率的分布及概率推断 |
| 4.1 两个阶段地产股指收益率及持续收益率的特征 |
| 4.2 地产股指持续收益率理论分布拟合 |
| 4.3 地产股指持续收益率的条件概率推断 |
| 第5章 地产股指生存波动特性的比较研究 |
| 第6章 持续收益率影响因子建模与实证分析 |
| 6.1 持续收益率影响因子的模型构建 |
| 6.1.1 变量的选择 |
| 6.1.2 模型的构建 |
| 6.2 持续收益率影响因子的实证分析 |
| 结论 |
| 参考文献 |
| 致谢 |
（5）基于Copula-TACD模型的股指期货高频连涨连跌特征研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 ACD模型研究现状 |
| 1.2.2 Copula 模型研究现状 |
| 1.2.3 连涨连跌研究现状 |
| 1.3 本文框架结构 |
| 第2章 相关理论基础 |
| 2.1 生存分析相关理论 |
| 2.1.1 连续数据的生存分析函数 |
| 2.1.2 离散数据的生存分析函数 |
| 2.2 ACD相关理论 |
| 2.2.1 基本ACD模型介绍 |
| 2.2.2 门限ACD模型介绍 |
| 2.2.3 ACD族模型的参数估计方法 |
| 2.3 Copula 相关理论 |
| 2.3.1 Copula 函数定义 |
| 2.3.2 Copula 函数分类 |
| 2.4 Copula-TACD 模型介绍与参数估计方法 |
| 2.5 本章小结 |
| 第3章 基于生存分析的股指期货连涨连跌时间研究 |
| 3.1 数据选取与预处理 |
| 3.2 连涨连跌数据提取 |
| 3.3 数据描述性分析 |
| 3.4 连涨连跌时间的生存分析 |
| 3.4.1 生存函数的经验估计 |
| 3.4.2 概率密度函数的经验估计 |
| 3.4.3 危险函数的经验估计 |
| 3.5 本章小结 |
| 第4章 基于 Copula-TACD 模型的股指期货连涨连跌收益研究 |
| 4.1 数据描述性分析 |
| 4.2 股指期货连涨连跌收益建模 |
| 4.2.1 基于TACD模型的边缘分布 |
| 4.2.2 基于 Copula 模型的联合分布 |
| 4.2.3 VaR 和 CVaR 的回溯测试 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 创新点 |
| 5.3 展望 |
| 致谢 |
| 参考文献 |
| 硕士期间完成的主要论文与项目 |
| 附录 A |
| 附录 B |
（6）高频连涨连跌收益率的分位点Granger因果检验与条件VaR估计（论文提纲范文）
| 0 引言 |
| 1 高频连涨连跌收益率序列 |
| 2 基于分位点回归模型的分位点Granger因果检验以及条件VaR估计 |
| 2.1 分位点回归模型 |
| 2.2 分位点Granger因果关系检验 |
| 2.3 分位点回归的条件VaR估计 |
| 3 实证分析 |
| 3.1 数据描述 |
| 3.2 连涨连跌收益率的平稳性及拟合优度检验 |
| 3.3 分位点Granger因果关系检验 |
| 3.4 连跌收益率的条件VaR估计 |
| 4 结论 |
（7）美国股市持续涨跌特征及中美比较研究 ——基于生存分析的方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 选题背景 |
| 1.2 选题意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究的内容、框架与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 研究框架 |
| 1.4.3 可能的创新点 |
| 第二章 生存分析方法的概念简述 |
| 2.1 生存分析方法的相关概念 |
| 2.1.1 连续数据 |
| 2.1.2 离散数据 |
| 2.2 删失数据和截断数据 |
| 2.3 参数估计模型 |
| 第三章 美国三大股指涨跌天数的生存特征研究 |
| 3.1 关于收益率的选择问题 |
| 3.2 美国三大股指持续收益率以及涨跌天数统计 |
| 3.3 美国股市持续涨跌天数统计分析 |
| 3.3.1 美国三大股指连涨天数特征分析 |
| 3.3.2 美国三大股指连跌天数特征分析 |
| 第四章 美国三大股指持续收益率分布及概率推断 |
| 4.1 美国三大股指收益率及持续收益率的统计特征分析 |
| 4.2 美国三大股指持续收益率的理论分布估计及检验 |
| 4.3 中美股指持续收益率概率推断及比较 |
| 4.3.1 美国三大股指持续收益率概率及条件概率 |
| 4.3.2 股指持续涨跌收益率的联合分布及条件概率 |
| 4.4 中美股指收益率与波动率的比较研究 |
| 4.4.1 中美股指日收益率与波动率的比较 |
| 4.4.2 中美股指持续收益率与波动率的比较 |
| 第五章 多因素对持续涨跌收益率影响的实证分析 |
| 5.1 成交量等因素对收益率的影响研究 |
| 5.2 模型构建及实证结果 |
| 5.2.1 模型构建 |
| 5.2.2 协变量的选择 |
| 5.2.3 回归结果 |
| 5.3 成交量等因素对持续收益率的影响统计特征研究 |
| 第六章 结论 |
| 参考文献 |
| 硕士期间发表的学术论文 |
| 后记 |
（8）基于生存分析的择时策略择优体系研究——以技术指标交易信号为例（论文提纲范文）
| 一、引言 |
| 二、生存模型 |
| (一)生存分析的基本函数 |
| (二)交易信号构建 |
| 三、数据描述 |
| 四、单策略有效性分析 |
| (一)MACD指标有效性分析 |
| (二)RSI指标有效性分析 |
| (三)OBV指标有效性分析 |
| 五、联合策略有效性分析 |
| 六、策略在评价样本中的应用分析 |
| 七、结论 |
（9）股指期货连涨连跌特征的生存分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 选题背景 |
| 1.2 选题意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容和研究框架 |
| 1.4.1 研究内容 |
| 1.4.2 研究框架 |
| 第二章 股指期货及生存分析方法概述 |
| 2.1 股指期货概述 |
| 2.1.1 股指期货的特点 |
| 2.1.2 股指期货的功能论述 |
| 2.2 生存分析方法的相关概念 |
| 2.2.1 连续数据 |
| 2.2.2 离散数据 |
| 2.2.3 删失数据和截断数据 |
| 2.3 参数估计模型 |
| 第三章 股指期货连涨连跌分钟数的生存特征实证分析 |
| 3.1 关于收益率的选择问题 |
| 3.2 股指期货连涨连跌收益率以及连涨连跌分钟数统计 |
| 3.3 股指期货连涨连跌分钟数生存特征实证分析 |
| 3.3.1 股指期货连涨分钟数的生存特征分析 |
| 3.3.2 各时间段连跌分钟数的生存模型分析 |
| 第四章 股指期货连涨连跌收益率分布及概率推断 |
| 4.1 股指期货分钟收益率及连涨连跌分钟收益率的统计特征分析 |
| 4.2 连涨连跌分钟收益率的理论分布估计及检验 |
| 4.3 连涨连跌的概率推断即股指期货市场均值回复特征的实证 |
| 4.3.1 股指期货连涨连跌概率及条件概率 |
| 4.3.2 股指期货连涨连跌分钟收益率的联合分布及条件概率 |
| 第五章 成交量等因素对连涨连跌收益率影响的实证分析 |
| 5.1 成交量等因素与收益率的相互关系及研究现状 |
| 5.2 模型构建及实证结果 |
| 5.2.1 模型构建 |
| 5.2.2 回归结果 |
| 5.3 成交量对连涨连跌收益率影响的概率推断 |
| 第六章 结论 |
| 参考文献 |
| 攻读硕士期间发表的学术论文 |
| 后记 |
（10）银行业上市公司会计信息披露与股价反应研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 概述 |
| 1.1 引言 |
| 1.2 研究的背景和意义 |
| 1.2.1 研究的背景 |
| 1.2.2 研究的意义 |
| 1.3 文献综述 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 文献述评 |
| 1.4 课题研究目的、内容、技术路线 |
| 1.4.1 研究目的 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法和技术路线 |
| 1.5 主要成果、创新点以及局限 |
| 1.5.1 主要成果 |
| 1.5.2 主要创新点 |
| 1.5.3 主要局限 |
| 2 我国银行业会计信息披露的特点 |
| 2.1 银行业的特点 |
| 2.1.1 银行业的内涵 |
| 2.1.2 商业银行的经营特点 |
| 2.2 商业银行报表的特点 |
| 2.2.1 商业银行会计核算的特点 |
| 2.2.2 商业银行会计信息的特点 |
| 2.3 年报信息后商业银行股价的变动 |
| 2.3.1 股价对信息反应的界定 |
| 2.3.2 银行综合指数与沪深 300 指数的比较 |
| 3 会计信息与股票市场相关理论研究 |
| 3.1 信息与股票市场关系的基本理论 |
| 3.1.1 随机理论 |
| 3.1.2 现代证券组合理论 |
| 3.1.3 有效市场理论 |
| 3.1.4 理论假设对信息披露与股价反应研究的指导意义 |
| 3.2 会计信息披露与股价反应的实证模型研究 |
| 3.2.1 收益模型（return model） |
| 3.2.2 价格模型（price model） |
| 3.2.3 生存模型（survival model） |
| 3.2.4 三种模型的优缺点比较 |
| 3.3 选择生存分析的原因 |
| 3.3.1 生存模型的引入 |
| 3.3.2 生存模型的优势 |
| 4 生存模型实证方法研究 |
| 4.1 生存模型分析方法 |
| 4.1.1 生命表分析 |
| 4.1.2 Kaplan-Meier 估计 |
| 4.1.3 神经网络分析 |
| 4.1.4 Cox 回归分析 |
| 4.1.5 四种分析模型的比较与评述 |
| 4.2 生存分析实证的设计 |
| 4.2.1 变量的定义 |
| 4.2.2 研究数据来源与处理软件的选择 |
| 4.2.3 研究样本的确定 |
| 4.3 实证的方法和预期 |
| 4.3.1 对股价上涨和下跌持续的时间进行非参数估计 |
| 4.3.2 股价波动持续期的影响因素分析 |
| 4.3.3 使用 Cox 比例危险率模型分析协变量 |
| 4.3.4 预期结果 |
| 5 检验过程与实证结果 |
| 5.1 用乘积极限方法分析股价的持续升降 |
| 5.1.1 2010 年数据 |
| 5.1.2 2009 年数据 |
| 5.1.3 2008 年数据 |
| 5.2 模型拟合与逐步回归 |
| 5.3 协变量参数估计 |
| 5.3.1 2010 年数据 |
| 5.3.2 2009 年数据 |
| 5.3.3 2008 年数据 |
| 5.4 实证结果分析 |
| 6 研究结论及政策建议 |
| 6.1 主要结论 |
| 6.2 政策建议 |
| 6.2.1 完善信息披露机制 |
| 6.2.2 提高投资者的投资水平以及心理素质 |
| 6.2.3 改善政府在证券市场中的政策行为 |
| 6.2.4 完善证券市场相关法制建设 |
| 6.3 研究展望 |
| 参考文献 |
| 在学期间发表的学术论文和研究成果 |
| 致谢 |
| 硕士学位论文摘要 |
四、运用生存模型对上证指数涨跌天数的研究（论文参考文献）
- [1]基于生存分析的上证指数连涨连跌天数研究[J]. 黄飞,孙怡川,陶明珠. 长春工程学院学报(自然科学版), 2020(02)
- [2]投资者情绪与上证系列指数收益及其波动的关系研究[D]. 叶莹莹. 广州大学, 2019(01)
- [3]基于生存分析的股票和股指期货涨跌特征研究[D]. 陈艳飞. 浙江理工大学, 2019(06)
- [4]基于生存分析的地产股指波动特性研究[D]. 赵恒甲. 首都经济贸易大学, 2018(12)
- [5]基于Copula-TACD模型的股指期货高频连涨连跌特征研究[D]. 陈伟. 武汉理工大学, 2018(07)
- [6]高频连涨连跌收益率的分位点Granger因果检验与条件VaR估计[J]. 罗克兵,叶五一,董筱雯. 中国科学技术大学学报, 2016(11)
- [7]美国股市持续涨跌特征及中美比较研究 ——基于生存分析的方法[D]. 夏旭. 南京财经大学, 2016(06)
- [8]基于生存分析的择时策略择优体系研究——以技术指标交易信号为例[J]. 梁淇俊,郑贵俊,徐守萍. 金融经济学研究, 2015(01)
- [9]股指期货连涨连跌特征的生存分析[D]. 贡世聪. 南京财经大学, 2014(06)
- [10]银行业上市公司会计信息披露与股价反应研究[D]. 张涵萌. 首都经济贸易大学, 2012(03)