一、亚洲股市涨跌不一（论文文献综述）
单晓玉[1]（2021）在《突发公共卫生事件期间股市间波动溢出效应研究 ——以SARS疫情和COVID-19疫情为例》文中认为随着全球范围内经济一体化的日益深化以及我国开放型政策的不断实施,中国与世界上其他经济体间的经贸领域合作愈来愈宽泛。股票市场作为金融市场不可或缺的存在,也会受到其他经济体股票市场波动的干扰。从上世纪八十年代开始,中国的股票市场经过了几十载的发展进程,有对外开放、人民币汇率改革、股权分置改革等一系列金融政策的实施,也有金融危机、次贷危机和股灾等一系列冲击的发生。中国的股票市场从不成熟到日益完善,从封闭发展到逐渐走向全球,与世界上其他经济体股票市场之间的相互作用也日趋增强。20世纪末亚洲金融危机和21世纪环球经济危机的爆发,使得全球范围内不少国家的经济遭受威胁。金融风险在世界范围内传导,各国的股票市场也出现明显的波动连锁反应。由此可见,外部事件的发生可能会使不同股票市场间的风险溢出情况发生变化。2019年末COVID-19疫情的爆发对世界各国的经济造成重大损失,股票市场同样受到了不同程度的影响。联想到2003年SARS疫情也使得不少亚洲国家经济遭受重创,股票市场受到冲击。基于此,本文拟研究突发公共卫生事件期间中国与世界其他股票市场间的波动溢出情况,并将COVID-19疫情期间与SARS疫情期间的结果进行比较,分析不同时期股票市场波动溢出效应的传递机制与作用效果。文章将选取美国、日本、中国香港、韩国和德国这几个和中国内地贸易往来密不可分的经济体的股票收益率日度数据,采用VAR模型和BEKK-GARCH模型研究突发公共卫生事件是否会对中国与其他各经济体股票市场之间的波动溢出情况产生作用。为了比较每个时间段股票市场间波动传导情况的差别,文章将样本期分为三部分,即SARS疫情期间,新常态时期和COVID-19疫情期间。通过将SARS疫情期间和COVID-19疫情期间股票市场的波动溢出结果与新常态时期进行对比,突出突发公共卫生事件对各经济体股票市场间波动传导的作用。通过实证分析,结果表明:SARS疫情期间中国的股市对香港的股市有着显着的单向波动传递,而对其他四个国家的股市没有明显的影响,且除了韩国以外其他经济体的股票市场对中国股票市场的波动传导并不显着。COVID-19疫情期间中国的股票市场与其他股票市场之间不存在显着的波动溢出情况。与新常态时期相比,SARS疫情期间中国股票市场与部分股票市场的波动溢出效果有所增强,而COVID-19疫情期间中国股票市场与其他股票市场的波动溢出效果有所减弱,说明我国应对此类突发公共卫生事件的能力有所提升。最后,我们将从政策实施角度和股市参与角度两个方面对合理配置金融资产和防范化解突发事件中的金融风险提出相应的建议。
王晓丹[2]（2020）在《中国政府股票市场救助行为研究 ——基于2015年救市行为的分析》文中研究表明2015年中国股市经历了一次巨震,为了维护股票市场稳定,中国政府以“国家队”身份、以超过一万亿的资金规模直接入市救助股市。后期又面临大量资金是否和如何退市问题。此次中国“国家队”资金救助股市为世界各国（地区）所关注,也为政治经济学和金融监管领域的研究提供了重要的田野实验,本文重点考察和研究这一重大的经验事实。论文分为八章。第一章阐释了政府干预股票市场的国内外现实背景和研究现状,突出了研究意义,介绍了论文的内容结构。第二章对现有关于政府对股票市场干预的相关文献做梳理。从股市危机的特征和政府职能两个方面阐述了政府救助股市的必要性;从文献中总结政府救市策略的目标、具体方式和政策效果,并重点突出股市干预基金的设立及运行效果;进而立足于中国政府股市干预策略,以及中国2015年股市危机的研究进展并指出研究缺陷;最后指出政府股市干预策略的退出机制的研究不足。第三章从金融史的角度,以政府救助方式为划分,并遵循重大股市危机发生的时间轴,对20世纪以来历次典型性金融危机中各国（地区）政府救市的经验做比较,尤其集中于政府直接注资股市的策略比较,对比较成功的股市平准基金的运作详细展开,并总结处于不同发展阶段股市的政府干预策略差异。着眼于中国股市,对中国股市自建立以来的政府干预策略进行梳理,并详细剖析2015年股市危机的救市计划,为中国股市危机的应对措施提供历史经验。第四章对政府入市策略做理论分析,结合中国股市的典型性特征,基于噪声交易模型,分别从股市危机的形成、中国政府救市的目标与策略、入市干预的预期效果等方面,对政府救市资金入市进行理论分析;在理论模型的基础上,提出政府入市效应的三个理论假说。第五章和第六章是对中国政府救市资金的运行情况和策略效果的实证分析。对救市资金及其后续调整的详细统计是救助策略研究的重要现实依据。第五章首先集中关注2015年中国股市大波动期间,以中央汇金投资有限公司和中国证券金融股份有限公司为主力的“国家队”救市资金的统计,分别从资金入市的市场背景、资金的筹集规模、入市结构安排、选股原则、后期资金动态调整、等各方面剖析政府此番的注资行动;并对“国家队”各持股成员拆分比较,以完整展示救市资金运行全貌。第六章基于第四章提出的三个理论假说,实证检验中国政府股市救助计划的政策效果,分别从救市资金对市场流动性的改善、对市场整体层面和被救助对象个体层面的波动性影响、救市资金的影响机制检验等三个方面,对政府此番股市救助策略的实施效果作评价。第七章是政府救助策略的处置问题研究。在政府入市模型的框架之上,退市理论研究探讨了政府退市的目标设定、交易策略、预期效果等,并在两期模型中给出了政府退市的必要条件和持仓调整的操作策略,对中国政府退市策略的实施提供了初步的机制设计。本章第二部分基于退市模型的结论,通过对救市资金的投资成本和各期收益水平的核算,指出“国家队”救市资金的退出时机,为退市策略建议提供现实依据。第八章对研究成果做总结,指出本文未来的研究展望;在各国（地区）股市危机救助历史的梳理与本文研究结论的基础上,为中国政府救市的策略选择及救市资金的后期运行提出政策建议。论文的主要结论:入市方面:政府入市救助的目标是稳定市场,是必要的和有效的,具体体现在以下各方面:政府通过增持股票为市场提供额外的流动性,降低了市场的流动性风险;政府的股市干预有利于降低市场波动性,并且干预力度越大,个股的收益率波动性越低;降低股票的噪声交易程度是救市资金降低股市波动性风险的主要作用机制。退市方面:国有资金大量滞留股市是有负面作用的,退市是必要的,但是,由于退市的目标比入市实际上更多元,所以退市行为更应该谨慎和有策略。考虑到政府对不同目标的偏好或权衡,其实后危机时期政府救助资金退出可以有不同的策略和时机。假定政府的目标只是入市资金的损益平衡,其实2017年底已经出现过全部退出的时机。但是,实际上政府至今还活跃在股市中,说明政府在某些信息优势的情况下,其救助资金的目标函数中可能包含了“投资收益”最大化。如果如此,政府救市资金理论上没有确定的最优退出时间或时机,相机抉择是最优策略。本文的创新或贡献主要体现在三方面:第一,把政府干预股市的行为分为入市和退市,分别分析,尤其是退市策略分析。因为现实中往往是入市很果断,退市很麻烦,需要特别慎重。政府入市的后处置直接决定了干预政策的有效性,却往往在策略制定和政策效果评价体系中被忽视。将政府救市资金退出问题纳入政府对股票市场的干预政策研究中,为救助资金的后续处置机制作出理论设计,这在一定程度上弥补了政府“看得见的手”择机撤出救助领域的研究空缺,为全球各市场类型国家提供了可供借鉴的退市制度设计。探讨救市资金的处置问题的前提是掌握现有资金在市场中的实际运行效果,通过较为细致的核算救市资金自入市以来的成本和各期收益情况,为救市资金的后续处置策略提供现实依据,并为退市策略的机制设计提供政策建议。第二,对政府干预股市行为的理论模型进行了内生化处理,并设定政府入市的目标函数与退市的目标函数不同:前者是稳定市场,后者的目标函数中是包含投资收益的。鉴于政府以维护公共利益为主要服务目标的基本属性,结合政府在金融市场中监督和管理的职责,对政府入市的理论研究以稳定股票价格波动为主要的干预目标具有合理性,已有文献也提供了较强的理论支持。以本文对2015年政府救市资金的统计研究和实证分析为基础,结合救市资金的筹集渠道、干预效果和资金变动等现实情况,本文对救市资金在后危机时期的处置研究以投资收益最大化为政府退市的目标函数,符合政府干预政策的市场逻辑并且具有一定的现实基础。把投资收益作为政府重要的干预目标在现有文献中是鲜有的,本文对政府救市资金退市的理论研究可以进一步推广到政府对各市场领域的干预行为评估。第三,在经典的噪声交易模型中引入政府行为,在逻辑推演的基础上,总结出三个理论判断,并在实证分析中加以验证。理论上在有政府参与的市场中,政府干预行为对市场的影响可能通过改变交易噪声实现,这为政府干预的影响机制研究拓展了理论依据。本文主要不足也是三点:第一,在理论分析中,把退市目标简单化处理为“获得投资收益”,确实过于简单和抽象,不符合实际。实际上政府与双重目标即投资收益和稳定市场,甚至有更多的目标,但是,由于确定不同目标之间的权重和构建相应模型太复杂,模型构建超出了我现在的能力,所以,只能以后再深入研究。第二,受数据可得性的局限,在统计分析中,本文采用季度性数据追踪救市资金的持股情况,但是季度性数据难以捕捉政府救市资金的具体交易时点及价格,导致救市资金的成本收益核算可能与实际情况差别较大。除以出资方证券公司的资产账户收益情况为补充外,要反映救市资金的真实收益需要更多的数据支撑。第三,在实证分析时,本文仅对政府救市资金的干预效果以流动性和波动性两个标准衡量,并未考虑对市场有效性的影响;对救市资金的作用机制也仅以降低噪声交易渠道解释,指标选择比较简单。
李云飞[3]（2020）在《金融时间序列方法在股市涨跌序列中的应用及预测研究》文中研究表明随着人工智能、大数据技术的快速发展,数据挖掘中的机器学习算法、深度学习算法在金融领域中的应用逐渐兴起,虽然数据挖掘方法中的传统统计方法在处理常规数据时表现尚可,但是对于处理海量非正态、非平稳、非线性和高信噪比的金融时间序列数据有一定的局限性。尤其是金融时间序列蕴含的规律时效性很强且迭代频率很高,建立在苛刻的假设条件下的传统模型在处理海量复杂的、动态的金融序列时显得捉襟见肘,而在获得新数据后,运用数据挖掘算法中的机器学习算法和深度学习算法,可快速适应环境并挖掘出有价值的信息,因此在金融时间序列研究中结合机器学习算法、深度学习算法进行探索具有重要实践意义。本文使用传统的时间序列方法、机器学习和深度学习算法,对我国股票市场整体涨幅分级序列进行研究,从序列中挖掘出股市运行规律,并开发出涨跌熵（advance-decline entropy,ADE）指数,这对于量化股市涨跌的不确定度、把握股市情绪以及指导投资决策具有重要的理论和现实意义。本文探索出适用于中国股市不同涨跌序列的预测模型,在量化择时、规避投资风险以及未来投资决策方面都具有重要的参考价值。本文使用多种时间序列方法研究中国股市的运行规律,并使用三种不同类型数据挖掘算法对中国股市涨跌序列进行预测。在进行实证研究之前,首先获取到2017年至2019年中国股票市场每个交易日所有股票的交易数据,对所有样本数据依据涨幅进行分级处理得到相应的时间序列,计算出量化市场情绪和不确定度的涨跌熵（ADE）指数,再对细分的五类涨跌序列以及对应的涨跌熵序列进行实证研究。本文使用传统的时间序列方法对中国股市涨跌序列规律进行挖掘,日历效应的实证研究中使用自回归条件异方差（GARCH）模型对股市涨跌序列和上证指数进行月份效应和星期效应分析,使用谱分析方法对涨跌序列进行周期性分析。对中国股市不同涨幅序列以及涨跌熵序列进行预测的实证研究中,分别使用时间序列方法中的自回归移动平均（ARMA）模型、机器学习算法中的支持向量回归（SVR）算法、深度学习中的长短记忆网络（LSTM）算法对各涨跌序列进行预测。最后,本文综合分析上述方法获得的实证结果,发现中国股市运行具有一定的规律,使用数据挖掘算法中的机器学习算法和深度学习算法对中国股市涨跌序列进行预测具有相对较好的效果。研究发现涨跌熵指数能够反映股市不确定性,涨跌熵序列在月份效应方面与上证指数和涨停序列正好相对应,且涨跌熵序列与分级序列中多数序列主周期和次周期都一致,这进一步印证了涨跌熵指数能量化股市的不确定度。近三年中国股市存在显着的二月效应,其中上证指数和涨停序列都存在显着的正二月效应,涨跌熵序列则存在显着的负二月效应,仅涨停序列和和上证指数具有星期效应。各涨幅序列中所有涨幅大于-5%的序列和涨跌熵序列主周期都是一个月,而所有跌幅大于5%序列主周期比所有涨幅大于-5%序列主周期短二十天左右。通过对三种不同类型数据挖掘算法预测股市涨跌序列的预测结果综合分析,发现机器学习算法和深度学习算法对各涨幅序列拟合效果比传统时间序列模型更好,使用深度学习算法中的LSTM对于我国股票市场涨幅预测效果最好。
曾鹏鹏[4]（2020）在《新兴市场国家与发达国家的股市相依性研究 ——基于Vine Copula模型的分析》文中研究说明随着全球经济一体化和金融自由化程度的不断加深,国际资本正以越来越快的速度在全球流动。股市作为一国经济的“晴雨表”,可以很好地反映实体经济的发展状况。由于资本具有逐利性,国际资本通常会选择全球股票市场上的“价值洼地”进行投资,这很容易导致一国股票市场遭受资本快速流动所带来的风险冲击,甚至引发金融危机给整个经济系统造成严重危害。尤其是当下,无论是发达国家还是新兴市场国家股市都逐步走上了国际化的道路,这就使得金融风险尤其是极端金融风险很容易的通过股票市场这一重要渠道在各个国家或地区的资本市场上传递。本文以证券投资组合理论、行为金融理论和金融危机理论作为理论基础,并运用Vine Copula模型来研究10个主要新兴市场国家和主要发达国家（地区）的股市相依性。研究时段为2005—2019年的股市日收益率数据,其中以次贷危机的爆发、沪港通开放和A股纳入MSCI指数作为重要的金融事件,将研究时段分为四个阶段。研究结果表明:就相依程度而言,新兴经济体同发达经济体股市近年来有提升趋势,但发达经济体内部股市相依程度要高于新兴经济体内部股市相依程度,且地理位置相近的股市有着更高的相依程度。而中国股市与境外股市相依程度的整体水平也有上升趋势,但国际化程度依然较低。就相依结构而言,中国股市主要依靠中国香港股市来实现风险的转移,且中国股市在全球股市相依结构中处于相对独立的地位;全球股市相依结构中心市场有增多的趋势且呈现出明显的地理聚集特征;短期内全球股市尾部相依结构大部分呈现出非对称的双尾相关关系,而长期内全球股市尾部相依结构大部分呈现出对称的双尾相关关系。由此,中国应该加大对中国香港等地缘关系相近的股票市场的关注,防范股市外来风险。同时,中国应当进一步开放资本市场,促进股市国际化,通过落实区域性经贸合作、大力发展实体经济的方式来促进股票市场健康发展。
黄益东[5]（2019）在《基于Copula方法的沪深股市与“一带一路”概念股的相关性研究》文中指出随着中国经济的高速发展,中国经济与世界经济的联系越来越密切,在此背景下中国提出“一带一路”倡议并积极推进该倡议的实际建设。这背后的原因不单单是中国为了进一步扩大和深化对外开放,更是为了加强与沿线国家及和世界其他国家的合作。中证指数公司推出的“一带一路”主题指数就是在推进“一带一路”建设背景下较好的投资项目,本文旨在探究“一带一路”指数与沪深股市的相关性,为投资者和监管者提供合理建议,规避风险。为了实现这个目标,文章选取2015年6月16日至2019年2月23日的上证指数、深成指数及“一带一路”主题指数的收盘价为样本,计算出相应的收益率序列进行实证分析,在此过程中采用的方法包含DCC-MGARCH模型和Copula方法。在通过以上方法得到相应的相关系数估计值后,又根据收益率序列模型计算风险度量VaR。最终的实证结果表明,“一带一路”指数与沪深股市的相关性都经历过急剧下降随后又快速上升的过程,相关系数最终稳定在较高的水平后小幅波动。此外,上证指数与“一带一路”指数易出现同涨同跌的情况,而深成指数与“一带一路”指数更倾向于出现同时下跌的情况。究其原因为“一带一路”指数不仅受经济基本面影响,还受相关政策的影响,且政策对该指数的影响大于对沪深股市大盘的影响。经过实证分析,基于序列模型的风险度量VaR预测效果较好,比历史仿真法更适用于文章中的三个指数,为度量指数组合的风险大小提供了模型基础。在对收益率序列建立ARMA-GARCH模型的基础上,本文对股指价格进行了预测,预测的结果与实际数值存在一定偏差,但也在一个合理的范围内。
周浩然[6]（2019）在《经济政策不确定性背景下我国金融市场间动态联动性研究 ——以股票、债券和黄金市场为例》文中研究说明经济一体化、金融全球化以及信息技术的发展加强了全球金融市场间的相互联系,金融市场间的动态联动性成为一个重要的研究主题。股票和债券市场在金融市场的资源配置和融资中发挥重要作用,虽然我国的黄金市场建立较晚,但黄金因为其特有的经济属性对我国经济发展有重要意义。因此,研究我国股票、债券与黄金资产之间的动态联动性,对于金融理论发展、投资策略与风险管理,还是监管者的政策制定,都有十分重要的意义。金融危机后,市场对于经济政策的依赖程度加深,政策的频繁出台或变动都会增大经济政策不确定性,而经济政策不确定性增大会抑制经济复苏。基于此背景,本文着重探讨经济政策不确定性对资产联动性的影响,也关注了资产相关性中的非对称性,在对结果分析的基础上提出了我们的建议与启示。本文选取了2003年1月到2018年5月的上证综指、上证国债指数、Au9999和中国经济政策不确定性指数（EPU）的月度数据作为基础数据。本文将经济政策不确定性视为“政策市场”,分别通过VAR和BEKK-MVGARCH模型探究市场间的均值溢出效应和波动溢出效应;考虑经济政策不确定性的影响,通过ADCC-MVGARCH模型探究股票、债券和黄金的动态相关性和相关性中的非对称性。研究结论有以下两点:首先,金融市场间主要通过波动溢出进行联动,具体为股票、债券和黄金都与EPU存在显着的双向溢出,同时股票对债券和黄金有显着的单向溢出,而债券与黄金间没有显着的波动溢出。而在均值溢出方面,存在从股票市场到债券市场和EPU的单向均值溢出,而其他序列之间没有显着的均值溢出。其次,资产相关性具有时变特征且有一定的粘滞性,股债相关性显示为显着的负的非对称性,而股金相关性和债金相关性中的负的非对称性主要来源于股票与债券市场;经济政策不确定性下降会提高黄金与股票的资产相关性,而经济政策不确定性上升会降低债券与股票的相关性,同时提高债券与黄金间的资产相关性。本文创新之处有两点:第一,通过构建包含EPU在内的多元市场系统,研究发现EPU下降会使股票与黄金间发生金融传染,而EPU上升会产生黄金对股票的资产替代,此时债券与黄金间发生金融传染;第二,以往文献侧重于波动的非对称性研究,而本文对资产相关性中的非对称性进行研究,并通过前景理论解释了资产相关性中非对称性的成因。
刘双桂[7]（2019）在《基于重分形理论的多元时间序列的自相关性研究及应用》文中指出复杂系统是由独立单元相互作用而形成的非线性系统,研究其输出的时间序列是揭示其内在机理和运行机制的重要方法之一.分形理论是非线性科学的一个重要研究分支,分形分析为刻画复杂系统的时空和动力学结构提供了数学形式体系,通常利用分形标度指数来刻画系统的状态特征.本文主要基于重分形理论,对多元时间序列自相关性呈现的（重）分形结构展开研究,建立了基于经验模式分解的重分形去趋势波动分析（EMD-MV-MFDFA）法和多尺度的重分形去趋势波动分析（MMV-MFDFA）法,并分别应用于股市的研究;还分析了滤波对多尺度重分形自相关性的影响.本文主要工作如下:首先,为了探测含有外部趋势的多元时间序列的真实标度特性,构建了基于经验模式分解的重分形去趋势波动分析法.针对外部趋势易导致波动函数图呈现伪交叉点的现象,引入经验模式分解（EMD）算法对序列进行局部特征分解,剔除掉代表单调趋势的余项,再利用多元时间序列重分形去趋势波动法（MV-MFDFA）法提取序列波动成分的分形标度指数,从而判断序列在不同尺度上的自相关性.模拟数据证实了该方法能有效去除序列的单调趋势影响,避免伪交叉点的出现.实证分析揭示了亚、美、欧股市在正负阶次（大、小波动）呈现的不同长程自相关性.其次,建立了多尺度的重分形去趋势波动分析法.先借助二项式重分形（BMF）模型验证了MV-MFDFA法的局限性,即事先设定的尺度范围无法探测序列在小尺度范围的交叉点.针对此局限性,利用滑动窗口代替原始固定窗口,通过设置不同的窗口宽度和移动长度,形成拟连续变化的广义三维赫斯特（Hurst）曲面来刻画序列在不同尺度范围和不同阶次的单（重）分形特征,并准确定位交叉点;其次利用自回归分形整合移动平均（ARFIMA）与BMF模型产生试验序列验证该法的有效性;最后再次应用于股市的研究,并与MV-MFDFA法的结果进行了比较.结果表明:MMV-MFDFA法不仅可以重现MV-MFDFA法的结果,还可以详细刻画重分形自相关性随时间尺度的动态变化.最后,研究了各种滤波对多尺度重分形自相关性的影响程度.基于MMV-MFDFA法,定义Hurst曲面之间的广义平均距离来度量Hurst曲面的差异性,再利用ARFIMA和BMF模型构造模拟序列进行分析,研究结果表明:线性滤波不影响单分形及重分形序列的标度特性;多项式滤波的影响程度随阶次增大而不断偏大;指数滤波、对数滤波依赖参数值大小而影响不同.
张凯城[8]（2019）在《台湾地区股市泡沫形成机制及后续经济恢复研究》文中提出对于台湾地区在1997亚洲金融风暴中的亮眼表现,以往的研究基本将其归功于台湾地区金融监管力度及产业格局特点。然而台湾金融监管与产业结构的变革,正是受到80年代末期台湾股市危机的影响。因此,研究该次股市泡沫的形成机制及后续的经济恢复措施具有重要的价值和借鉴意义。本文对1987-1990年台湾股市危机进行回顾,研究内容主要分为两部分:第一部分为1987-1990年台湾股市泡沫形成机制分析,具体透过当时台湾宏观经济数据分析及主要政策梳理提供泡沫形成时的背景,并进一步利用汇率、GDP、信贷与股市指数等数据进行实证检验,探究台股泡沫形成原因;第二部分为股市危机之后台湾经济结构变革研究,主要透过金融监管、资本市场与产业结构转变等方面分析台湾地区在1997年亚洲金融风暴中表现亮眼的原因。通过格兰杰因果检验及向量自回归等实证方法,文章得出以下结论。首先,1987-1990年台湾股市泡沫形成的主要原因为,在台湾当局为平缓新台币升值速度干预外汇市场的背景下,大量货币由信贷渠道流向资本市场,过多资金追逐少数投资标的进而带动股市整体大幅上涨;其次,台湾成功抵御1997年亚洲金融风暴的主要原因有金融结构趋向市场主导、经济基本实现“脱虚向实”及金融监管得到加强等。最后,本文对大陆出现的房地产泡沫,提出稳步推行房地产税、推动经济脱虚向实等政策建议。
石颖[9]（2018）在《过度反应现象在国际资本市场的传递效应 ——基于国内股指期货市场的研究》文中指出本文主要研究过度反应现象在国际资本市场中的传递情况,并以美国资本市场与国内股指期货市场为例进行验证说明。文中使用了标准普尔500指数和沪深300股指期货的收益率变动作为衡量指标,结果发现美国股票市场的过度反应行为无法传递到我国股指期货市场中来。另外,为描述当前我国股指期货市场中投资者的特征,还对内地股指期货产品的交易数据进行了实证检验。本文使用了沪深300股指期货的每日交易数据,结果发现我国股指期货市场的投资者对外界信息普遍存在延迟反应的现象。本文的两个实证结果旨在说明:目前内地股指期货市场尚存的特征与交易者的行为特点。结果发现海外资本市场的情绪对内地股指期货市场的影响有限。市场中投资者对于能影响价格波动的信息的解读存在滞后性,且投资者对熊市信息的反映频率远超出牛市信息。渲染出了在外界信息解读不畅的大环境下,投资者对价格走势的一种消极情绪。
刘志蛟[10]（2018）在《外生冲击对股票市场影响及股市风险管理研究》文中指出股票市场的基本功能是中国经济持续稳定发展重要前提。股票市场的资源配置功能,能够有效的利用社会闲置资金,将其用于上市公司发展中,促进实体经济发展。中国股票市场正式建立时间相对较晚,但发展速度较快。在股票市场发展成熟过程中,中国股票价格指数表现出明显的波动性。以2005年至今的沪深300指数为例,股市指数在2007年前后和2015年前后迎来两次大幅涨跌现象,呈现出明显的暴涨暴跌特征。股价指数大幅涨跌不利于股票市场健康发展,甚至冲击实体经济,引发社会性问题。维持股票市场健康运行并预防出现暴涨暴跌现象是必要的。从时间序列动态趋势来看,国内外宏观经济政策变量与中国股票价格指数间可能存在复杂联系。宏观经济政策是中国经济系统的重要外生冲击源,厘清包括宏观经济政策冲击在内的各类外生冲击对股市影响的规律,将有助于股市风险的预防。为了维护股票市场稳定,揭示股市价格决定的规律,本文首先采用动态随机一般均衡模型（DSGE）和符号约束TVP-SV-VAR模型研究国内外生冲击对中国股票市场影响,然后采用面板分位数回归研究国际外生冲击对股市联动性的影响。本研究为如何防范股票市场风险以及有效规避股市价格大幅波动对实体经济造成的损害,提供相应的股市风险管理对策,具有重要的理论和现实意义。另外,在股市风险管理研究中,本文从投资者角度出发,研究黄金、石油和国内债券对人民币汇率贬值和股市下跌风险的规避作用,为投资者规避风险提供有益参考。论文结构如下:第一部分为绪论。首先阐述了外生冲击对股市影响的研究背景和研究意义;然后介绍研究内容和研究方法;再者阐述本文的研究思路和研究框架,即对全文问题研究的流程进行说明,并概述各章节的主要研究内容;最后是研究创新之处与未来展望,交代本文的创新点和未来研究方向。第一章为相关研究理论基础与文献综述。在理论基础部分,首先对外生冲击、股票价格和对冲等进行概念界定,然后介绍经典的股票价格决定理论,如股票价格现值模型、有效市场理论、传统资本资产定价理论等,最后介绍了金融风险管理理论。在文献综述部分,首先简要梳理了股市价格决定的相关理论研究文献,然后梳理和评述外生冲击对股票市场影响的研究文献,最后是基于传统金融资产投资视角的股市风险管理研究文献综述。第二章为国内外生冲击对股市价格影响研究。第一部分为外生冲击与股市价格的DSGE模型分析,具体包括DSGE模型的构建、模型求解、未知参数的校准和贝叶斯估计,以及脉冲响应分析。第二部分为宏观经济政策对股市价格时变影响分析,首先介绍了符号约束TVP-SV-VAR模型方法,具体包括模型框架、估计、符号约束设定等内容,然后是实证研究,包括数据来源、处理和描述性统计分析,最后是符号约束TVP-SV-SVAR模型实证分析。第三章为国际外生冲击对股市联动性影响研究。首先基于因子模型导出影响因子作用于股市联动性的理论模型,影响因子包含了国际外生冲击。然后是实证研究方法与数据处理,介绍股市联动性测度方法和分位数回归原理,对指标选取和数据处理进行说明。最后是金融危机、美国货币政策对股市联动性影响的实证分析。第四章为股市风险管理的原则、体系与实证分析。第一节阐述了股市风险管理问题、必要性和原则,为后文构建风险管理框架奠定基础。第二节是风险管理体系构建,建立了全方位多层次的风险管理体系,具体包括股市风险管理制度、股市风险监管、上市公司行业自律、内部控制和投资者决策。第三节是基于投资者视角的股市风险管理分析,采用虚拟变量EGARCH模型和虚拟变量分位数回归模型依次研究黄金、债券和石油对股市风险的对冲和安全港性质。第五章为研究结论和政策建议。首先着重归纳总结本文的研究结果,然后根据外生冲击对股市的影响结论和股市风险管理的研究,提出相应的政策建议,为投资者、决策者等各方市场参与人提供有益参考。
二、亚洲股市涨跌不一（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、亚洲股市涨跌不一（论文提纲范文）
（1）突发公共卫生事件期间股市间波动溢出效应研究 ——以SARS疫情和COVID-19疫情为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 前言 |
| 1.1 研究背景与研究意义 |
| 1.2 研究内容与研究方法 |
| 1.3 论文的特色与创新 |
| 1.4 论文的研究框架 |
| 第2章 国内外研究现状 |
| 2.1 股市波动溢出效应的含义 |
| 2.2 国际股市波动溢出文献综述 |
| 2.3 国内股市波动溢出文献综述 |
| 2.4 研究现状总结 |
| 第3章 股市波动溢出效应的理论分析 |
| 3.1 经济基础效应 |
| 3.2 市场传染效应 |
| 第4章 实证分析 |
| 4.1 模型介绍 |
| 4.1.1 GARCH模型 |
| 4.1.2 BEKK-GARCH模型 |
| 4.2 实证数据 |
| 4.3 模型实证分析 |
| 4.3.1 中国股市自身波动分析 |
| 4.3.2 SARS疫情期间股市间的波动溢出效应 |
| 4.3.3 SARS疫情后新常态时期股市间的波动溢出效应 |
| 4.3.4 COVID-19疫情前新常态时期股市间的波动溢出效应 |
| 4.3.5 COVID-19疫情期间股市间的波动溢出效应 |
| 4.3.6 不同时期股市波动溢出效应对比分析 |
| 第5章 结论与建议 |
| 5.1 结论 |
| 5.2 建议 |
| 5.2.1 政策实施角度的建议 |
| 5.2.2 市场参与角度的建议 |
| 5.3 论文的不足与展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（2）中国政府股票市场救助行为研究 ——基于2015年救市行为的分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 导论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究创新 |
| 1.3 论文的主要不足之处 |
| 1.4 研究结构 |
| 第二章 文献综述 |
| 2.1 政府救助股市的必要性研究 |
| 2.1.1 股市危机的特征 |
| 2.1.2 政府干预股票市场的利弊之争 |
| 2.2 政府救市政策的方式及政策效应的评价 |
| 2.2.1 政府干预政策的目标及方式划分 |
| 2.2.2 股市平准基金的设立 |
| 2.2.3 政府干预股市的政策效应 |
| 2.3 中国政府干预股票市场行为研究总结 |
| 2.3.1 中国政府干预股市的必要性研究 |
| 2.3.2 中国政府历次干预股市的方式及影响分析 |
| 2.3.3 2015年中国股市崩盘的成因分析 |
| 2.3.4 中国政府救市行为的理论研究与不足 |
| 2.3.5 中国政府救市行为的实证研究与不足 |
| 2.4 政府股市干预策略的处置理论探究 |
| 2.4.1 政府干预措施退市的必要性 |
| 2.4.2 政府干预措施的退出困境 |
| 2.4.3 中国政府救市行动的后处置研究进展 |
| 2.5 文献评述 |
| 第三章 各国(地区)政府股市救助政策的比较 |
| 3.1 自由放任走向积极干预的美国股市 |
| 3.1.1 “黑色星期四”:自由放任主义 |
| 3.1.2 “黑色星期一”:建立熔断机制 |
| 3.1.3 2000年互联网泡沫:交易制度改革 |
| 3.1.4 2008年金融危机:不良资产救助计划 |
| 3.1.5 2020年股市崩盘:无限量量化宽松 |
| 3.2 股市平准基金盛行的亚洲市场 |
| 3.2.1 日本经济泡沫与非传统货币政策 |
| 3.2.2 1997年东南亚金融危机与政府注资 |
| 3.2.3 俄罗斯金融危机与政府借贷 |
| 3.2.4 1998年中国香港金融危机与盈富基金 |
| 3.2.5 中国台湾股市危机与股市平准基金 |
| 3.3 中国大陆的股市干预史 |
| 3.3.1 中国2015年以前的历次股市干预 |
| 3.3.2 2015年中国政府救市计划简介 |
| 3.3.3 中国政府的股市干预措施总结 |
| 3.4 各国(地区)政府救市政策对比 |
| 小结 |
| 第四章 中国政府入市的理论分析 |
| 4.1 噪声交易模型在中国股市的适用性 |
| 4.2 入市模型基本假设 |
| 4.3 无政府干预的市场均衡 |
| 4.4 政府股市干预的行为及其目标 |
| 4.5 政府干预下的市场均衡 |
| 4.6 政府入市效应的理论假说 |
| 小结 |
| 第五章 中国政府救市资金运行的统计分析 |
| 5.1 救市资金持股统计 |
| 5.1.1 持股规模 |
| 5.1.2 持股结构 |
| 5.2 救市资金动态追踪 |
| 5.2.1 持股规模变动 |
| 5.2.2 持股结构调整 |
| 5.3 救市资金持股指数编制 |
| 5.3.1 指数计算说明 |
| 5.3.2 救市资金整体持股指数 |
| 小结 |
| 第六章 中国政府救市效果的实证检验 |
| 6.1 救市资金对市场流动性的影响 |
| 6.1.1 流动性衡量及假设 |
| 6.1.2 模型设定与变量说明 |
| 6.1.3 变量说明及样本描述性统计 |
| 6.1.4 DID流动性实证结果 |
| 6.1.5 稳健性检验 |
| 6.2 救市资金对市场整体波动性的影响 |
| 6.2.1 模型设定及假设 |
| 6.2.2 样本描述性统计 |
| 6.2.3 序列平稳性检验 |
| 6.2.4 GARCH模型检验结果 |
| 6.3 救市资金对个股波动性的影响 |
| 6.3.1 模型设定及假设 |
| 6.3.2 样本描述性统计 |
| 6.3.3 固定效应面板回归检验结果 |
| 6.3.4 GMM稳健性检验 |
| 6.4 救市资金的影响机制分析 |
| 6.4.1 噪声交易的量化 |
| 6.4.2 噪声交易机制检验 |
| 小结 |
| 第七章 中国政府股市救助资金退出策略(后处置)研究 |
| 7.1 中国政府退市策略的理论研究 |
| 7.1.1 退市模型设定 |
| 7.1.2 定义均衡策略 |
| 7.1.3 退市均衡策略求解 |
| 7.1.4 两期模型下的政府退市策略设计 |
| 7.1.5 政府退市模型的政策含义 |
| 7.2 救市资金退市的现实依据 |
| 7.2.1 收益率估算方法 |
| 7.2.2 救市资金初始成本核算 |
| 7.2.3 救市资金累计收益率核算 |
| 7.2.4 救市资金与A股股指收益比较 |
| 7.2.5 救市资金收益横向比较 |
| 小结 |
| 第八章 研究总结与政策建议 |
| 8.1 研究结论 |
| 8.2 政策建议 |
| 参考文献 |
| 学位论文评阅及答辩情况表 |
（3）金融时间序列方法在股市涨跌序列中的应用及预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.3.3 研究路线 |
| 1.4 论文的创新与不足 |
| 第2章 理论基础 |
| 2.1 数据挖掘概述 |
| 2.1.1 分类模型 |
| 2.1.2 回归模型 |
| 2.1.3 信息熵理论 |
| 2.2 金融时间序列相关理论 |
| 2.2.1 涨跌熵指数 |
| 2.2.2 股市日历效应概述 |
| 2.2.3 股市周期概述 |
| 2.2.4 时间序列相关理论 |
| 2.2.5 自回归条件异方差 |
| 2.3 基于数据挖掘的时间序列数据研究方法 |
| 2.3.1 数据挖掘技术之时间序列周期模式挖掘 |
| 2.3.2 数据挖掘技术之时间序列预测方法 |
| 第3章 中国股票市场涨跌序列规律研究 |
| 3.1 数据来源及处理 |
| 3.2 中国股票市场涨跌序列日历效应研究 |
| 3.2.1 中国股市涨跌序列统计分析 |
| 3.2.2 中国股市涨跌序列月份效应实证分析 |
| 3.2.3 中国股市涨跌序列星期效应实证分析 |
| 3.3 中国股票市场涨跌序列周期性实证研究 |
| 3.4 本章小结 |
| 第4章 中国股票市场涨跌序列概率预测研究 |
| 4.1 基于自回归移动平均的预测分析 |
| 4.2 基于机器学习算法的预测分析 |
| 4.3 基于深度学习算法的预测分析 |
| 4.4 模型对比分析 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（4）新兴市场国家与发达国家的股市相依性研究 ——基于Vine Copula模型的分析（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 选题背景 |
| 1.2 研究目的及意义 |
| 1.3 文献综述 |
| 1.3.1 新兴市场国家与发达国家股市相依特征研究 |
| 1.3.2 中国与境外股市相依特征研究 |
| 1.3.3 股市相依性的影响因素研究 |
| 1.3.4 股市相依性的研究方法综述 |
| 1.3.5 文献评述 |
| 1.4 研究方法与研究内容 |
| 1.4.1 研究方法 |
| 1.4.2 研究内容 |
| 1.5 本文主要创新点与不足之处 |
| 第2章 股市相依性研究的理论基础及其影响因素分析 |
| 2.1 相依性概念的界定 |
| 2.2 股市相依性研究的理论基础 |
| 2.2.1 证券投资组合理论 |
| 2.2.2 行为金融理论 |
| 2.2.3 金融危机理论 |
| 2.3 股市相依性的影响因素分析 |
| 2.3.1 宏观经济因素 |
| 2.3.2 股市的规模与开放程度 |
| 2.3.3 重大历史事件 |
| 第3章 相依性的测度及理论模型 |
| 3.1 相依性测度理论 |
| 3.1.1 Kendall秩相关系数 |
| 3.1.2 尾部相关系数 |
| 3.2 边缘分布模型 |
| 3.3 Vine Copula模型 |
| 3.3.1 Copula函数理论 |
| 3.3.2 Vine结构理论 |
| 3.3.3 Vine Copula模型参数估计与稳健性检验 |
| 第4章 新兴市场国家与发达国家的股市相依性实证分析 |
| 4.1 数据选取与描述性统计分析 |
| 4.1.1 数据选取说明 |
| 4.1.2 描述性统计分析 |
| 4.2 实证分析 |
| 4.2.1 边缘分布模型估计结果 |
| 4.2.2 股市相依性分析 |
| 4.2.3 稳健性检验 |
| 4.2.4 尾部相依性分析 |
| 4.2.5 对实证结果的解释 |
| 第5章 结论与政策建议 |
| 5.1 主要研究结论 |
| 5.2 政策建议 |
| 5.2.1 注重地理位置相近股市的风险防范 |
| 5.2.2 完善股市对外开放机制 |
| 5.2.3 推动区域经济合作协议落实 |
| 5.2.4 大力发展实体经济 |
| 参考文献 |
| 在学期间发表的学术论文与研究成果 |
| 后记 |
（5）基于Copula方法的沪深股市与“一带一路”概念股的相关性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究方法及内容 |
| 1.2.1 研究方法 |
| 1.2.2 主要内容 |
| 2 文献综述 |
| 2.1 国内外研究现状 |
| 2.1.1 国外研究现状 |
| 2.1.2 国内研究现状 |
| 3 模型选取与构建过程 |
| 3.1 GARCH模型及DCC-GARCH模型 |
| 3.1.1 GARCH模型 |
| 3.1.2 DCC-MGARCH模型 |
| 3.2 Copula方法 |
| 3.2.1 Copula概述 |
| 3.2.2 两种常用时变Copula |
| 3.2.3 边缘分布建模 |
| 3.3 收益率序列的VaR度量及股指预测 |
| 3.3.1 收益率序列的VaR度量 |
| 3.3.2 基于ARMA-GARCH模型的股指预测 |
| 4 数据选取与基本统计分析 |
| 4.1 数据的选取 |
| 4.2 数据的基本统计分析 |
| 5 沪深股市与“一带一路”主题指数相关性的实证分析 |
| 5.1 DCC-MGARCH模型 |
| 5.2 基于Copula方法的动态相关性分析 |
| 5.2.1 边缘分布估计 |
| 5.2.2 静态Copula的参数估计 |
| 5.2.3 时变Copula的参数估计 |
| 5.3 VaR计算结果与股指预测结果 |
| 5.3.1 VaR计算结果 |
| 5.3.2 股指预测结果 |
| 6 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 参考文献 |
| 附录 |
| A 学位论文数据集 |
| 致谢 |
（6）经济政策不确定性背景下我国金融市场间动态联动性研究 ——以股票、债券和黄金市场为例（论文提纲范文）
| 摘要 |
| abstract |
| 导论 |
| 一、研究背景和意义 |
| 二、文献综述 |
| 三、文章结构与研究方法 |
| 四、文章创新点与不足 |
| 第一章 经济政策不确定性背景下金融市场动态联动性理论 |
| 第一节 经济政策不确定性 |
| 一、经济政策不确定性概述 |
| 二、经济政策不确定性的测量方法 |
| 三、中国经济政策不确定性指数 |
| 第二节 金融市场间动态联动性相关理论 |
| 一、溢出效应 |
| 二、金融传染效应 |
| 三、资产替代理论 |
| 四、行为金融理论 |
| 第三节 经济政策不确定性对金融市场联动性的影响机理分析 |
| 一、影响渠道 |
| 二、影响因素 |
| 第二章 模型构建 |
| 第一节 计量模型基础 |
| 一、VAR模型 |
| 二、一元GARCH模型 |
| 三、多元GARCH模型 |
| 第二节 本文计量模型构建 |
| 一、BEKK-MVGARCH模型 |
| 二、ADCC-MVGARCH模型 |
| 第三章 实证研究 |
| 第一节 数据来源及研究设计 |
| 一、指标选取与处理 |
| 二、数据描述性统计及数据检验 |
| 第二节 溢出效应分析 |
| 一、均值溢出效应 |
| 二、波动溢出效应 |
| 第三节 动态相关性分析 |
| 一、非对称性 |
| 二、动态相关性 |
| 结语 |
| 一、结论 |
| 二、建议启示 |
| 参考文献 |
| 致谢 |
（7）基于重分形理论的多元时间序列的自相关性研究及应用（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 非平稳时间序列的重分形相关性研究 |
| 1.2.2 多元时间序列的重分形相关性研究 |
| 1.2.3 多尺度的重分形研究方法 |
| 1.2.4 文献评述 |
| 1.3 本文结构安排 |
| 1.4 技术路线 |
| 第2章 外部趋势对MV-MFDFA方法的影响 |
| 2.1 时间序列的自相关分析方法介绍 |
| 2.2 基于EMD的重分形自相关法的构建 |
| 2.2.1 EMD算法 |
| 2.2.2 EMD-MV-MFDFA方法 |
| 2.3 模拟验证 |
| 2.4 基于EMD-MV-MFDFA方法的实证分析 |
| 2.4.1 数据预处理与统计描述 |
| 2.4.2 重分形自相关分析 |
| 2.5 本章小结 |
| 第3章 多尺度的重分形自相关性研究 |
| 3.1 问题的提出 |
| 3.2 MMV-MFDFA方法的构建 |
| 3.3 模拟验证 |
| 3.3.1 ARFIMA模型 |
| 3.3.2 BMF模型 |
| 3.4 基于MMV-MFDFA方法的实证分析 |
| 3.4.1 参数组合的选取 |
| 3.4.2 多尺度的重分形自相关分析 |
| 3.5 本章小结 |
| 第4章 滤波对多尺度重分形自相关性的影响 |
| 4.1 线性滤波及非线性滤波简介 |
| 4.2 滤波的影响程度分析 |
| 4.2.1 线性滤波 |
| 4.2.2 多项式滤波 |
| 4.2.3 指数滤波 |
| 4.2.4 对数滤波 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 主要创新点 |
| 5.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间完成的论文 |
（8）台湾地区股市泡沫形成机制及后续经济恢复研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 台湾股市泡沫 |
| 1.2 泡沫含义 |
| 1.2.1 泡沫与资产 |
| 1.2.2 泡沫与投机行为 |
| 1.2.3 泡沫与经济周期 |
| 1.2.4 泡沫与通货膨胀 |
| 1.2.5 股价与泡沫 |
| 1.2.6 泡沫种类 |
| 1.3 泡沫案例 |
| 1.3.1 郁金香狂热(1634-1637) |
| 1.3.2 密西西比股票泡沫(1719-1721) |
| 1.3.3 南海泡沫(1720-1721) |
| 1.3.4 黑色星期一(1987) |
| 1.4 小结 |
| 第二章 文献回顾 |
| 2.1 理性泡沫 |
| 2.2 非理性泡沫 |
| 2.3 汇率变动与资本市场 |
| 2.4 小结 |
| 第三章 股市泡沫形成机制分析 |
| 3.1 升值推动信贷扩张 |
| 3.2 信贷扩张推动股市泡沫 |
| 3.3 相比工业股,金融股受信贷扩张影响更为强烈 |
| 3.4 研究方法 |
| 3.4.1 样本指标 |
| 3.4.2 实证方法及思路 |
| 3.5 台湾股市泡沫实证检验 |
| 3.5.1 约翰森(JOHANSEN)协整检验 |
| 3.5.2 格兰杰(GRANGER)因果检验 |
| 3.5.3 脉冲响应分析 |
| 3.5.4 方差分解 |
| 第四章 股市泡沫破灭及后续恢复情况分析 |
| 4.1 金融结构趋向市场主导 |
| 4.2 经济基本实现“脱虚向实” |
| 4.3 金融监管严格 |
| 第五章 总结与建议 |
| 5.1 总结 |
| 5.2 建议 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（9）过度反应现象在国际资本市场的传递效应 ——基于国内股指期货市场的研究（论文提纲范文）
| 摘要 abstract 第1章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 股指期货市场的诞生与发展 |
| 1.2.1 股指期货市场的诞生 |
| 1.2.2 我国股指期货市场的产品构成 |
| 1.2.3 过度反应现象对股指期货市场的影响 |
| 1.3 美国股市对全球资本市场的影响 |
| 1.4 主要研究方法 |
| 1.5 研究内容和框架 |
| 1.6 文章创新点与不足之处 第2章 文献综述 |
| 2.1 期货市场价格发现 |
| 2.2 关于过度反应与延迟反应现象的研究 |
| 2.3 关于资本市场中过度反应行为的研究 |
| 2.4 美国股市与亚洲市场联动现象的研究 第3章 理论依据 |
| 3.1 理性预期理论 |
| 3.2 有限理性的行为经济理论 第4章 数据选择 |
| 4.1 资本市场中过度反应现象的鉴别方法 |
| 4.2 验证过度反应现象在国际资本市场间传递的数据选择 |
| 4.2.1 原理说明 |
| 4.2.2 数据选择 |
| 4.3 过度反应现象在国内股指期货市场存在性的验证 |
| 4.3.1 原理说明 |
| 4.3.2 数据选择 第5章 检验思路与实证结果 |
| 5.1 验证过度反应现象在国际资本市场间的传递 |
| 5.1.1 事件性质确认 |
| 5.1.2 假设检验 |
| 5.1.3 检验结果 |
| 5.2 验证内地股指期货市场是否存在过度反应现象 |
| 5.2.1 事件性质确认 |
| 5.2.2 假设检验 |
| 5.2.3 检验结果 |
| 5.3 实证结果说明 结论 |
| 反思与政策建议 参考文献 致谢 |
（10）外生冲击对股票市场影响及股市风险管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 一、研究背景与意义 |
| (一) 研究背景 |
| (二) 研究意义 |
| 二、研究内容与方法 |
| (一) 研究内容 |
| (二) 主要研究方法 |
| 三、研究思路与框架 |
| (一) 研究思路 |
| (二) 研究框架 |
| 四、研究创新之处和未来展望 |
| (一) 研究创新之处 |
| (二) 未来研究展望 |
| 第一章 外生冲击对股票市场影响及股市风险管理的理论基础与文献综述 |
| 第一节 相关研究理论基础 |
| 一、相关概念界定 |
| 二、股票价格决定理论 |
| 三、金融风险管理理论 |
| 第二节 外生冲击对股市影响及股市风险管理研究文献综述 |
| 一、股市价格决定理论研究文献综述 |
| 二、外生冲击对股票市场影响研究文献综述 |
| 三、基于传统金融资产投资视角的股市风险管理研究文献综述 |
| 本章小结 |
| 第二章 国内外生冲击对股市价格影响分析 |
| 第一节 外生冲击与股市价格的动态随机一般均衡模型分析 |
| 一、外生冲击与股市价格的DSGE模型构建 |
| 二、DSGE模型最优化问题 |
| 三、国内外生冲击与股票价格的DSGE模型估计 |
| 四、研究结论 |
| 第二节 宏观经济政策对股市价格时变影响分析 |
| 一、符号约束随机波动时变参数结构向量自回归模型 |
| 二、实证研究数据处理 |
| 三、符号约束TVP-SV-SVAR模型实证分析 |
| 四、研究结论 |
| 本章小结 |
| 第三章 国际外生冲击对股市联动性影响分析 |
| 第一节 股市联动性的理论分析 |
| 一、股市联动性研究背景意义 |
| 二、国际冲击与股市联动性关系的理论分析 |
| 第二节 实证研究方法与数据处理 |
| 一、实证研究方法 |
| 二、指标选取与数据处理 |
| 第三节 金融危机、美国货币政策对股市联动性影响实证分析 |
| 一、面板单位根检验 |
| 二、基于传统面板回归模型的实证分析 |
| 三、基于面板分位数回归模型的实证分析 |
| 四、研究结论 |
| 本章小结 |
| 第四章 股市风险管理的原则、体系与实证分析 |
| 第一节 股市风险管理问题、必要性和原则 |
| 一、股市风险管理问题 |
| 二、股市风险管理必要性 |
| 三、股市风险管理原则 |
| 第二节 股票市场风险管理体系构建 |
| 一、股市风险管理框架 |
| 二、完善股票市场制度 |
| 三、完善股市风险识别预警机制 |
| 四、提高股市监管结构效率 |
| 五、加强上市公司内部控制 |
| 六、提高投资者的股市风险管理水平 |
| 第三节 基于投资者决策的股市风险管理实证分析 |
| 一、实证研究方法和数据处理 |
| 二、黄金能对冲股市价格风险吗？ |
| 三、石油能对冲股市下跌风险吗？ |
| 四、债券能对冲股市下跌风险吗？ |
| 本章小结 |
| 第五章 研究结论与政策建议 |
| 第一节 研究结论 |
| 一、国内外生冲击对股市影响的研究结论 |
| 二、国际外生冲击对股市联动性影响的研究结论 |
| 三、股市风险管理研究结论 |
| 第二节 政策建议 |
| 一、关于宏观经济政策的建议 |
| 二、完善股市风险管理体系的建议 |
| 参考文献 |
| 后记 |
| 在学期间公开发表论文及着作情况 |
四、亚洲股市涨跌不一（论文参考文献）
- [1]突发公共卫生事件期间股市间波动溢出效应研究 ——以SARS疫情和COVID-19疫情为例[D]. 单晓玉. 山东大学, 2021
- [2]中国政府股票市场救助行为研究 ——基于2015年救市行为的分析[D]. 王晓丹. 山东大学, 2020(02)
- [3]金融时间序列方法在股市涨跌序列中的应用及预测研究[D]. 李云飞. 江西财经大学, 2020(11)
- [4]新兴市场国家与发达国家的股市相依性研究 ——基于Vine Copula模型的分析[D]. 曾鹏鹏. 天津财经大学, 2020(07)
- [5]基于Copula方法的沪深股市与“一带一路”概念股的相关性研究[D]. 黄益东. 重庆大学, 2019(12)
- [6]经济政策不确定性背景下我国金融市场间动态联动性研究 ——以股票、债券和黄金市场为例[D]. 周浩然. 中南财经政法大学, 2019(09)
- [7]基于重分形理论的多元时间序列的自相关性研究及应用[D]. 刘双桂. 武汉理工大学, 2019(07)
- [8]台湾地区股市泡沫形成机制及后续经济恢复研究[D]. 张凯城. 上海交通大学, 2019(06)
- [9]过度反应现象在国际资本市场的传递效应 ——基于国内股指期货市场的研究[D]. 石颖. 首都经济贸易大学, 2018(12)
- [10]外生冲击对股票市场影响及股市风险管理研究[D]. 刘志蛟. 东北师范大学, 2018(12)