沪深两市分红论文参考文献

金融市场研究论文参考文献

参考文献是论文中不可缺少的，可以起到情报检索与文献计量研究作用。以下是我为您整理的金融市场研究论文参考文献，希望能提供帮助。

篇一 ：参考文献

[1] Michael Grahama，JarnoKiviahob，JussiNikkinenb， Mohammed Omranc. Global and regional co-movement of the MENA stockmarkets，[J]. Journal of Economics and Business:2013(1). 165-167

[2] 高莹，靳莉莉.沪深300指数与世界主要股票指数的关联性分析[J].金融管理，2008(2). 3-8.

[3] Hwahsin Cheng， John L. Glascock. Stock Market Linkages Before and After the AsianFinancial Crisis: Evidence from Three Greater ChinaEconomic Area Stock Markets and the US，[J]. Pacific Basin Financial Markets and Policies:2006(2).125-127

[4] market linkages and the global financial crisis，[J].Journal of University of Santo Tomas:2009(8).278-280

[5] Ugur Ergun. How does Turkish stock market respond to the externalshocks Pre- and post- crises analyses，[J]. African Journal of Business Management:2012(2).34-37

[6] 赵勇. 金融危机背景下中美欧股票市场联动性研究[C]上海社会科学院，2012(5).76-79

[7] 洪天国. 欧洲股票市场与中国股票市场之间的波动溢出效应研究[C]江西财经大学，2013(1).29-34

[8] 金融市场稳定性的'判别与度量[C]山西大学，2012(2).192-196

[9] 陈守东，陈雷，刘艳武.中国沪深股票市场收益率及波动性相关分析，[J].金融研究:2003(7).230-235

[10] 刘存绪.论中国股票市场的国际化，[J].资本市场:2000(4).30-32

篇二：参考文献：

[1]袁申国，陈平，刘兰凤，. 汇率制度、金融加速器和经济波动[J]. 经济研究，2011，(1).

[2]黄志刚，. 货币政策与贸易不平衡的调整[J]. 经济研究，2011，(3).

[3]George J. Gilboy，钟宁桦，. 度量中国经济:购买力平价的适当应用[J]. 经济研究，2010，(1).

[4]万晓莉，霍德明，陈斌开，. 中国货币需求长期是否稳定?[J]. 经济研究，2010，(1).

[5]裘骏峰，. 投机资本流入、升值预期和最优升值路径[J]. 经济研究，2010，(2).

[6]张屹山，孔灵柱，. 基于权力范式的汇率决定研究[J]. 经济研究，2010，(3).

[7]李成，王彬，马文涛，. 资产价格、汇率波动与最优利率规则[J]. 经济研究，2010，(3).

[8]刘尧成，周继忠，徐晓萍，. 人民币汇率变动对我国贸易差额的动态影响[J]. 经济研究，2010，(5).

[9]黄志刚，陈晓杰，. 人民币汇率波动弹性空间评估[J]. 经济研究，2010，(5).

[10]路继业，杜两省，. 货币政策可信性与汇率制度选择:基于新政治经济学的分析[J]. 经济研究，2010，(8).

[11]卞世博，贾德奎，. 后金融危机背景下的中国经济运行风险管理——第四届中国立信风险管理论坛综述[J]. 经济研究，2010，(12).

[12]赵志君，陈增敬，. 大国模型与人民币对美元汇率的评估[J]. 经济研究，2009，(3).

[13]伍戈，. 中国的货币需求与资产替代:1994—2008[J]. 经济研究，2009，(3).

[14]王晋斌，李南，. 中国汇率传递效应的实证分析[J]. 经济研究，2009，(4).

[15]张瀛，. 汇率制度、经济开放度与中国需求政策的有效性[J]. 经济研究，2008，(3).

[16]中国经济增长与宏观稳定课题组，张平，刘霞辉，张晓晶，汪红驹，. 外部冲击与中国的通货膨胀[J]. 经济研究，2008，(5).

[17]唐翔，. “富人社区效应”还是巴拉萨-萨缪尔森效应?——一个基于外生收入的实际汇率理论[J]. 经济研究，2008，(5).

[18]龚刚，高坚，何学中，. 汇率制度与货币政策——发展中国家和小国经济的思考[J]. 经济研究，2008，(6).

[19]管汉晖，. 浮动本位兑换、双重汇率与中国经济:1870—1900[J]. 经济研究，2008，(8).

[20]施建淮，傅雄广，许伟，. 人民币汇率变动对我国价格水平的传递[J]. 经济研究，2008，(7).

篇三：参考文献：

[1] 方毅，桂鹏. 亚太地区股票市场的联动程度—基于次级贷冲击的研究[J]世界经济研究，2010(8).27-30

[2] BarabásiA L， Albert R. Emergence of scaling in random networks[J].Science， 1999(286). 509-512

[3] Kim H I network in stock market[J].J KorPhys Soc，2002，40(6)：105-108.

[4] Newman M E structure and function of complex networks[J].SIAM Review，2003(3).167-256

[5] Jukka-Pekka Onnela， Jari Saram?ki， Kimmo Kaski. A comparative study of social network models: Network evolution models and nodal attribute models[J]. Social Networks:2009(4)13-16

[6] 汪小帆，李翔，陈关荣.复杂网络理论及其应用[M].北京：清华大学出版社，2006(1).9-14.

[7] 任卓明，刘建国，邵凤，胡兆龙，郭强. 复杂网络中最小K-核节点的传播能力分析，[J].物理学报:2011(7).90-93

[8] 韩定定，复杂网络的拓扑、动力学行为及其实证研究，华东师范大学无线电物理博士论文[C]，2007

[9] Simutis R， stock trading systems using fuzzy-neural networks andevolutionary programming methods[J].Self Formation Theory And (97)59-63

[10] Xiao fan Liu， Chi k. Network Perspective of World Stock Markets:synchronization and volatility，[J]. International Journal of Bifurcation and Chaos:2012(6).62-66

[11] Ram Babu Roy， Uttam Kumar Sarkar. Capturing Early Warning Signal for Financial Crisis from the Dynamics of Stock Market Networks: Evidence from North American and Asian Stock Markets[J].Journal of Indian Institute of Management Calcutta:2009(8).57-59

[12] 李耀华，姚洪兴.金融危机下股票市场网络的结构特性研究[J].信息工程学院学报，2010(1).23-26

[13] Benjamin M. Tabak， Thiago R. Serra， Daniel O. Cajueiro. Topological properties of stockmarket networks:The case of Brazil[J]. Physica ，2010(389).3240-3249

[14] Chi ，JingLiu，Francis C， M. Lau. A network perspective of stock market[J].Journal ofEmpirica ，4(17).659-667

[15] 闵志锋.上海证券市场的复杂网络特性分析 [J].东北大学学报 (自然科学版).2007 (7).1053-1056

[16] 黄玮强，姚爽，中国股票关联网络拓扑性质与聚类结构分析[J]，管理科学:2008(3).92-95

[17] 高雅纯，魏宗文，汪秉宏.Dynamic Evolution of Financial Network and Its Relation to Economic Crises，[J].World Scientific:2013(2).142-141

[18] 陈守东，韩广哲，荆伟.主要股票市场指数与我国股票市场指数间的协整分析，[J].数量经济技术经济研究:2003(5).35-37

[19] 文圭炫，洪正孝.太平洋地区国家的联动性，[J].商务管理研究:2003(2).111-113

[20] ，Who moves the Malaysian stock market-the Japan[J]，International Journal of Business，2006(8)367-406

[21]Terence，Tai-Leung Chong，Ying-Chiu Wong，Isabel，Kit-Ming Yan，Internationallinkagesof the Japanese stock market，Japan and the World Economy，2007(20)773-786

[22] 周珺. 我国大陆股票市场与周边主要股票市场的联动分析[J]企业经济，2007(1).77-79

[23] Woo-Sung Jung ，SeungbyungChae， Jae-Suk Yang，Hie-Tae Moon. Characteristics of the Korean stock marketcorrelations，[J]. Elsevier Science:2008(2).90-93

[24] Sunil Kumar， NiveditaDeo. Correlation and network analysis of global financial indices，[J]. American Physical Society:2012(8).21-23

综合类上市公司财务危机预警模型初探关键词：综合类上市公司 财务危机 判别分析 逻辑回归 神经网络 摘要：以1998—2004年沪深两市首次被特别处理的A股综合类上市公司为研究对象，通过均值比较、配对样本T检验和Z检验，从9个方面的27个研究变量中选取了9个差异显著的变量，建立了危机前(t-2)年的判别分析模型、逻辑回归模型和人工神经网络模型。各种模型均取得较高的预测效果，尤其是判别分析模型，判正率高达。 中图分类号： 文献标识码：A Tentative research for forecasting model of Financial Crisis for Comprehensive listed companies YANG hua (Accounting School, Shandong University of Finance, Jinan 250014, China) key words：Comprehensive listed companies; financial crisis; discriminate analysis; logistic regression; neural network Abstract：This paper regards A Share Comprehensive listed companies as its research objects, which were specially traded for the first time from 1998 to 2004 of Shanghai and Shenzhen stock exchanges. 9 outstanding variables are chosen from 27 about 9 facets through means Compare, paired-samples T test and Z test. Fisher’ two Linear Discriminant Analysis, Two Logistic Regression and Artificial Neural Network are used to set up the models to forecast financial crisis of Comprehensive listed companies in the last two years. These models all obtain higher estimate results, especially, the positive rate of Discriminant Analysis is up to . 现代企业制度中最典型的是现代公司制，而上市公司又是现代公司制的最高形式。与非上市公司和有限责任公司相比，上市公司的最大特点就是可以通过证券市场筹集资金。有了充足的资金，公司可以增加产品生产、加速产品开发与市场开拓，从而提高经营业绩，更好地回报投资者和债权人等利益相关者。但随着证券市场的快速发展，市场竞争日益变得激烈，部分上市公司经营业绩不容乐观，出现了亏损、财务状况异常甚至更为严重的情形，最终受到特别处理甚至面临退市危险，使利益相关者遭受到巨大损失。为防范、化解这些风险，国内外学者已经进行了许多有效的探索，并已取得丰硕的研究成果。但大多数学者只是研究适用于每个行业的通用模型，忽略了行业之间的不同。Harlan D Platt和Matjorie B Platt (1990)检验与产业相关的财务指标、营运指标和产出的变化与公司经营失败的关系时发现，用产业因素调整后的模型事前和事后的分析效果较佳。 本文以我国1998—2004年沪深两市首次被特别处理的A股综合类上市公司作为研究对象，探讨对其陷入财务危机具有重要作用的因素，以建立具有较高预测率的模型，为证券市场上的利益相关者作为决策时的参考。 一、文献回顾 (一) 国外学者的行业财务危机预警研究状况 Altman和Loris(1976)利用净收入/总资产、(总债务+次级债务)/股本、总资产/调整后的净资产、(期末资本－本期资本增加额)/期初资本、调整后的企业历史年限、综合评分等6个指标组成多因素模型对全美证券商协会(NASD)的40个经营失败公司和113个正常公司构成的样本进行分析，成功率高达90%以上。 Ward(1994)选择了1988—1989年385个企业的数据，发现现金流量指标尤其是投资活动产生的现金流在预测采掘、石油和天然气行业中的财务危机方面作用明显，而经营活动产生的现金流在预测非资源性行业中较为重要。 Pottier(1998)使用1990—1992年48家破产的寿险公司数据，比较了评级和评级变化与总资产、财务比率、财务比率结合评级和评级变化在预测破产方面的作用，结果发现结合财务比率、评级和评级变化的方法比单独使用财务指标能更为有效地预测破产。 (二) 国内学者的行业财务危机预警研究状况 国内许多学者都指出，行业财务危机预警研究是财务危机预警未来的发展趋势之一。但到目前，由于样本量的不足，国内学者对这一方面做的研究较少。 张祥，陈梅(2004)选取1998—2003年间55家制造业被特别处理(ST)的公司，通过对单变量模型、多元判别分析模型和Logistic回归模型的分析和比较，发现行业模型的变量选取和预测准确性均有所不同，其模型拟合程度和预测准确性明显高于通用模型，主营业务利润/税前利润和主营业务利润/总资产是具有较强预测性的比率。 梁飞媛(2005)从现金流角度出发，选择机械设备行业为实证对象，从19个现金流指标中用多元逐步判别分析法选择出具有显著预测能力的现金流指标建立典则判定模型和Fisher线性判定模型，模型均取得较高的判正率。 我国学者虽然在该领域的研究起步较晚，但都注重借鉴国外已有模型的优点，通过比较研究的方法建立预测准确率较高的模型。本文也汲取这一经验，分别用Fisher二类线性判别分析、二元Logistic回归和人工神经网络建立模型。 二、财务危机界定和样本选取 (一) 财务危机界定 财务危机的形成并不是短期的，而是有较长的潜伏期，要经历从量变到质变、渐变到突变的过程。国外学者对财务危机的界定大都使用破产标准，但破产实质上是一种法律现象，除主要受经济因素影响以外，还要受政治及其他非市场因素的影响。我国企业《破产法》虽然在1988年11月1日就已执行，但迄今为止还没有一家上市公司破产，所以国外学者的做法在我国目前阶段是行不通的。 早在1993年颁布的《公司法》就规定了上市公司暂停上市和终止上市的条件，1997年沪深《证券交易所上市规则》再次提出退市问题。1998年3月16日，证监会发布了《关于上市公司状况异常期间的股票特别处理方式的通知》，通知规定“上市公司连续两年亏损或者每股净资产低于股票面值，将实施特别处理，简称ST(Special Treatment)”。为了给暂停上市股票提供合法流通渠道，1999年7月证监会对连续亏损三年以上的企业实施“特别转让服务”，简称PT(Particular Transfer)。这两个制度在初期曾对上市公司起过制约和鞭策作用，但是资产重组的魅力和上市公司“壳资源”的稀缺反而使得ST、PT公司逐渐成为市场的“宠儿”，不仅没有减弱市场的投机气氛，而且投资者的风险意识也没有明显增强。2001年2月24日，证监会正式发布了《亏损上市公司暂停上市和终止上市实施办法》，这是我国证券市场有关退市机制首份具体操作性文件。 本文就以1998—2004年沪深两市在上述文献背景下因财务状况异常(ST)或退市风险警示(*ST)而首次被特别处理的综合类A股上市公司为研究对象。 (二) 样本选取 按照证监会于2001年4月公布了《上市公司行业分类指引》规定的行业分类，1998—2004年综合类上市公司被施以ST的共计31家。 以上市时间在同一年或相差一年为配对原则，挑选非ST综合类上市公司作对照样本。如果不满足配对原则，将ST综合类公司剔除。符合配对原则的有28对综合类公司，其中上市时间在同一年的21对，占75%；相差一年的7对，占25%。28家ST综合类上市公司组成危机样本组S1，28家非ST综合类上市公司组成对照样本组S2。采用(t－2)年的数据和指标建立模型来预测公司在第t年是否因财务危机而被特别处理。 三、研究变量挑选及检验 (一) 研究变量选取 2002年，财政部等五部门共同颁布了《企业效绩评价操作细则(修订)》。该细则由反映企业财务效益状况、资产营运状况、偿债能力状况和发展能力状况四方面内容的指标构成。借鉴该财务评价体系，并结合我国上市公司的财务特点，初步选择与这四个方面有关的19个财务指标组成研究变量。 另外，借鉴国内外学者的研究经验，选择部分与上市公司资本结构、股权结构、股权扩张有关的变量及与注册会计师审计有关的变量。本研究未将资产规模作为选取配对样本的标准，而是取总资产的对数作为一个变量引入(研究变量及其评价内容详见表1)。 (二) 研究变量显著性检验 1 均值检验 危机样本组S1与对照样本组S2的研究变量的均值都存在显著的差异，以利息保障倍数X3的差异最为显著。 2 配对样本T检验和Z检验 根据S1与S2的同一研究变量的配对，进行配对样本T检验和Z检验。零假设H0均为：S1与S2的研究变量间不存在显著差异。如果显著性水平相应P值小于或等于设定的值α，则应拒绝H0，即认为两者的研究变量间有显著差异。本文中设定的α=。 S1与S2的T检验有10个变量差异显著，Z检验有14个变量差异显著(表1)。具体分析如下： (1) 反映成长能力的研究变量作用非常显著 投资者对上市公司投资，无非是期望能够获得公司股票未来丰厚的现金股利和诱人的股价上涨空间。现金分红、股价上涨都离不开公司的成长。一家没有成长性的公司除了勉强维持现有的状态以外，是无法抽出资金回报股东的。配对样本Z检验显示，所选的体现成长能力的3个变量均在1％水平上作用显著。 (2) 反映股权扩张能力的变量作用非常显著 对上市公司来说，每股收益和每股净资产是两个非常重要的指标，尤其是每股净资产在理论上提供了股票的最低价值。每股净资产决定着上市公司是否会成为ST，即当上市公司的每股净资产低于股票面值时，就会被ST。 (3) 反映营运能力、年报批露的研究变量作用较为显著 反映营运能力的3个变量中有2个检验显著，值得注意的是在张祥关于制造业财务危机预警中发现存货周转率在(t－2)年显著但在综合类上市公司中，S1和S2的差异不明显。 (t－2)年，S1共有15家被出具非标准审计意见，占样本总量的54％；而S2仅有4家公司被出具了非标审计意见，仅占14％。 (4) 反映偿债能力、盈利能力的研究变量作用不太显著 这两类变量在张祥的研究中差异普遍显著，但在本研究的T检验中都仅有一个变量通过检验。说明S1与S2相比而言，偿债能力和盈利能力，特别是偿债能力没有很大的差别。可见，综合类上市公司与制造业公司相比，对其陷入财务危机具有重要作用的变量是不同的，也反映出研究行业财务危机预警的必要性。 (5) 反映资本结构、股权结构和资产规模的变量作用不显著 固定资产净值率反映固定资产的新旧程度和生产能力，S1与S2的该指标间不存在显著差异；股权是否集中对所选综合类上市公司也没有影响，因为第一大股东持股比率在50％以上的公司，S1有3家、S2有2家；大多数研究都将资产规模作为选择配对样本的标准，本文将总资产取对数后作为一个变量引入，但检验中未发现S1和S2有显著差异。 表1 配对样本T检验和Z检验 配对 研究变量 T值 显著性 Z值 显著性 评价内容 1 资产负债率X1 偿债能力 2 股东权益比率X2 3 利息保障倍数X3 * 4 长期负债权益比率X4 5 产权比率X5 6 流动比率X6 7 速动比率X7 8 现金比率X8 * * 9 固定资产周转率X9 * * 营运能力 10 存货周转率X10 11 应收帐款周转率X11 ** ** 12 净资产收益率X12 * 盈利能力 13 资产收益率X13 * * 14 毛利率X14 ** 15 净利润率X15 * 16 主营利润比重X16 17 销售增长率X17 ** * 成长能力 18 资本积累率X18 * * 19 资产扩张率X19 * * 20 固定资产净值率X20 资本结构 21 每股净资产X21 * * 股权扩张 22 每股收益X22 * * 23 第一大股东持股比率X23 股权结构 24 前三大股东持股比率X24 25 审计意见X25 * * 年报批露 26 变更事务所X26 27 资产规模X27 资产规模 注：*、**分别表示在1％和5％的水平下统计显著(双尾检验) (三)相关系数检验 对在配对样本T检验和Z检验中作用均非常明显的10个研究变量的相关系数进行检验。 在5%的显著性水平下，销售增长率X17与资产扩张率X19的相关系数为，资产扩张率X19与每股净资产X21的相关系数为。他们的相关系数均超过，为消除多重共线性的影响，按变量间相关性较小为优原则，经比较，剔除变量X19。经上述研究过程后，最初选的27个研究变量缩减为9个(表2)。 表2 筛选后取得的研究变量 研究变量 评价内容 研究变量 评价内容 现金比率X8 偿债能力 销售增长率X17 成长能力 固定资产周转率X9 营运能力 资本积累率X18 应收帐款周转率X11 营运能力 每股净资产X21 股权扩张 资产收益率X13 盈利能力 每股收益X22 审计意见X25 年报批露 四、实证分析 财务危机预警模型按照是否具有自我学习功能，可以划分为静态和动态两大类。前者包括Beaver的单变量判定模型、Altman的多元线性判定模型及Olhson的多元逻辑回归模型等。动态财务预警主要使用人工智能技术，其中具有代表性的是神经网络模型和案例推理模型。 本文分别使用静态模型中的Fisher二类线性判别分析、二元Logistic回归和动态模型中的人工神经网络方法建立模型。因变量Y为虚拟变量，表示上市公司是否出现财务危机，出现财务危机设为1，没有出现财务危机设为0。 (一) 静态方法建模 1 Fisher二类线性判别分析建模 Fisher二类线性判别分析是一种采用Fisher线形判别函数系数、考虑只有两个变量的判别分析方法。即：Z=c1X1＋c2X2＋c3X3+…＋cnXn，其中Z为判别值，X1、X2、X3、…、Xn为研究变量，c1，c2，c3，…，cn是待求的判别函数系数。 利用SPSS软件，得到的(t-2)年综合类上市公司财务危机预警模型和财务健康模型分别为： Zs1=－＋＋＋－－－＋＋ X22＋ X25 Zs2=－＋＋＋－－－＋＋＋ 以0为分割点，通过对模型的回代判定预测检验发现，财务健康公司的预测准确率为，财务危机公司的预测准确率为。 2 二元逻辑回归建模 由二元逻辑回归拟合的方程可表示为：ln[p/(1-p)]=a+∑biXi，其中p是上市公司发生财务危机的概率；Xi是影响财务危机的第i个因素，i=1，2，…，m；a，bi (i=1，2，…，m)是待估参数。F值的选择标准是：相应p值小于时引进，大于时剔除。 (t-2)年综合类上市公司财务危机预警模型为： 以为分割点，模型对危机公司的回代判定预测准确率为。 3 静态财务危机预警方法建模总结 (1)静态预警方法对危机样本组S1的预测正确率均超过80％，说明预测效果较好。 (2)Fisher二类线性判别分析比二元逻辑回归建模的预测准确率高个百分点，即在危机前(t-2)年，Fisher二类线性判别分析对综合类危机公司的预测效果更好。 (二) 动态方法建模 人工神经网络(Artificial Neural Network，简称ANN)是对生理上真实的人脑神经网络的结构和功能及基本特征进行理论抽象、简化和模拟而构成的一种信息系统，具有非线性映射、自适应学习和较强容错性的特点。BP人工神经网络是其中一种比较典型的学习算法，主要结构是由一个输入层，一个或多个隐含层和一个输出层组成， 各层由若干个神经元(节点)构成。 以表2的9个研究变量作为输入点P1，输出点P3只有一个，即因变量Y。隐藏层P2根据公式(2P1+P3)1/2

沪深300指数是沪深证券交易所于2005年4月8日联合发布的反映A股市场整体走势的指数。沪深300指数编制目标是反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。沪深300指数，简称：沪深300；是由中证指数有限公司（China Securities Index Co., Ltd）编制，中证指数有限公司成立于2005年8月25日，是由上海证券交易所和深圳证券交易所共同出资发起设立的一家专业从事证券指数及指数衍生产品开发服务的公司。 沪深300指数是沪深证券交易所于2005年4月8日联合发布的反映A股市场整体走势的指数。沪深300指数编制目标是反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。中证指数有限公司成立后，沪深证券交易所将沪深300指数的经营管理及相关权益转移至中证指数有限公司。中证指数有限公司同时计算并发布沪深300的价格指数和全收益指数，其中价格指数实时发布，全收益指数每日收盘后在中证指数公司网站和上海证券交易所网站上发布。 沪深300指数市场走势沪深300指数样本覆盖了沪深市场70%左右的市值，具有良好的市场代表性和可投资性。截止到2006年8月31日，已有2只指数基金使用沪深300指数作为投资标的，有10只基金使用沪深300指数作为业绩衡量基准。中证指数有限公司已授权中银国际英国保诚资产管理公司使用沪深300指数开发境外ETF，以及路透资讯利用沪深300指数开发路透中国年金指数。它的推出，丰富了市场现有的指数体系，增加了一项用于观察市场走势的指标，也进一步为指数投资产品的创新和发展提供了基础条件，十分有利于投资者全面把握我国股票市场总体运行状况。 一、沪深300指数是以2004年12月31日为基期，基点为1000点，其计算是以调整股本为权重，采用派许加权综合价格指数公式进行计算。其中，调整股本根据分级靠档方法获得。 二、凡有成份股分红派息，指数不予调整，任其自然回落。 三、沪深300指数会对成分股进行定期调整，其调整原则为： 1、指数成份股原则上每半年调整一次，一般为1月初和7月初实施调整，调整方案提前两周公布。 2、 每次调整的比例不超过10%。样本调整设置缓冲区，排名在240名内的新样本优先进入，排名在360名之前的老样本优先保留。 3、 最近一次财务报告亏损的股票原则上不进入新选样本，除非该股票影响指数的代表性。 由于沪深300指数覆盖了沪深两个证券市场，具有很好的总体市场代表性，因此在我国股指期货标的指数选择上呼声最高，很有可能成为中国股指期货的标的物。 指数代码： 沪市000300 深市399300。 沪深300指数以2004年12月31日为基日，基日点位1000点。 沪深300指数是由上海和深圳证券市场中选取300只A股作为样本，其中沪市有179只，深市121只。 样本选择标准为规模大、流动性好的股票。 沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。编辑本段诞生过程 1998年启动——2001年上交所首先研究方案——证监会协调沪深交易所共同开发——2003年达成共识——细节设计——2005年4月8日正式推出。编辑本段沪深300指数问答 沪深证券交易所指数工作小组有关负责人就4月8日正式发布的沪深300指数，回答了记者的提问。 沪深300指数问：为何要发布沪深300指数？ 答：沪深两个市场各自均有独立的综合指数和成份指数，这些指数在投资者中有较高的认同度，但市场缺乏反映沪深市场整体走势的跨市场指数。沪深300指数的推出切合了市场需求，适应了投资者结构的变化，为市场增加了一项用于观察市场走势的指标，也进一步为市场产品创新提供了条件。 问：与沪深市场现有指数相比，沪深300指数有何特点？ 答：现在市场中的股票指数，无论是综合指数，还是成份股指数，只是分别表征了两个市场各自的行情走势，都不具有反映沪深两个市场整体走势的能力。沪深300指数则是反映沪深两个市场整体走势的“晴雨表”。指数样本选自沪深两个证券市场，覆盖了大部分流通市值。成份股为市场中市场代表性好，流动性高，交易活跃的主流投资股票，能够反映市场主流投资的收益情况。 问：沪深300指数的市场代表性如何？ 答：沪深300指数的市场代表性表现在市值覆盖率高、与现有市场指数相关性高、样本股集中了市场中大量优质股票等方面。 沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。截至2005年3月末，指数总市值21817亿元，占沪深市场比例达，流通市值5934亿元，占沪深市场比例达。 指数试运行结果显示，沪深300指数走势强于上证综合指数和深证综合指数，并且沪深300指数与上证180指数及深证100指数之间的相关性高，日相关系数分别达到和，表明沪深300指数能够充分代表沪深市场股价变动情况。 在沪深300指数的样本股选取上，剔除了ST股票、股价波动异常或者有重大违规行为的公司股票，集中了一批质地较好的公司。这些公司的净利润总额占市场净利润总额的比例达到，平均市盈率和市净率水平低于市场整体水平，是市场中主流投资的目标。因此，沪深300指数能够反映沪深市场主流投资的动向。 问：沪深300指数采用了哪些指数编制方面的技术？ 答：沪深300指数在编制方面主要采用了目前流行的分级靠档技术和缓冲区技术。分级靠档技术的采用可以使在样本公司股本发生微小变动时保持用于指数计算的样本公司股本数的稳定，可以降低股本变动频繁带来跟踪投资成本，便于投资者进行跟踪投资。同样，缓冲区技术的采用使每次指数样本定期调整的幅度得到一定程度的控制，使指数能够保持良好的连续性。样本股调整幅度的降低可以降低投资者跟踪投资指数的成本。 问：与市场中其它跨市场指数相比，沪深300指数有什么优势？ 答：其一，沪深证券交易所在指数编制和发布方面拥有丰富的历史经验，于上个世纪90年代初就推出了国内市场上最早的指数。沪深300指数是在进一步借鉴国际指数编制技术的基础上形成的成果。 其二，沪深证券交易所拥有关于上市公司及市场交易主体第一手的监管信息，在样本选取上充分利用这些信息，严格筛选股票，能够最大程度上降低样本股票的风险。 其三，沪深300指数通过沪深两个证券交易所的卫星行情系统进行实时发布，这是交易所以外的其它指数编制机构无法获得的技术条件。此外，交易所积极支持利用沪深300指数进行的指数产品创新，以形成在交易所上市交易的创新产品。 问：沪深300指数对广大投资者有何益处？ 答：沪深300指数具有作为表征市场股票价格波动情况的价格揭示功能，是反映市场整体走势的又一重要指标。这一指数推出后，为投资者提供了衡量自己证券投资收益情况的基本尺度。在此基础上，市场中将会推出以沪深300指数为跟踪目标的指数基金产品，这将为中小投资者提供分散化投资的通道，也扩大了市场中机构投资者的阵容。 问：沪深300指数推出后会立即推出股指期货吗？ 答：股票指数是股票指数期货的基础，但沪深300指数的推出并不意味着立即会推出股指期货。从国际经验来看，指数期货的推出需要选择具有一定历史的指数作为标的，沪深300指数还需要在一段时间内受到市场检验。另外，股指期货的推出还需要特定的市场环境和适合的时机。因此不能够将沪深300指数的推出与推出股指期货简单地联系在一起。 问：沪深300指数推出的历程如何？ 答：沪深证券交易所早在1998年开始就着手进行跨市场指数的研究工作，同期市场中多个中介机构也对跨市场指数进行了有益的探索。在此期间，沪深证券交易所都成立了研究跨市场指数的专门小组，对国内外主要指数的编制方法及其特点进行了详细的研究和借鉴，经历了两年多时间，初步形成了结合国内市场的特点的跨市场指数编制思路。 2001年至2003年中期，沪深证券交易所就指数编制方案、指数计算与发布、指数的管理等方面问题等问题进行了充分交流，达成了联合编制和发布沪深300指数的共识。 其后，沪深证券交易所成立了编制跨市场指数的指数联合工作小组，着手进行跨市场指数的设计工作。指数工作小组在结合双方指数编制经验的基础上，就指数选样规则、样本调整方法、计算方法等技术问题进行了反复研究、比较和论证，最终在共同努力下，设计完成了既借鉴国际先进经验又结合国内实际情况的沪深300指数。 在此期间，指数工作小组还就指数计算和发布的技术问题进行探讨，于2004年初开始进行指数试运行。2004年以来，由沪深证券交易所分别进行每半年轮流担当主计算方和主发布方，指数样本也按照每半年一次调整的原则进行了2次样本调整。现在，推出沪深300指数的时机已经成熟，沪深证券交易所联合向市场正式推出沪深300指数。 问：如何获得沪深300指数的使用授权？ 答：沪深300指数是上海证券交易所和深圳证券交易所联合共同推出的指数，是双方共同拥有的成果。机构投资者如需对沪深300指数进行商业运用，需要取得沪深证券交易所的认可，经签署授权协议后使用。交易所积极支持以沪深300指数为基础的指数产品开发，并努力创造条件，进一步拓宽指数产品发展的空间。编辑本段编制方法 沪深300指数的编制目标是反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资及指数衍生产品创新提供基础条件。 指数成份股的选样空间：上市交易时间超过一个季度，除非该股票上市以来日均A股总市值在全部沪深A股中排在前30位；非ST、*ST股票，非暂停上市股票；公司经营状况良好，最近一年无重大违法违规事件、财务报告无重大问题；股票价格无明显的异常波动或市场操纵；剔除其他经专家认定不能进入指数的股票。选样标准为选取规模大、流动性好的股票作为样本股。 沪深300指数的选样方法是对样本空间股票在最近一年（新股为上市以来）的日均成交金额由高到低排名，剔除排名后50%的股票，然后对剩余股票按照日均总市值由高到低进行排名，选取排名在前300名的股票作为样本股。 沪深300指数依据样本稳定性和动态跟踪相结合的原则，每半年调整一次成份股，每次调整比例一般不超过10%。样本调整设置缓冲区，排名在240名内的新样本优先进入，排名在360名之前的老样本优先保留。当样本股公司退市时，自退市日起，从指数样本中剔除，由过去最近一次指数定期调整时的候选样本中排名最高的尚未调入指数的股票替代。 指数以调整股本为权重，采用派许加权综合价格指数公式进行计算。其中，调整股本根据分级靠档方法获得。例如，某股票流通股比例（流通股本／总股本）为7％，低于20％，则采用流通股本为权数；某股票流通比例为35％，落在区间（30，40）内，对应的加权比例为40％，则将总股本的40％作为权数。

金融类毕业论文参考文献

参考文献就是写论文的时候参考过的书籍或网站，直接关系到论文的分数和质量高低。以下是我为您整理的金融类毕业论文参考文献，希望能提供帮助。

篇一 ：参考文献

[1] 母宇.中国股票市场与全球主要股票市场联动性研究，[C].西南民族大学:2011.

[2] 于会鹏.中国股票市场板块及其与国外主要市场间的联动性实证研究，[C].理工大学:2009

[3] 陈志宁.中外股票市场的联动分析，[C].农业大学:2009.

[4] 汪波.股票市场波动性网络及其应用[C]华南理工，2012

[5] 徐晓萍. 金融危机下证券网络的复杂性特征研究[C]华东师范大学，2013

[6] 陈俊华.中国股票市场网络模型动态研究[C]浙江工业大学，2012

[7] 兰旺森，赵国浩. 应用复杂网络研究板块内股票的强相关性，[J].中山大学学报:2010(6).20-23

[8] 李耀华，姚洪兴.股票市场网络的稳定性研究，[M].江苏省系统工程学会第十一届学会:2012.

[9] 陈花.基于复杂网络的股票之间有向相关性研究，[C].北京邮电大学:2012.

[10] 陈辉煌，高岩，基于复杂网络理论的证券市场网抗毁性分析[J]，金融理论与实:2008(6)154-156

[11] 万阳松，陈忠基. 加权股票网络模型[J].复杂系统与复杂性科学，2005，1(5) :21-27

[12] 李平，汪秉宏.证券指数的网络动力学模型[J].系统工程，2006，24(3):73-77

[13] TianQiu， Bo Zheng，Guang Chen. Financial networks with static anddynamic thresholds，[J]. New Journal of Physics:2010(12).136-138

[14] Nicola Cetorelli， Stavros Peristiani. Prestigious stock exchanges: A network analysis of international financial centers，[J]. Journal of Banking & Finance:2013(37).21-24

[15] Ram Babu Roy， Uttam Kumar Sarkar. Identifying influential stock indices from global stockmarkets: A social network analysis approach，[J].Procedia Computer Science:2011(5).10-13

[16] Xiao fan Liu， Chi k. Complex Network Perspective to Volatility in Stock Markets [J]. International Symposium on Nonlinear Theory and its Applications:2010(9).12-15

[17] Simutis R， stock trading systems using fuzzy-neural networks andevolutionary programming methods[J]. Self Formation Theory And ，(97).59-63

[18] Dong-Ming Song， Michele Tumminello， Wei-Xing Zhou， Rosario N. Mantegna. Evolution of worldwide stock markets， correlation structure and correlation basedgraphs，[J]. PACS:2011(3).90-92

[19] Xiangyun Gao， Haizhong An， Weiqiong Zhong. Features of the Correlation Structure of Price Indices，[J]. PLOS ONE:2013(4).34-36

[20] MarekGa??zka. Characteristics of the Polish Stock Market correlations，[J]. International Review of Financial Analysis:2011(1-5).

[21] 杨治辉，贾寒梅.股票收益率相关性的网络结构分析，[M].中国控制学会:2011.

[22] 周艳波，蔡世民，周佩玲.金融市场的无标度特征研究，[J].中国科学技术大学学报:2009(8).19-22

[23] Barabasia L， Albert R， Jeong H. Mean-field theory for scale-freerandom networks[J].Physica A， 1999( 272).173-187

[24] 李辉，赵海，徐久强，李博，李鹏，王家亮. 基于k-核的大规模软件核心框架结构抽取与度量，[J].东北大学学报:2010(11).345-347

[25] 李辉，赵海.基于k-核的大规模软件宏观拓扑结构层次性研究，[J].电子学报:2010(6).134-136

[26] 李备友，刘思峰. 网络化市场结构下证券市场传闻的扩散规律研究，[J].华东经济管理:2012(12).90-92

篇二：参考文献：

[1]袁申国，陈平，刘兰凤，. 汇率制度、金融加速器和经济波动[J]. 经济研究，2011，(1).

[2]黄志刚，. 货币政策与贸易不平衡的调整[J]. 经济研究，2011，(3).

[3]George J. Gilboy，钟宁桦，. 度量中国经济:购买力平价的适当应用[J]. 经济研究，2010，(1).

[4]万晓莉，霍德明，陈斌开，. 中国货币需求长期是否稳定?[J]. 经济研究，2010，(1).

[5]裘骏峰，. 投机资本流入、升值预期和最优升值路径[J]. 经济研究，2010，(2).

[6]张屹山，孔灵柱，. 基于权力范式的汇率决定研究[J]. 经济研究，2010，(3).

[7]李成，王彬，马文涛，. 资产价格、汇率波动与最优利率规则[J]. 经济研究，2010，(3).

[8]刘尧成，周继忠，徐晓萍，. 人民币汇率变动对我国贸易差额的动态影响[J]. 经济研究，2010，(5).

[9]黄志刚，陈晓杰，. 人民币汇率波动弹性空间评估[J]. 经济研究，2010，(5).

[10]路继业，杜两省，. 货币政策可信性与汇率制度选择:基于新政治经济学的分析[J]. 经济研究，2010，(8).

[11]卞世博，贾德奎，. 后金融危机背景下的中国经济运行风险管理——第四届中国立信风险管理论坛综述[J]. 经济研究，2010，(12).

[12]赵志君，陈增敬，. 大国模型与人民币对美元汇率的评估[J]. 经济研究，2009，(3).

[13]伍戈，. 中国的货币需求与资产替代:1994—2008[J]. 经济研究，2009，(3).

[14]王晋斌，李南，. 中国汇率传递效应的实证分析[J]. 经济研究，2009，(4).

[15]张瀛，. 汇率制度、经济开放度与中国需求政策的有效性[J]. 经济研究，2008，(3).

[16]中国经济增长与宏观稳定课题组，张平，刘霞辉，张晓晶，汪红驹，. 外部冲击与中国的通货膨胀[J]. 经济研究，2008，(5).

[17]唐翔，. “富人社区效应”还是巴拉萨-萨缪尔森效应?——一个基于外生收入的实际汇率理论[J]. 经济研究，2008，(5).

[18]龚刚，高坚，何学中，. 汇率制度与货币政策——发展中国家和小国经济的思考[J]. 经济研究，2008，(6).

[19]管汉晖，. 浮动本位兑换、双重汇率与中国经济:1870—1900[J]. 经济研究，2008，(8).

[20]施建淮，傅雄广，许伟，. 人民币汇率变动对我国价格水平的传递[J]. 经济研究，2008，(7).

篇三：参考文献：

[1] 方毅，桂鹏. 亚太地区股票市场的联动程度—基于次级贷冲击的`研究[J]世界经济研究，2010(8).27-30

[2] BarabásiA L， Albert R. Emergence of scaling in random networks[J].Science， 1999(286). 509-512

[3] Kim H I network in stock market[J].J KorPhys Soc，2002，40(6)：105-108.

[4] Newman M E structure and function of complex networks[J].SIAM Review，2003(3).167-256

[5] Jukka-Pekka Onnela， Jari Saram?ki， Kimmo Kaski. A comparative study of social network models: Network evolution models and nodal attribute models[J]. Social Networks:2009(4)13-16

[6] 汪小帆，李翔，陈关荣.复杂网络理论及其应用[M].北京：清华大学出版社，2006(1).9-14.

[7] 任卓明，刘建国，邵凤，胡兆龙，郭强. 复杂网络中最小K-核节点的传播能力分析，[J].物理学报:2011(7).90-93

[8] 韩定定，复杂网络的拓扑、动力学行为及其实证研究，华东师范大学无线电物理博士论文[C]，2007

[9] Simutis R， stock trading systems using fuzzy-neural networks andevolutionary programming methods[J].Self Formation Theory And (97)59-63

[10] Xiao fan Liu， Chi k. Network Perspective of World Stock Markets:synchronization and volatility，[J]. International Journal of Bifurcation and Chaos:2012(6).62-66

[11] Ram Babu Roy， Uttam Kumar Sarkar. Capturing Early Warning Signal for Financial Crisis from the Dynamics of Stock Market Networks: Evidence from North American and Asian Stock Markets[J].Journal of Indian Institute of Management Calcutta:2009(8).57-59

[12] 李耀华，姚洪兴.金融危机下股票市场网络的结构特性研究[J].信息工程学院学报，2010(1).23-26

[13] Benjamin M. Tabak， Thiago R. Serra， Daniel O. Cajueiro. Topological properties of stockmarket networks:The case of Brazil[J]. Physica ，2010(389).3240-3249

[14] Chi ，JingLiu，Francis C， M. Lau. A network perspective of stock market[J].Journal ofEmpirica ，4(17).659-667

[15] 闵志锋.上海证券市场的复杂网络特性分析 [J].东北大学学报 (自然科学版).2007 (7).1053-1056

[16] 黄玮强，姚爽，中国股票关联网络拓扑性质与聚类结构分析[J]，管理科学:2008(3).92-95

[17] 高雅纯，魏宗文，汪秉宏.Dynamic Evolution of Financial Network and Its Relation to Economic Crises，[J].World Scientific:2013(2).142-141

[18] 陈守东，韩广哲，荆伟.主要股票市场指数与我国股票市场指数间的协整分析，[J].数量经济技术经济研究:2003(5).35-37

[19] 文圭炫，洪正孝.太平洋地区国家的联动性，[J].商务管理研究:2003(2).111-113

[20] ，Who moves the Malaysian stock market-the Japan[J]，International Journal of Business，2006(8)367-406

[21]Terence，Tai-Leung Chong，Ying-Chiu Wong，Isabel，Kit-Ming Yan，Internationallinkagesof the Japanese stock market，Japan and the World Economy，2007(20)773-786

[22] 周珺. 我国大陆股票市场与周边主要股票市场的联动分析[J]企业经济，2007(1).77-79

[23] Woo-Sung Jung ，SeungbyungChae， Jae-Suk Yang，Hie-Tae Moon. Characteristics of the Korean stock marketcorrelations，[J]. Elsevier Science:2008(2).90-93

[24] Sunil Kumar， NiveditaDeo. Correlation and network analysis of global financial indices，[J]. American Physical Society:2012(8).21-23

篇四：参考文献

[1] Michael Grahama，JarnoKiviahob，JussiNikkinenb， Mohammed Omranc. Global and regional co-movement of the MENA stockmarkets，[J]. Journal of Economics and Business:2013(1). 165-167

[2] 高莹，靳莉莉.沪深300指数与世界主要股票指数的关联性分析[J].金融管理，2008(2). 3-8.

[3] Hwahsin Cheng， John L. Glascock. Stock Market Linkages Before and After the AsianFinancial Crisis: Evidence from Three Greater ChinaEconomic Area Stock Markets and the US，[J]. Pacific Basin Financial Markets and Policies:2006(2).125-127

[4] market linkages and the global financial crisis，[J].Journal of University of Santo Tomas:2009(8).278-280

[5] Ugur Ergun. How does Turkish stock market respond to the externalshocks Pre- and post- crises analyses，[J]. African Journal of Business Management:2012(2).34-37

[6] 赵勇. 金融危机背景下中美欧股票市场联动性研究[C]上海社会科学院，2012(5).76-79

[7] 洪天国. 欧洲股票市场与中国股票市场之间的波动溢出效应研究[C]江西财经大学，2013(1).29-34

[8] 金融市场稳定性的判别与度量[C]山西大学，2012(2).192-196

[9] 陈守东，陈雷，刘艳武.中国沪深股票市场收益率及波动性相关分析，[J].金融研究:2003(7).230-235

[10] 刘存绪.论中国股票市场的国际化，[J].资本市场:2000(4).30-32

摘 要 研究了沪深300指数日收益率时间序列，经检验其具有马氏性，并建立了马尔可夫链模型。取交易日分时数据，根据分时数据确定状态初始概率分布，通过一步转移概率矩阵对下一交易日的日收益率进行了预测。对该模型分析和计算，得出其为有限状态的不可约、非周期马尔可夫链，求解其平稳分布，从而得到沪深300指数日收益率概率分布。并预测了沪深300指数上涨或下跌的概率，可为投资管理提供参考。关键词 马尔可夫链模型 沪深300指数 日收益率概率分布 平稳分布1 引言沪深300指数于2005年4月正式发布，其成份股为市场中市场代表性好，流动性高，交易活跃的主流投资股票，能够反映市场主流投资的收益情况。众多证券投资基金以沪深300指数为业绩基准，因此对沪深300指数收益情况研究显得尤为重要，可为投资管理提供参考。取沪深300指数交易日收盘价计算日收益率，可按区间将日收益率分为不同的状态，则日收益率时间序列可视为状态的变化序列，从而可以尝试采用马尔可夫链模型进行处理。马尔可夫链模型在证券市场的应用已取得了不少成果。参考文献[1]、[2]、[3]和[4]的研究比较类似，均以上证综合指数的日收盘价为对象，按涨、平和跌划分状态，取得了一定的成果。但只取了40～45个交易日的数据进行分析，历史数据过少且状态划分较为粗糙。参考文献[5]和[6]以上证综合指数周价格为对象，考察指数在的所定义区间（状态）的概率，然其状态偏少（分别只有6个和5个状态），区间跨度较大，所得结果实际参考价值有限。参考文献[7]对单只股票按股票价格划分状态，也取得了一定成果。然而收益率是证券市场研究得更多的对象。本文以沪深300指数日收益率为对考察对象进行深入研究，采用作为计算工具，对较多状态和历史数据进行了处理，得出了沪深300指数日收益率概率分布，并对日收益率的变化进行了预测。2 马尔可夫链模型方法 马尔可夫链的定义设有随机过程{Xt，t∈T}，T是离散的时间集合，即T={0，1，2，L}，其相应Xt可能取值的全体组成状态空间是离散的状态集I={i0，i1，i2，L}，若对于任意的整数t∈T和任意的i0，i1，L，it+1∈I，条件概率则称{Xt，t∈T}为马尔可夫链，简称马氏链。马尔可夫链的马氏性的数学表达式如下：P{Xn+1=in+1|X0=i0，X1=i1，L，Xn=in}=P{Xn+1=in+1|Xn=in} （1） 系统状态概率矩阵估计马尔可夫链模型方法的基本内容之一是系统状态的转移概率矩阵估算。估算系统状态的概率转移矩阵一般有主观概率法和统计估算法两种方法。主观概率法一般是在缺乏历史统计资料或资料不全的情况下使用。本文采用统计估算法，其主要过程如下：假定系统有m种状态S1，S2，L，Sm根据系统的状态转移的历史记录，可得到表1的统计表格。其中nij表示在考察的历史数据范围内系统由状态i一步转移到状态j的次数，以■ij表示系统由状态i一步转移到状态的转移概率估计量，则由表1的历史统计数据得到■ij的估计值和状态的转移概率矩阵P如下：■ij=nij■nik，P=p11 K p1mM O Mpm1 L pmn（2） 马氏性检验随机过程{Xt，t∈T}是否为马尔可夫链关键是检验其马氏性，可采用χ2统计量来检验。其步骤如下：（nij）m×m的第j列之和除以各行各列的总和所得到的值记为■.j，即：■.j=■nij■■nik，且■ij=nij■nik（3）当m较大时，统计量服从自由度为（m-1）2的χ2分布。选定置信度α，查表得χ2α（（m-1）2），如果■2>χ2α（（m-1）2），则可认为{Xt，t∈T}符合马氏性，否则认为不是马尔可夫链。■2=2■■nijlog■ij■.j（4） 马尔可夫链性质定义了状态空间和状态的转移概率矩阵P，也就构建了马尔可夫链模型。记Pt（0）为初始概率向量，PT（n）为马尔可夫链时刻的绝对概率向量，P（n）为马尔可夫链的n步转移概率矩阵，则有如下定理：P（n）=PnPT（n）=PT（0）P（n）（5）可对马尔可夫链的状态进行分类和状态空间分解，从而考察该马尔可夫链模型的不可约闭集、周期性和遍历性。马尔可夫链的平稳分布有定理不可约、非周期马尔可夫链是正常返的充要条件是存在平稳分布；有限状态的不可约、非周期马尔可夫链必定存在平稳过程。3 马尔可夫链模型方法应用 观测值的描述和状态划分取沪深300指数从2005年1月4日~2007年4月20日共555个交易日收盘价计算日收益率（未考虑分红），将日收益率乘以100并记为Ri，仍称为日收益率。计算公式为：Ri=（Pi-Pi-1）×100/Pi-1（6）其中，Pi为日收盘价。沪深300指数运行比较平稳，在考察的历史数据范围内日收益率有％在[，]。可将此范围按的间距分为18个区间，将小于和大于各记1区间，共得到20个区间。根据日收益率所在区间划分为各个状态空间，即可得20个状态（见表2）。 马氏性检验采用χ2统计量检验随机过程{Xt，t∈T}是否具有马氏性。用前述统计估算法得到频率矩阵（nij）20×20。由（3）式和（4）式可得：■.j=■nij■■nik，且■ij=nij■nik，■2=2■■nijlog■ij■.j=，令自由度为k=（m-1）2即k=361，取置信度α=。由于k>45，χ2α（k）不能直接查表获得，当k充分大时，有：χ2α（k）≈■（zα+■）2（7）其中，zα是标准正态分布的上α分位点。查表得，故可由（1）、（7）式得，即统计量，随机过程{Xt，t∈T}符合马氏性，所得模型是马尔可夫链模型。 计算转移概率矩阵及状态一步转移由频率矩阵（nij）20×20和（1）、（2）式得转移概率矩阵为P=（Pij）20×20。考察2007年4月20日分时交易数据（9：30~15：30共241个数据），按前述状态划分方法将分时交易数据收益率归于各状态，并记Ci为属于状态i的个数，初始概率向量PT（0）=（p1，p2，L，pt，L，p20），则：pj=Cj/241，j=1，2，K，20（8）下一交易日日收益率分布概率PT（0）={p1（1），p2（1），L，pi（1），L，p20（1）}，且有PT（1）-PT（0）p，计算结果如表3所示。 马尔可夫链遍历性和平稳分布可以分析该马尔可夫链的不可约集和周期性，从而进一步考察其平稳分布，然而其分析和求解非常复杂。本文使用采用如下算法进行求解：将一步转移概率矩阵P做乘幂运算，当时Pn+1=Pn停止，若n>5 000亦停止运算，返回Pn和n。计算发现当n=48时达到稳定，即有P（∞）=P（48）=P48。考察矩阵P（48）易知：各行数据都相等，不存在数值为0的行和列，且任意一行的行和为1。故该马尔可夫链{Xt，t∈T}只有一个不可约集，具有遍历性，且存在平稳分布{πj，j∈I}，平稳分布为P（48）任意一行。从以上计算和分析亦可知该马尔可夫链是不可约、非周期的马尔可夫链，存在平稳分布。计算所得平稳分布如表4所示。 计算结果分析表3、表4给出了由当日收益率统计出的初始概率向量PT（0），状态一步预测所得绝对概率向量PT（1）和日收益率平稳分布，由表3和表4综合可得图1。可以看出，虽然当日（2007年4月20日）收益率在区间（，）波动且在（，）内的概率达到了，表明在2007年4月20日，日收益率较高（实际收盘时，日收益率为），但其下一交易日和从长远来看其日收益率概率分布依然可能在每个区间。这是显然的，因为日收益率是随机波动的。对下一交易日收益率预测（PT（1）），发现在下一交易日收益率小于0的概率为，大于0的概率为，即下一交易日收益率大于0的概率相对较高，其中在区间（-2，）、（，1）和（1，）概率、和依次排前三位，也说明下一交易日收益率在（-2，）的概率会比较高，有一定的风险。从日收益率长远情况（平稳分布）来看，其分布类似正态分布但有正的偏度，说明其极具投资潜力。日收益率小于0的概率为，大于0的概率为，即日收益率大于0的概率相当的高于其小于0的概率。4 结语采用马尔可夫链模型方法可以依据某一交易日收益率情况向对下一交易日进行预测，也可得到从长远来看其日收益率的概率分布，定量描述了日收益率。通过对沪深300指数日收益率分析和计算，求得沪深300指数日收益率的概率分布，发现沪深300指数日收益率大于0的概率相对较大（从长远看，达到了，若考虑分红此概率还会变大），长期看来沪深300指数表现乐观。若以沪深300指数构建指数基金再加以调整，可望获得较好的回报。笔者亦采用范围（-5，5）、状态区间间距为1和范围（-6，6）、状态区间间距为2进行运算，其所得结果类似。当采用更大的范围（如-10，10等）和不同的区间大小进行运算，计算发现若状态划分过多，所得模型不易通过马氏性检验，如何更合理的划分状态使得到的结果更精确是下一步的研究之一。在后续的工作中，采用ANN考察所得的日收益率预测和实际日收益率的关系也是重要的研究内容。马尔可夫链模型方法也可对上证指数和深证成指数进行类似分析。参考文献1 关丽娟，赵鸣.沪综指走势的马尔可夫链模型预测[J].山东行政学院，山东省经济管理干部学院学报，2005（4）2 陈奕余.基于马尔可夫链模型的我国股票指数研究[J].商场现代化（学术研讨），2005（2）3 肖泽磊，卢悉早.基于马尔可夫链系统的上证指数探讨[J].科技创业月刊，2005（9）4 边廷亮，张洁.运用马尔可夫链模型预测沪综合指数[J].统计与决策，2004（6）5 侯永建，周浩.证券市场的随机过程方法预测[J].商业研究，2003（2）6 王新蕾.股指马氏性的检验和预测[J].统计与决策，2005（8）7 张宇山，廖芹.马尔可夫链在股市分析中的若干应用[J].华南理工大学学报（自然科学版），2003（7）8 冯文权.经济预测与决策技术[M].武汉：武汉大学出版社，20029 刘次华.随机过程[M].武汉：华中科技大学出版社，200110 盛千聚.概率论与数理统计[M].北京：高等教育出版社.1989转

论文：论资本市场开放对中国股市的影响论文写作[摘要]伴随着中国经济市场不断的对外开放，中国经济的不断发展，股票市场也从无到有，不断壮大的发展起来。股市的发展与资本市场的开放程度密切相关，随着我国资本市场开放程度的不断放大，外资对中国经济的影响也越大，对中国的股票市场形成压力。中国证券如何面对世界的挑战，在这种情况下，作为一个国家经济晴雨表的股票市场发展就显得特别的重要起来。本文讨论了资本市场开放对中国股市的影响，对历史资料文献加以分析并提出建议。[关键词]市场经济资本市场股票市场一、目前我国股票市场的现状截至2007年8月9日收盘，沪深股市总市值首度突破21万亿大关，总市值合计为211491亿元，而2006年GDP总量为210871亿元人民币，我国股票市场的总市值首次超越GDP，2007年上半年我国GDP总量为106768亿元。根据沪深两个证券交易所的最新统计数据显示：截至8月9日收盘,上海证券交易所总市值为163648亿元，流通市值46843亿元；深圳证券交易所总市值为亿元，流通市值为亿元。到目前为止，泸深股票账户总数已经超过14000万，占人总总数的10%以上，这在以前是不可想象的。我国股票市场发展虽然很快,但股市对民生问题的影响也是显然的。股票市场有一亿四千万账户,也就是说它的涨跌将关系到一亿多个家庭的生活了。二、资本市场开放度的演变过程根据我国政府对WTO承诺，我国证券对外开放的内容主要包括：1.外国证券机构可以(不通过中方中介)直接从事B股交易。2.外国证券机构驻华代表处可以成为所有中国证券交易所的特别会员。3.允许外国机构设立合营公司,从事我国国内证券投资基金管理业务,外资比例不超过33%；加入三年内,外资比例不超过49%。4.加入后三年内，允许外国证券公司设立合营公司，外资比例不超过三分之一。合营公司可以(不通过中方中介)从事A股的承销，从事B股和H股、政府和公司债券的承销和交易，以及发起设立基金。5.允许合资券商开展咨询服务及其它辅助性金融服务，包括信用查询与分析，投资于有价证券研究、咨询，公开收购及公司重组等；对所有新批准的证券业务给予国民待遇，允许在中国设立分支机构。入世以来，随着证券市场开放承诺的一步步兑现，资本市场改革逐步推进，2002年底，中国证监会颁布并实施《合格境外机构投资者境内证券投资管理暂行办法》，经过有关方面近半年的周密准备，QFII制度于2003年年中正式启动。截至2006年12月底，共批准成立7家外资参股证券公司；共成立24家中外合资基金公司，占成立基金公司数量的。截至2007年1月31日，68家境外证券经营机构取得外资股业务资格。至此，我国资本市场的开放领域形成了从加入世贸组织协议框架下的证券业和基金业的开放，到外资直接参与国有产权和非流通股权的并购转让市场，再到允许合格的境外机构投资者直接投资A股市场等渐次展开的全方位开放局面，中国资本市场的每一个环节和组成部本基本上都为外资进入建立了政策和制度的通道。资本市场的开放包括两个方面,一方面是允许外国资本进入国内的难易程度,另一方面是允许进入国内的外国资本的大小.经济全球化是一种浪潮也是一种趋势,中国作为一个经济实体也将高度纳入到其中,资本市场也将高度开放.随着资本市场开放程度的提高,国外资本对我国的经济实体也产生越来越重要的影响,在股票市场上优为明显。三、改革开放程度对股票市场的影响改革开发以来，我国国民经济的对外依存度大大提高，国际金融市场动荡会导致出口增幅下降、外商直接投资下降，从而影响经济增长率，失业率随之上升，宏观经济环境的恶化导致上市公司业绩下降和投资者信心下降，最终使证券市场行情下跌。其中，国际金融市场的动荡对外向型上市公司和外贸行业上市公司的业绩影响较大，对其股价的冲击也最大。1.金融安全方面的影响。在金融安全方面，股票市场并没有像外汇市场那么惹眼。但我们并不应该忽视它在金融安全方面的影响。中国股票市场现在虽然足够大，国家行政干预强，但明显存在很多的漏洞，以前，国际资本流动受到不同程度的限制，国际金融市场结构比较简单，国际性的金融投机的形式较为单一。但是，80年代特别是90年代以来，随着国际资本流动的自由化和国际金融市场结构的复杂化，机构投机者不但可以同时在多个金融市场上进行投机，而且在每个金融市场上还可以同时进行多个金融品种的投机，从而使投机带有立体的性质，从而使投机手段更加隐蔽和复杂。加入WTO后，国际投机者同样可以对我国的金融领域进行冲击，我国在经济方面的开放越大，冲击也就可能越大。但由于最富有投机性的商品是股票和房地产，现代泡沫经济最典型的表现是因投机而造成的股票价格和房地产价格的急剧上升。由于机构投机者一般不介入实物资产的投机，股票市场的泡沫便成为机构投机者掀起投机风潮的理想时机。机构投机者对泰国和东南亚国家发起金融攻击，与这些国家和地区存在泡沫经济有着密切的关系。2.直接影响了股票市场的发展进度。中国股市将迎来与国际惯例全面接轨的时代。股票市场是一种具有共同规律、通行共同语言的投资场所，其优点和缺点、长处和短处，都在相当大的程度上来源于其内在的本性和特有的规律。由于上市公司的股份被人为地分割为国有股、法人股和个人股，各类股的价格和流通方式又都完全不同，这使得上市公司转轨不转制问题日益突出。伴随中国股票市场的逐步对外开放，股市将迎来与国际惯例全面接轨的时代；封闭式的股市发展格局即将被打破，中国股市将随我国加入世界贸易组织而迎来逐步开放的时代。十多年来，中国股市(特别是A股市场)是在一种封闭的状态下运行的，随着经济全球化的发展和中国加入世界贸易组织以及QFII制度的启动，这种封闭的股市发展格局将会被逐步打破，伴随着人民币资本项目下可自由兑换的实现，股票市场的对外开放的领域和步伐将逐步加宽、加快。3.外资进入方面的影响。2006年，QFII走完了在中国证券市场上三年的试点历程，迎来了转折之年。截至2006年12月末，QFII中国A股基金的最新资产规模达到亿美元，直逼300亿元人民币。QFII在中国的市场影响力正与它的规模一起与日俱增。但是，郎咸平指出，中国股市引进QFII的原因是认为他们是做长期投资和基础研究的，想借此引进先进的投资理念，可是，其实QFII是比国内庄家还要厉害的庄家，是互相勾结的庄家。四、结论与建议2006年以来，中国证券市场规模扩大、交易活跃，其总市值已经位列世界第四。研究表明，至2020年，中国证券市场的总市值会达到650万亿元，届时将成为全球最大资本市场。虽然发展迅猛，但中国证券市场仍存在结构失衡、证券产品供应不足等问题，具体如下：1.我国证券市场目前是股本结构畸形的市场。上市公司一股独大，公司治理结构急需改善。流通股与非流通股并存，使占总股本三分之一的流通股面对巨大压力，股价畸高。如果一旦证券市场全面开放，不仅因国内股票缺乏投资价值难以吸引国际证券资本，而且中外市场在股价上的巨大落差，必然导致国内股价大跌。同时，由于我国市场上没有做空机制，投资者难以避险。2.我国证券市场尚处于国际化的起步阶段。商品、货币、资本是资源配置的三个层面。一个国家的开放顺序是从贸易开放到货币市场开放，再到资本市场开放。也就是说，在经历贸易自由化、汇率和利率自由化之后，证券市场才可能实现自由化。如果将开放的时序错乱，将会潜伏爆发金融危机的巨大风险。目前我国经济的开放程度尚处于商品市场国际化接近结束并向货币市场国际化转化阶段。短时间内不可能指望利率、汇率、资本项目的自由化来支持证券市场的全面开放。3.我国证券市场规模还不能有效抵御市场开放风险。相应的金融资产规模支持相应规模的证券市场开放。面对强大的国际资本，特别是国际资本快速的进出，以我国证券市场现有规模尚不具备抵御巨大冲击的能力。4.人民币尚未在资本项目下自由兑换制约证券市场开放进程。人民币实现在资本项目下自由兑换的进程事关中国证券市场开放进程。在人民币尚未自由兑换的情况下证券市场不可能实现全方位开放。5.我国证券监管体系有待完善。证券市场开放需要更高的监管水平，尤其是监管者对跨国界的交易行为的本质和特征有很强的评价能力，而且还需要有效、务实的国际合作。我国作为一个发展中国家，应当根据国际国内形势和条件的变化自主地调整证券市场对外开放的具体措施，有步骤、分阶段地推进开放进程，最大限度地避免证券市场开放对我国产生的负面影响，也就是说应当选择一种渐进式的开放策略。面对中国证券市场目前出现的与国际联系增强、受外部环境影响加大的情况，我国应尽快建立风险监管和协调机制。参考文献：[1]本杰明·格雷厄姆戴维·多德：证券分析.海南出版社,2006年6月[2]曹凤歧刘力姚长辉：证券投资学.北京大学出版社,2007年6月[3]中国证券业机构：证券市场基础知识.中国财政经济出版社,2007