一、网络牛市还远吗?（论文文献综述）
陈郑林[1]（2021）在《新冠疫情背景下投资者情绪对医药板块股票收益率的影响研究》文中研究指明
张辉[2]（2020）在《证券市场系统性风险测度与预警研究 ——基于宏观审慎监管视角》文中提出次贷危机暴露出金融体系顺周期性特点和系统性风险的巨大影响,使宏观审慎监管成为理论界和实务界关注的热点。本文基于宏观审慎监管视角,研究证券市场系统性风险。首先详细界定宏观审慎监管和证券市场系统性风险的概念,明确宏观审慎监管与微观审慎监管的关系。其次,结合市场危机发生的案例,分析证券市场系统性风险的发生机理。证券市场系统性风险与银行业有着本质的不同,根据风险的源头和暴露形式,完整的证券市场系统性风险测度应至少包括微观审慎指标、宏观审慎指标和市场指标。通过对历史数据的实证统计和分析,本文分别从宏观经济维度、股票市场维度和证券机构维度选取客观指标,综合度量证券市场系统性风险。在合理度量系统性风险的基础上,确定系统性风险指数预警值,基于历史事实的角度和数理模型的角度分别进行预警值的有效性检验,进而为证券市场的逆周期监管提供依据。证券市场系统性风险度量及预警模型的建立是宏观审慎监管中的重要环节,投资者可以根据市场风险指数的变化来判断市场运行情况,并作为投资决策参考;监管部门可以根据市场风险指数来选择使用何种宏观审慎监管工具以及宏观审慎监管工具的使用期限。证券市场系统性风险一旦超过预警值,要立即运用相关工具进行逆周期监管,这一基本理念的本质就是,根据经济运行所处的不同周期阶段,采取差异化的监管方式和监管标准,缓和经济周期对金融体系的冲击,这对保证证券市场平稳发展具有重要意义。本文最终得到以下结论:第一、证券市场必须进行宏观审慎监管。第二、宏观审慎监管并不必然排斥微观审慎监管,宏观审慎监管建立在微观审慎监管的基础上,他们之间是一种互补的关系。第三、证券市场系统性风险的度量,要从多维视角,构建一个具有客观性、可获得性和可比较性的量化指标体系,计算证券市场系统性风险指数。结果显示,每一次证券市场危机发生之前,都伴随系统性风险的大量累积。第四、在合理度量系统性风险的基础上,确定系统性风险指数预警值,预警值的确定应该考虑分阶段。2001年新股发行改革后,证券市场系统性风险预警值为26.5538,经过历史事实验证和数理模型的检验,认为预警值较为可靠。为了加强证券市场宏观审慎监管,防范系统性风险,本文的对策建议如下:第一、成立证券市场宏观审慎监管机构;第二、协调宏观审慎监管与微观审慎监管;第三、宏观审慎监管要有前瞻性。
孟繁泽[3]（2020）在《G证券辽宁分公司经纪业务发展战略研究》文中认为我国证券市场的建立距今已有近三十年的时间,伴随着证券市场监管体系以及互联网金融领域的不断完善,传统证券公司的经纪业务经营模式也面临着新的巨大挑战。证券公司原有的经纪业务主要依靠交易佣金作为主要的收入来源,但近年来市场环境发生变化,国内佣金率不断下降,使得传统的盈利模式难以维持,制定更加清晰的经纪业务发展战略具有十分重要的意义。多年来,G证券辽宁分公司始终以经纪业务作为分公司的立足根本,随着市场需求、政策监管以及同业竞争等多方面因素的影响,市场竞争早已进入“白热化”阶段,公司必须加快自身发展脚步,探索适合分公司现状的经纪业务发展方向。本文采用战略管理的相关理论与方法,首先分析了G证券辽宁分公司经纪业务所处的外部环境和内部资源,并使用外部、内部因素评价矩阵对关键因素进行评估,再通过SWOT分析筛选出备选战略后,将备选战略用QSPM矩阵进行定量分析筛选,最终选择增长型战略作为分公司经纪业务的主导战略。同时基于增长型战略提出具体方案,如主要集中在区域拓展方面,继续加大网点覆盖,对轻型营业部重新规划,构建新成立营业部的激励机制;营销与渠道建设方面,优化线上线下渠道,改善营销模式;服务与产品建设方面,完善广普化线上服务,打造特色资讯产品等。最后,为保障战略的顺利实施,对人力资源、组织结构和风险管理等方面提出了一系列调整措施。本文研究成果有利于G证券辽宁分公司经纪业务了解自身,对未来的发展进行科学预判,通过调整自身战略布局,把握发展脉搏,及时参与行业变革,同时期望能对同业类似业务的发展提供一定的参考。
李新明[4]（2020）在《投资者情绪对股票流动性影响研究 ——基于媒体信息传递视角》文中研究说明股票市场作为一国金融市场的重要组成部分,其运行质量与变动趋势一直与我国经济发展息息相关。纵观世界各国金融市场发展历程,建立一个良好的股票市场是保证一国金融市场平稳健康运行的重要基础,是实现一国金融资源配置功能的重要前提。我国股票市场在三十年的发展过程中动荡不断,暴涨暴跌现象时有发生,流动性作为反映市场运行质量的一个重要指标也随之变化。从2015年的股灾,到2016年股指熔断机制的短暂实施,再到2020年受新冠肺炎疫情影响下的全球股市,股票流动性均大幅下降。每次股市暴跌产生的原因虽然错综复杂,但不可否认的是散户投资者非理性情绪的助推。现已有大量研究直接或间接的表明,投资者情绪变化会对股票流动性产生影响。而媒体作为股票市场主要的信息传播媒介,是影响投资者情绪的主要因素之一。但目前鲜有文献从媒体报道改变投资者情绪这一视角来研究其对股票流动性的影响。本文以2013年至2019年我国A股市场上市公司为研究样本,通过对上市公司相关新闻报道的语气进行量化以构建投资者情绪的代理变量,基于OLS面板回归模型进行实证检验,结合行为金融理论以及媒体议程设置理论,对媒体语气、投资者情绪与股票流动性之间的复杂关系进行了深入分析,并进一步分析了上市公司信息披露质量与机构投资者持股比例对于三者之间关系的影响。研究结果表明:媒体报道语气与股票流动性呈显着正相关,且负向媒体语气更能显着解释股票流动性的变化;媒体语气对于股票流动性的影响会随着上市公司信息披露质量的下降而增强,会随着机构投资者持股比例的增加而减弱。最后,基于本文的实证研究结论,并结合我国股票市场发展现状,分别从提高散户投资者市场准入门槛、扩大机构投资者队伍、健全上市公司信息披露监管体系以及加强对媒体报道监管等方面提出了相关政策建议,无论是对证券市场的参与者,还是对市场政策的制定者、监管者来说,都具有一定的指导意义。
赵凡[5]（2020）在《基于神经网络模型的投资者情绪对股票价格预测的影响研究》文中研究表明从A股市场诞生至今,A股经历了数次大幅的上涨和下跌,这些非理性的大幅涨跌很难完全用传统金融理论做出解释,而行为金融理论正是从投资者情绪的角度出发对各类金融异象与非理性行为现象做出了解释,投资者情绪在股票市场的非理性繁荣和恐慌式下跌中无疑起到了推波助澜的作用。本文以上述现象作为切入点,研究了市场投资者情绪对市场指数收益及异质性上市公司股票收益的影响效应,并使用数据挖掘模型对收集到的数据进行建模。首先选取投资者A股账户新增开户数（NIA）、换手率（TURN）、消费者信心指数（CCI）、成交量（VOL）、中国证券投资者信心指数—买入指数（BII）等五个指标作为投资者情绪的代理指标,通过第一次主成分分析消除提前滞后效应的影响,通过第二次主成分分析消除宏观经济变量的相关性,并通过回归剔除宏观经济变动对投资者情绪的影响效应,再通过偏最小二乘回归方法提取与真实投资者情绪相关的部分得到最终的投资者情绪综合指标。其次,通过随机森林算法,从一系列具有代表性的候选技术指标中选取重要性高的技术指标作为数据挖掘模型的输入变量,即BBI多空指数、BBIBOLL多空、BIAS乖离率、BOLL布林带、RSI相对强弱指标五个指标。然后,将投资者情绪综合指标及筛选后的技术指标作为模型的输入变量,训练并建立BP神经网络模型。最后,通过分析纯技术分析指标,以及加入去噪后投资者情绪综合指标建立的神经网络模型预测股票价格的准确率的区别,研究了投资者情绪指数在股票预测建模中的影响,并按规模性指标和成长性指标等公司特征变量对公司进行交叉分类,研究什么类型的股票更容易易受到投资者情绪的影响。经过上述的研究步骤,本文主要得出了如下的结论:以纯技术指标建模的神经网络模型预测值与股票价格实际值的平均绝对误差为MAD=19.6854。将去噪后的投资者情绪指标以及筛选后的技术指标作为输入变量建立的BP神经网络,其预测值与股票价格实际值的平均绝对误差为MAD=9.823。结论表明与单纯使用技术指标建模的BP神经网络相比,加入了投资者情绪变量的数据挖掘模型在预测股票价格的准确性方面表现更好,在拟合A股市场走势时具有更大的优势。在对公司按规模性指标和成长性指标等特征变量进行交叉分类的研究中,神经网络模型预测值与股票价格实际值的偏差程度最小的股票类型为小市值价值型股票组合（MAD=7.173）,拟合效果最好,而神经网络模型预测值与股票价格实际值的偏差程度最大的股票类型为大市值成长型股票组合（MAD=23.703）,拟合效果最差,而小市值成长型股票组合与大市值价值型股票组合的拟合效果介于上述两种特征组合股票类型之间。
陈健红[6]（2019）在《基于WRV-ARFIMA-T模型股市波动率的长记忆性及预测研究》文中研究说明随着经济的快速发展,金融市场的波动行为变得越来越复杂.为了减少金融市场波动性带来的不良影响,许多学者和投资者开展对金融市场波动规律的分析和研究.对于金融市场波动率,需要构建符合波动率自身特征的模型,才可能有效地描述和预测.在金融市场实际应用中,高频金融数据波动率往往具有日历效应、尖峰厚尾和长记忆性等特征,需要采用能同时捕捉到这些性质的模型.此外,使用经典的频率统计方法进行时间序列模型参数估计,存在似然函数不一定具有解析表达式、无法直接利用极大似然估计法估计模型中参数的困难.因此,本文构建误差项服从T分布的赋权已实现波动分整自回归移动平均（WRV-ARFIMA-T）模型,采用贝叶斯估计方法对模型进行参数估计,并对我国股市高频金融数据的波动率进行实证研究.具体工作如下:1.考虑到高频金融数据波动率具有日历效应、尖峰厚尾和长记忆性等特征,本文将消除日历效应的赋权已实现波动率（WRV）和刻画尖峰厚尾和长记忆性的T分布分整自回归移动平均（ARFIMA-T）模型相结合,构建WRV-ARFIMA-T模型.为了能较好地描绘和预测高频金融数据波动率,采用贝叶斯估计方法对模型进行参数估计.随之分析WRV与ARFIMA-T模型的统计结构,并给出了WRV-ARFIMA-T模型的马尔可夫链蒙特卡罗（MCMC）方法的基本步骤.2.采用WRV-ARFIMA-T模型和贝叶斯估计方法对我国股市高频金融数据波动率的长记忆性和预测进行实证研究.通过借助Matlab,Eviews和OpenBUGS等软件,利用Q-Q图,自相关函数图以及重标极差（R/S）分析方法验证了我国股市沪深300指数和中小板指数的WRV序列具有长记忆性和尖峰厚尾性.接着,对这两个指数的WRV序列建立WRV-ARFIMA-T模型,并采用贝叶斯估计方法对模型进行了参数估计.最后,利用沪深300指数和中小板指数WRV序列建立的WRV-ARFIMA（1,0.4914,3）-T模型和WRV-ARFIMA（4,0.4881,1）-T模型对WRV进行了预测,结果表明模型具有较好的预测精度.
李超[7]（2019）在《不是资金杠杆而是信息杠杆》文中提出2019年以来,市场冬尽春归否极泰来的演绎超出预期,外资回流孕育赚钱效应,进而吸引散户入场促发本轮股市上涨。参考在监管层打击非法配资时,2015年6月股市大幅下跌的经验,这轮股市上涨不能再出现"杠杆牛",即各主体都很难大幅加杠杆,此时大量资金只能是散户快速进场而为。散户为何进场如此快?我们认为,智能手机和社交软件的快速发展和广泛渗透使信息出现几何式快速传播,我们称之为"信息杠杆",其能够强化散户投资者的羊群行为、放大市场波动率。
姚广旭[8]（2019）在《我国机构和个人的“双羊群效应”对股市波动率的影响》文中进行了进一步梳理我国证券市场发展至今已有20多年的历史,在取得巨大进步的同时也存在一些不足,如2015年曾出现过多次极端行情,极大地打击了投资者的热情,阻碍了市场的健康发展。目前我国证券市场的投资者结构与美国等发达市场的投资者结构有所不同,个人投资者占比高达30%,约为机构投资者的三倍,美国这一比例只有15%,英国、日本的比例更低。由于个人投资者在学历背景、市场经验方面参差不齐,往往交易频率过高,容易追涨杀跌,机构投资者投资风格偏向长期价值投资,不易受到短期市场情绪波动的影响,因此这种结构的差异是我国股票市场波动较为剧烈的原因之一。本文从两者交易行为上的不同出发,重点研究机构和个人投资者所引起的“双羊群效应”,以及它对股市波动率的影响。现有的经典羊群效应研究方法中,LSV模型适用于证券投基金,CCK模型适用于检测市场整体的羊群行为,并且它们只能反映一段样本时间内静态的羊群行为。本文为了更好的研究个人和机构投资者羊群行为的差异,采用Li,Rhee和Wang（2017）提出的,更适合对不同类型投资者分组的模型。通过交易量阈值对投资者分类,并配合每5秒一笔的超高频交易数据,探究上证180从2014年6月至2016年6月,一个完整牛熊市过程中两者的动态变化情况。最后根据两者的羊群测量值,分析各自对股市波动率的影响。本文将样本区间分为整体、上涨、下跌三个阶段。研究结果表明:样本期间内,我国上证180指数确实存在着羊群效应,并且在下跌阶段更为明显。但是不同类型投资者的羊群程度有所不同,个人投资者的羊群行为始终比机构投资者明显,在指数上涨时,个人羊群强度明显减弱,指数下跌时,个人羊群强度明显增强,机构投资者的羊群强度变化也符合这一规律,但变化程度没有个人那么敏感。区分交易方向后发现,个人和机构的卖出羊群行为始终比买入羊群行为更为明显。本文认为造成这种现象的原因是牛市中投资者风险偏好提升,出现追涨高贝塔的个股,使个股收益率与市场收益率离散程度加大,即普涨现象不明显,此时羊群效应减弱。相反熊市初期股指迅速下跌时,投资者受到恐慌情绪影响,同时卖出高风险股票,个股收益和市场收益一起下降,使两者离散程度减小,即同跌现象明显,此时羊群效应增强。在探究“双羊群效应”对股市波动率的影响时发现,个人投资者的羊群行为对股市波动率并没有影响,而通常被认为起到“稳定器”作用的机构投资者,在股市下跌阶段中容易引发其他投资者情绪恐慌,造成市场的剧烈波动。
罗红玲[9]（2018）在《复杂动态理论下的汉语比喻研究》文中研究说明比喻在人们的日常交际中普遍存在,正是这种普遍性使得比喻在话语研究中成为一个重要的研究课题。研究真实话语中的比喻可以帮助我们更好地理解人们如何使用比喻,将有助于我们对比喻的本质作出更客观的认识。然而,目前的汉语比喻研究成果众多,但还缺乏一种能对比喻进行整体而全面分析的统一理论框架;过于侧重比喻静态形式结构层面的描写,忽视了比喻的解释性研究;所选语料多为固死的书面语料,缺乏语言真实使用过程中的研究;且多数研究仍以定性分析为主,缺乏以语料库为基础的全面性研究。因此到目前为止,我们还没有办法比较可信地回答比喻的形成机制、存在方式以及应用规律,当然也就无法揭示比喻的本质所在。基于此,本研究在前人研究的基础之上,聚焦于真实语言中的比喻使用现象,在相对真实的话语交际环境下,借助于跨学科视角,探讨比喻的形成机制、存在方式以及应用规律,从而揭示比喻的本质特征,对话语中的比喻使用进行了定量与定性分析,以期从理论及实践上丰富和拓展现有的汉语比喻研究。本论文的主要研究内容如下:（1）本研究首先对现有汉语比喻研究进行了综合分析与评述,探讨了目前研究在理论上和方法上所取得的成果与存在的不足;（2）提出本研究的理论基础,即复杂动态理论,从复杂性视角出发探析了比喻产生的内部以及外部原因,提出了比喻的形成机制;探析了话语中比喻使用的根本动因以及影响比喻使用的诸多因素,提出了比喻在话语中的存在方式;最后,结合己有汉语比喻研究成果以及复杂动态理论,构建了比喻研究的多维动态模式,并在该模式下提出了比喻的定义、比喻辨识方法以及比喻研究的观测维度。（3）依据上述研究框架,基于自建和通用语料库,对交际过程中比喻的形式特征进行了分析,讨论了话语样本中比喻的密度值、比喻表达结构的典型特征以及话语中比喻的分布特征;对交际过程中比喻使用的动态过程进行了分析,考察了比喻结构在话语局部的动态表现形式、交际主体间比喻交互情况、特定语境中特定比喻表达的选择及变异情况、比喻固化的动态过程以及话语事件层面上比喻使用模式的特征与规律。本研究的主要创新与价值在于（1）从复杂动态理论的跨学科视角出发,重新审视了比喻的本质特征,突破了传统比喻研究的静态观,在语言交际过程中考察比喻的生成、理解和变异的复杂动态过程,使得比喻研究更加逼近其本来面貌,为汉语比喻理论研究开辟了新的路径,拓宽了比喻理论研究的视野。（2）本研究从跨学科视角提出了比喻的形成是基于主体的多模块多感官系统与环境互动的结果;从联系的观点来审视比喻与其使用环境之间的复杂性关系,提出了比喻的存在方式具有多维性、互动性、适应性、多层次性、主体性以及动态性等特征。（3）本研究提出了比喻研究的多维动态研究框架,旨在将目前的认知研究与话语研究的成果在一个跨学科理论框架下进行整合,让所有研究都能在该研究框架下找到它们相应的位置,并在此框架下对比喻进行了定义与识别,通过大量真实语料的分析,全面呈现了比喻使用中的形式特征与动态过程,深刻揭示了比喻的复杂动态本质。（4）本研究立足于交际中的比喻研究,从理论与实证两个方面深刻揭示了比喻的本质特征以及使用规律,这些研究发现对对外汉语教学中比喻使用能力的培养以及相关教材编写都极具启示意义与参考价值。
牛强[10]（2017）在《中国互联网金融产业发展及政府管制研究 ——以中国P2P网络借贷产业为例》文中进行了进一步梳理中国互联网金融产业的诞生和成长,一定程度上解决了传统金融机构面临的交易成本高企及信息不对称的难题,功能上则实现了对传统金融的补充与完善。该产业于2013年呈现出爆发式增长的态势,反映出我国金融体制改革滞后以及利率市场化的迫切需求。互联网金融产业的强劲发展会产生“鲶鱼效应”,通过促进利率市场化及推动市场边界的扩展,对我国金融产业中现有的产品、业务、组织和服务等各个方面将产生较为深刻的影响,从而有效加速中国金融深化及宽化,缓解金融抑制,更好地服务于中国实体经济的发展。首先,本文通过考察我国P2P产业的市场结构,提出行业准入监管的必要性。P2P网络借贷是目前中国互联网金融产业中发展最快的领域之一,从以市场成交量来计算的市场集中度指标来看,CR4=22.51、CRs=30.61、HHI指数=221,表明我国P2P产业的市场结构属于典型的竞争型市场结构。而且自2015年11月以来,HHI指数趋势线呈现出较为明显的不断下降趋势,说明P2P市场的竞争程度仍在逐步加大。实证结果亦显示P2P行业发展速度与企业经济绩效之间呈现反方向的变化关系,从而进一步论证了利率市场化过快可能会导致过度竞争,P2P平台为了争抢客户资源存在着不顾经营风险的价格和非价格恶意竞争行为,如高息与刚性兑付等。隐含的政策意义是P2P产业健康有序的发展离不开国家在一定范围内合理有效的监管,国家针对无序的竞争现象应适当提高P2P行业的准入门槛。其次,通过对具体借款人的实证分析,提出建立行业信用数据库工作的迫切性。本文使用Logistic回归方法,以“人人贷”平台2015年一整年的全部“满标”借款数据共114717条为考察对象,从微观的视角就中国P2P产业借款人违约因素进行了实证分析。考察了性别、婚姻、年龄、学历、月收入、有无房贷、有无车产、借款金额、借款利率、借款期限和工作年限,以及征信情况类指标（包括有无工作认证、收入认证、实地认证、身份认证、信用报告和具体信用分数共6个指标）对借款人违约的影响,研究结果显示:性别和年龄变量对P2P借款违约的影响并不显着;婚姻状态对于违约有一定影响,如离异的比未婚的更倾向于违约;学历越高,越不易违约;有房贷与车产的借款人相对于没有房贷与车产的借款人来说,违约风险变弱;借款利率越高,越容易违约。其中,最有价值的实证结果是:是否通过信用认证这一贷前审查环节,显着影响借款人的违约状况,即信用度越高,则违约的可能性就越小。这一结果有力论证了征信系统可以有效提示业务风险,约束借款人行为,降低业务成本,提高网络金融机构盈利水平的观点。因此我国应尽快采取措施,将散落在各平台的小微企业和自然人等借款人零散信用信息进行整合,建立我国P2P平台共享的信用数据库,填补央行信息数据库的空白,建立有效开放的征信系统,为P2P市场去担保化的实现打下坚实基础。上述两个方面的内容,基于中观和微观审慎监管角度,分别对P2P产业的内部风险进行了分析。然而,为了全面研究该市场的风险,亦须从宏观审慎监管的角度对其宏观风险的溢出效应进行分析。本文基于AR（n）-XARCH-Copula静态与动态模型,对中国P2P市场与传统金融市场的风险传染进行了实证分析。实证结果表明:中国的P2P市场与股票市场之间具有高度的双向风险相关性,与银行间同业拆借市场之间也存在风险的双向相关性,但程度略低。由此可见,P2P市场的风险不仅仅来源于P2P平台企业和借款人等市场的内部原因,而且和市场外部传统金融市场中的资本市场风险和货币市场风险之间也存在着相互传染性。在中国特色市场经济的前提之下,为了有效回避和化解P2P产业的宏微观风险,需要政府相关监管的有效介入。但是金融监管制度一旦形成,不管是否有效,都会在一定时期内持续存在并影响其后金融监管的制度选择。因此,政府在支持大胆进行金融创新,着手完善和规范监管机制,明晰监管主体和职责的同时,相关职能部门应当掌握好金融监管协调的度,过度监管可能抑制金融创新,监管缺位也会产生行业泡沫和市场风险。当前,促进我国互联网金融健康有序发展,主要应把握好以下几个原则:金融创新与风险管理的权衡利弊;原则性监管与规则性监管相结合;分类监管与协调监管相结合;加强信息披露和消费者权益保护;建立征信体系和信息共享系统。同时,互联网金融模式的选择关系到地区经济的未来发展趋势,合理地选择互联网金融模式,不仅能够有效利用互联网的平台加快地区金融产品的推广和地区经济发展,而且也是金融监管水准和效率的价值体现。互联网金融模式的择优选择过程是一个较为复杂的系统工程,存在众多不确定性因素和模糊性,传统的基于确定性数学的评价方法,并不能反映互联网金融模式择优选择过程中的不确定性。本文针对传统直觉模糊集仅利用单人信息的不足,提出基于群组专家共同参与的直觉模糊集评价方法,通过将群组专家对互联网金融模式评价信息进行综合,得到区间型的直觉模糊数作为互联网金融模式评价值,从而给出一种基于区间直觉模糊集的互联网金融模式择优评价方法,以供互联网金融监管层和相关的互联网金融业内人士参考使用。
二、网络牛市还远吗?（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、网络牛市还远吗?（论文提纲范文）
（2）证券市场系统性风险测度与预警研究 ——基于宏观审慎监管视角（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究思路与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.4 创新点 |
| 第二章 文献综述与理论基础 |
| 2.1 概念界定 |
| 2.1.1 审慎监管 |
| 2.1.2 证券市场系统性风险 |
| 2.2 文献综述 |
| 2.2.1 证券市场宏观审慎监管必要性研究 |
| 2.2.2 证券市场系统性风险度量研究 |
| 2.2.3 宏观审慎监管下系统性风险预警研究 |
| 2.3 系统性风险监管相关理论基础 |
| 2.3.1 经济周期理论 |
| 2.3.2 金融不稳定假说 |
| 2.3.3 宏观审慎监管理论 |
| 第三章 中国证券市场系统性风险来源 |
| 3.1 证券市场系统性风险形成的制度因素 |
| 3.1.1 新股发行体系扭曲 |
| 3.1.2 政府过度干预 |
| 3.1.3 制度不完善与违规成本太低 |
| 3.2 证券市场系统性风险形成的市场因素 |
| 3.2.1 过度杠杆化 |
| 3.2.2 市场违规频繁 |
| 3.2.3 经济周期性与经济下行 |
| 3.2.4 投资者结构与羊群效应 |
| 3.2.5 跨市场关联度提升 |
| 第四章 宏观审慎视角下证券市场系统性风险度量 |
| 4.1 指标描述和样本选择 |
| 4.1.1 指标描述 |
| 4.1.2 样本选择 |
| 4.2 模型构建与实证分析 |
| 4.2.1 基于主成分分析法的各维度风险得分计算 |
| 4.2.2 计算各维度的风险得分 |
| 4.2.3 合成证券市场系统性风险指数 |
| 4.3 系统性风险度量结果分析 |
| 第五章 宏观审慎视角下证券市场系统性风险预警 |
| 5.1 系统性风险指数预警阈值的确定 |
| 5.2 基于历史事实的预警值有效性检验 |
| 5.3 基于数理模型的预警值有效性检验 |
| 5.3.1 Logit模型简介 |
| 5.3.2 各维度Logit模型因素贡献分析 |
| 5.3.3 样本内外有效性检验 |
| 第六章 证券市场系统性风险的逆周期调节 |
| 6.1 以预警模型为基础逆周期监管 |
| 6.2 宏观经济维度逆周期监管 |
| 6.3 股票市场维度逆周期监管 |
| 6.4 证券机构维度逆周期监管 |
| 第七章 结论及建议 |
| 7.1 研究结论 |
| 7.2 对策建议 |
| 参考文献 |
| 致谢 |
| 附录 |
（3）G证券辽宁分公司经纪业务发展战略研究（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 国内外证券经纪业务发展模式的文献综述 |
| 1.3 主要研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 论文的研究框架 |
| 2 理论概述 |
| 2.1 战略管理含义及理论 |
| 2.1.1 战略管理含义 |
| 2.1.2 战略管理理论 |
| 2.2 战略管理主要分析工具 |
| 2.2.1 外部因素评价矩阵 |
| 2.2.2 内部因素评价矩阵 |
| 2.2.3 SWOT分析 |
| 2.2.4 定量战略计划矩阵 |
| 3 G证券辽宁分公司开展经纪业务的外部环境分析 |
| 3.1 经营环境分析 |
| 3.1.1 政治及法律环境分析 |
| 3.1.2 经济环境分析 |
| 3.1.3 社会及文化环境分析 |
| 3.1.4 技术环境分析 |
| 3.2 同业经纪业务的竞争分析 |
| 3.2.1 市场情况分析 |
| 3.2.2 区域竞争分析 |
| 3.3 外部因素评价矩阵(EFE)的建立 |
| 4 G证券辽宁分公司开展经纪业务的内部资源分析 |
| 4.1 分公司经纪业务基本情况概述 |
| 4.2 分公司资源及能力分析 |
| 4.2.1 现有资源分析 |
| 4.2.2 现有能力情况 |
| 4.3 内部因素评价矩阵(IFE)的建立 |
| 5 G证券辽宁分公司经纪业务战略选择 |
| 5.1 G证券辽宁分公司经纪业务SWOT分析 |
| 5.1.1 机会与威胁分析 |
| 5.1.2 优势与劣势分析 |
| 5.1.3 SWOT战略分析矩阵 |
| 5.2 QSPM定量分析与战略选择 |
| 5.2.1 QSPM矩阵定量分析 |
| 5.2.2 经纪业务发展战略选择 |
| 5.3 基于增长型战略的具体方案 |
| 5.3.1 区域拓展与布局优化 |
| 5.3.2 渠道拓展与营销模式优化 |
| 5.3.3 打造线上服务体系和特色资讯产品 |
| 6 战略实施的保障措施 |
| 6.1 人力资源调整 |
| 6.2 组织结构调整 |
| 6.3 风控职责调整 |
| 结论 |
| 参考文献 |
| 附录A G证券辽宁分公司经纪业务内部问卷调査表 |
| 致谢 |
（4）投资者情绪对股票流动性影响研究 ——基于媒体信息传递视角（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1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 文献综述 |
| 1.2.1 媒体报道对投资者情绪的影响 |
| 1.2.2 股票流动性的定义、测度及影响因素 |
| 1.2.3 投资者情绪对股票流动性影响效应 |
| 1.2.4 文献评述 |
| 1.3 研究内容与框架 |
| 1.3.1 研究内容 |
| 1.3.2 研究框架 |
| 1.4 研究方法 |
| 1.5 研究创新之处 |
| 第2章 投资者情绪与股票流动性的理论基础与影响机理 |
| 2.1 投资者情绪与股票流动性的理论基础 |
| 2.1.1 议程设置理论 |
| 2.1.2 行为金融理论 |
| 2.2 投资者情绪与股票流动性影响机理 |
| 2.2.1 基本分析框架 |
| 2.2.2 引入公司特质变量后对投资者情绪与股票流动性关系的影响 |
| 第3章 投资者情绪与股票流动性的指标选取与测度 |
| 3.1 样本选择与数据获取 |
| 3.2 投资者情绪测度 |
| 3.3 股票流动性测度 |
| 3.4 控制变量选取 |
| 3.4.1 公司特征维度 |
| 3.4.2 股票特征维度 |
| 3.4.3 市场维度 |
| 3.5 计量模型构建 |
| 第4章 投资者情绪与股票流动性的实证分析 |
| 4.1 变量的描述性统计特征 |
| 4.2 投资者情绪与股票流动性 |
| 4.3 公司信息披露质量、机构投资者对投资者情绪与股票流动性的影响 |
| 4.4 稳健性检验 |
| 4.4.1 更改上市公司信息披露质量的衡量方式 |
| 4.4.2 引入股价波动率和换手率作为新的控制变量 |
| 第5章 研究结论与政策建议 |
| 5.1 研究结论 |
| 5.2 政策建议 |
| 5.2.1 提高散户投资者市场准入门槛 |
| 5.2.2 扩大机构投资者队伍 |
| 5.2.3 健全上市公司信息披露监管体系 |
| 5.2.4 加强对媒体报道监管 |
| 5.3 研究局限及展望 |
| 参考文献 |
| 在学期间发表的学术论文与研究成果 |
| 后记 |
（5）基于神经网络模型的投资者情绪对股票价格预测的影响研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 研究思路及研究内容 |
| 1.3 研究方法 |
| 1.4 研究创新 |
| 第二章 相关理论与文献综述 |
| 2.1 有效市场假说、行为金融学与资本资产定价模型 |
| 2.2 投资者情绪相关研究 |
| 2.2.1 投资者情绪度量方法 |
| 2.2.2 投资者情绪对股票收益影响研究 |
| 2.3 数据挖掘模型 |
| 2.4 对现有文献的简要评述 |
| 第三章 投资者情绪指标的构建 |
| 3.1 投资者情绪代理指标的确定 |
| 3.2 投资者情绪综合指标的确定 |
| 3.2.1 “提前”与“滞后”变量选择 |
| 3.2.2 剔除宏观经济因素的影响 |
| 3.2.3 偏最小二乘回归方法 |
| 3.3 数据来源与样本期 |
| 第四章 技术指标的选取——基于随机森林模型 |
| 4.1 技术指标的选取 |
| 4.2 随机森林模型的构建 |
| 4.2.1 随机森林模型简介 |
| 4.2.2 随机森林模型运行结果 |
| 第五章 投资者情绪对股票价格的影响 |
| 5.1 神经网络模型的构建 |
| 5.2 投资者情绪在股票预测建模中的影响研究 |
| 5.2.1 纯技术指标神经网络模型 |
| 5.2.2 基于投资者情绪综合指标的神经网络模型 |
| 5.3 投资者情绪的横截面效应研究——基于规模性指标和成长性指标 |
| 5.3.1 特征组合的构造 |
| 5.3.2 特征组合的比较 |
| 第六章 结论 |
| 6.1 研究总结 |
| 6.2 研究不足与展望 |
| 参考文献 |
（6）基于WRV-ARFIMA-T模型股市波动率的长记忆性及预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高频数据波动率研究 |
| 1.2.2 时间序列长记忆模型与贝叶斯估计研究 |
| 1.3 本文的研究内容及创新点 |
| 1.4 本文的章节安排 |
| 第2章 高频金融数据波动率与长记忆时间序列模型 |
| 2.1 高频金融数据波动率 |
| 2.1.1 高频金融数据特征 |
| 2.1.2 已实现波动率 |
| 2.1.3 赋权已实现波动率 |
| 2.2 长记忆时间序列模型 |
| 2.2.1 时间序列的长记忆特征 |
| 2.2.2 长记忆性的检验方法 |
| 2.2.3 长记忆时间序列模型 |
| 2.3 本章小结 |
| 第3章 WRV-ARFIMA-T模型 |
| 3.1 WRV-ARFIMA-T模型的构建 |
| 3.1.1 WRV计算 |
| 3.1.2 ARFIMA-T模型 |
| 3.1.3 WRV-ARFIMA-T模型 |
| 3.2 WRV-ARFIMA-T模型参数的贝叶斯分析 |
| 3.2.1 模型似然函数 |
| 3.2.2 模型后验分布确定 |
| 3.2.3 模型MCMC方法的基本步骤 |
| 3.3 本章小节 |
| 第4章 我国股市波动率的长记忆性及预测实证分析 |
| 4.1 样本数据选取和预处理 |
| 4.2 样本波动率的统计特征分析 |
| 4.2.1 赋权已实现波动率的基本描述与正态性检验 |
| 4.2.2 赋权已实现波动率平稳性与长记忆性检验 |
| 4.3 我国股市波动率长记忆性建模及贝叶斯分析 |
| 4.3.1 沪深300指数的模型建立及贝叶斯分析 |
| 4.3.2 中小板指数的模型建立及贝叶斯分析 |
| 4.4 我国股市波动率长记忆性分析与预测 |
| 4.4.1 波动率长记忆性分析 |
| 4.4.2 波动率的预测 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文总结 |
| 5.2 本文的工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间获得的科研成果 |
（7）不是资金杠杆而是信息杠杆（论文提纲范文）
| 比差逻辑下外资看好中国 |
| 赚钱效应有望促发牛市 |
| 信息杠杆提高了否极泰来的速率 |
（8）我国机构和个人的“双羊群效应”对股市波动率的影响（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究思路 |
| 1.3 本文框架 |
| 1.4 本文创新与不足 |
| 2.文献综述 |
| 2.1 国外研究现状 |
| 2.2 国内研究现状 |
| 2.3 文献总结 |
| 3.羊群效应理论 |
| 3.1 羊群效应的概念 |
| 3.2 羊群效应的分类 |
| 3.3 羊群效应的产生 |
| 3.4 羊群效应的心理因素 |
| 3.5 羊群效应的检验模型 |
| 3.5.1 LSV模型 |
| 3.5.2 BHW模型 |
| 3.5.3 CH模型 |
| 3.5.4 CCK模型 |
| 4.数据处理和模型选取 |
| 4.1 数据选取 |
| 4.2 测量模型介绍 |
| 5.实证结果 |
| 5.1 机构和个人羊群强度值结果分析 |
| 5.2 市场整体羊群效应分析 |
| 5.3 “双羊群效应”对波动率的实证分析 |
| 5.4 稳健性检验 |
| 6.总结 |
| 6.1 本文结论 |
| 6.2 提出建议 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
（9）复杂动态理论下的汉语比喻研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究缘起 |
| 第二节 研究综述 |
| 一、不同学科视角下的汉语比喻研究 |
| 二、汉语比喻的应用研究 |
| 三、他山之石——西方比喻(metaphor)研究及其发展动态 |
| 四、汉语比喻研究的启示以及存在的问题 |
| 第三节 研究的内容、法和语料来源 |
| 一、研究内容 |
| 二、研究方法 |
| 三、语料来源 |
| 第四节 研究意义 |
| 一、理论意义 |
| 二、实践意义 |
| 第五节 论文组织结构 |
| 第二章 复杂动态理论下汉语比喻研究框架的建构 |
| 第一节 走进复杂性一回归比喻的本真 |
| 一、用复杂性思维看待事物的本质 |
| 二、用复杂性思维看待语言的本质 |
| 三、复杂性视角下的比喻研究路径 |
| 第二节 复杂性视角下比喻的形成机制分析 |
| 一、比喻的形成起因 |
| 二、比喻形成的主体性因素 |
| 三、基于主体的多模块多感官系统与环境互动的形成机制 |
| 第三节 复杂性视角下比喻的存在方式分析 |
| 一、当代比喻研究中的话语转向:真实世界的比喻研究 |
| 二、复杂性视角下的话语 |
| 三、影响话语中比喻使用的复杂因素分析 |
| 四、话语中比喻的存在方式 |
| 第四节 复杂性视角下比喻研究模式的建构 |
| 一、比喻研究的多维动态模式 |
| 二、基于该模式的比喻定义 |
| 三、基于该模式的比喻辨识 |
| 四、基于该模式的比喻观测维度 |
| 第五节 本章小结 |
| 第三章 比喻使用构形式特征分析 |
| 第一节 话语中比喻使用的密度分析 |
| 一、话语比喻密度计算的依据标准 |
| 二、话语样本中比喻的密度值 |
| 三、关于本研究比喻密度值的讨论 |
| 第二节 话语中比喻的典型表达结构分析 |
| 一、考察要素的选定及其标注形式 |
| 二、话语样本中比喻表达结构类型统计分析 |
| 三、话语中比喻表达的典型结构讨论 |
| 第三节 话语中比喻的分布特征分析 |
| 一、比喻丛及其划分方法 |
| 二、话语样本中比喻丛的分布特征 |
| 第四节 本章小结 |
| 第四章 比喻使用的动态过程分析 |
| 第一节 比喻的局部动态表现 |
| 一、比喻结构的局部动态性 |
| 二、比喻局部动态变化的类型 |
| 三、比喻局部动态变化的类型分析 |
| 四、讨论与小结 |
| 第二节 比喻的互动过程分析 |
| 一、比喻表征的对话性 |
| 二、比喻的互动与回应类型 |
| 三、比喻的互动过程分析 |
| 四、讨论与小结 |
| 第三节 比喻的适应过程分析 |
| 一、语境与比喻使用的变异 |
| 二、交际中比喻变异的语境参数 |
| 三、比喻的适应过程分析 |
| 四、讨论与小结 |
| 第四节 比喻的固化过程分析 |
| 一、比喻的社会文化认知与个体认知 |
| 二、亚稳定状态的比喻使用特征 |
| 三、话语中比喻的固化过程分析 |
| 四、讨论与小结 |
| 第五节 比喻使用模式的涌现过程分析 |
| 一、交际过程中比喻的动态轨迹 |
| 二、交际中比喻使用模式的分析路径 |
| 三、案例话语的比喻使用模式分析 |
| 四、讨论与小结 |
| 第六节 本章小结 |
| 第五章 本研究的主要应用 |
| 第一节 在汉语第二语言教学中的应用 |
| 一、从本族语者的比喻使用到二语学习者比喻使用能力的提出 |
| 二、比喻使用能力在对外汉语教学中的应用价值 |
| 三、以比喻使用能力培养为导向的对外汉语教学策略及启示 |
| 第二节 在对外汉语教材编写中的应用 |
| 一、比喻纳入对外汉语教材编写的必要性 |
| 二、本研究对教材编写与评估的启示 |
| 第三节 作为话语分析工具的应用 |
| 一、比喻作为一种话语分析工具 |
| 二、本研究对于口语话语分析的启示 |
| 第六章 总结与展望 |
| 第一节 本研究的主要结论 |
| 第二节 本研究的创新点 |
| 第三节 本研究的不足与展望 |
| 附件 |
| 参考文献 |
| 致谢 |
（10）中国互联网金融产业发展及政府管制研究 ——以中国P2P网络借贷产业为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 中国P2P产业的发展历程 |
| 1.2.1 萌芽和探索期(2007-2010年) |
| 1.2.2 增长和扩张期(2011-2012年) |
| 1.2.3 爆发与风险并存期(2013-2014年) |
| 1.2.4 监管规范期(2015年至今) |
| 1.3 研究思路与研究内容 |
| 1.4 创新之处 |
| 第二章 文献综述 |
| 2.1 概念与范畴 |
| 2.1.1 金融与互联网金融 |
| 2.1.2 互联网金融的模式 |
| 2.1.3 P2P网络借贷产业 |
| 2.2 理论与机理 |
| 2.2.1 借款违约理论 |
| 2.2.2 企业价值理论 |
| 2.2.3 预算软约束理论 |
| 2.2.4 信息不对称理论 |
| 2.3 风险与影响因素 |
| 2.3.1 平台面临的主要风险 |
| 2.3.2 违约产生的影响因素 |
| 2.4 管制与金融管制 |
| 2.4.1 管制理论 |
| 2.4.2 金融管制理论 |
| 第三章 中国P2P产业市场结构分析 |
| 3.1 问题的提出 |
| 3.2 市场份额分析 |
| 3.2.1 P2P企业成交量 |
| 3.2.2 P2P企业投资人数 |
| 3.2.3 P2P企业借款人数 |
| 3.3 市场集中度 |
| 3.3.1 行业集中率(CRn指数) |
| 3.3.2 赫希曼指数(HHI指数) |
| 3.4 行业进入壁垒分析 |
| 3.4.1 产品差异壁垒分析 |
| 3.4.2 规模经济壁垒分析 |
| 3.4.3 政策法规壁垒分析 |
| 3.5 本章小结 |
| 第四章 中国P2P产业厂商行为分析 |
| 4.1 问题的提出 |
| 4.2 厂商的价格竞争 |
| 4.2.1 交叉外部性的形成 |
| 4.2.2 进入壁垒与交叉外部性 |
| 4.2.3 临界容量与交叉外部性 |
| 4.2.4 利率竞争结构 |
| 4.3 非价格竞争行为分析 |
| 4.3.1 产品差异化 |
| 4.3.2 风险差异化 |
| 4.3.3 服务差异化 |
| 4.4 差异化竞争模式比较 |
| 4.4.1 “宜信”模式 |
| 4.4.2 “人人贷”模式 |
| 4.4.3 “有利网”模式 |
| 4.5 本章小结 |
| 第五章 中国P2P产业市场绩效分析 |
| 5.1 问题的提出 |
| 5.2 市场绩效的概念和计量 |
| 5.2.1 概念 |
| 5.2.2 计量指标 |
| 5.2.3 中国P2P产业的经济绩效分析 |
| 5.3 描述性分析与研究假设 |
| 5.3.1 描述性实证 |
| 5.3.2 实证假设和指标选取 |
| 5.4 实证检验与分析 |
| 5.4.1 计量模型 |
| 5.4.2 面板的单位根检验 |
| 5.4.3 模型的估计和结果分析 |
| 5.5 本章小结 |
| 第六章 中国P2P产业违约风险分析 |
| 6.1 问题的提出 |
| 6.2 理论分析与研究假设 |
| 6.2.1 借款人基本特征信息的影响 |
| 6.2.2 借款情况信息的影响 |
| 6.2.3 工作情况信息的影响 |
| 6.2.4 征信情况信息的影响 |
| 6.3 描述性实证分析 |
| 6.3.1 变量选择及说明 |
| 6.3.2 数据获取及描述 |
| 6.4 实证分析 |
| 6.4.1 指标选取 |
| 6.4.2 模型建立 |
| 6.4.3 模型回归结果及分析 |
| 6.5 本章小结 |
| 第七章 中国P2P产业风险溢出效应分析 |
| 7.1 问题的提出 |
| 7.2 研究方法 |
| 7.2.1 静态Copula模型说明 |
| 7.2.2 时变Copula模型说明 |
| 7.3 数据选取与检验 |
| 7.3.1 数据选取 |
| 7.3.2 单位根检验和格兰杰检验 |
| 7.3.3 二维经验Copula分布函数构建 |
| 7.4 实证分析 |
| 7.4.1 静态视角——和资本市场 |
| 7.4.2 静态视角——和同业市场 |
| 7.4.3 时变视角——和资本市场 |
| 7.4.4 时变视角——和同业市场 |
| 7.5 本章小结 |
| 第八章 中国P2P产业政府管制分析 |
| 8.1 问题的提出 |
| 8.2 金融管制模型的构建和分析 |
| 8.3 P2P管制政策的梳理和分析 |
| 8.3.1 P2P管制的框架及概要 |
| 8.3.2 P2P具体管制政策分析 |
| 8.4 P2P管制政策的不足和建议 |
| 8.5 本章小结 |
| 第九章 互联网金融政府管制模式选择 |
| 9.1 问题的提出 |
| 9.2 互联网金融的内涵和意义 |
| 9.2.1 互联网金融的概念和内涵 |
| 9.2.2 与金融互联网的区别所在 |
| 9.2.3 制度创新的经济和社会意义 |
| 9.3 互联网金融产业的风险及监管 |
| 9.3.1 互联网金融产业的主要风险 |
| 9.3.2 互联网金融产业的监管之策 |
| 9.4 互联网金融模式择优评价方法 |
| 9.4.1 研究工具 |
| 9.4.2 相关定义 |
| 9.4.3 择优方法 |
| 9.4.4 作用意义 |
| 9.5 本章小结 |
| 第十章 结论与展望 |
| 10.1 主要结论 |
| 10.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文及参加的科研项目 |
四、网络牛市还远吗?（论文参考文献）
- [1]新冠疫情背景下投资者情绪对医药板块股票收益率的影响研究[D]. 陈郑林. 四川大学, 2021
- [2]证券市场系统性风险测度与预警研究 ——基于宏观审慎监管视角[D]. 张辉. 济南大学, 2020(12)
- [3]G证券辽宁分公司经纪业务发展战略研究[D]. 孟繁泽. 大连理工大学, 2020(05)
- [4]投资者情绪对股票流动性影响研究 ——基于媒体信息传递视角[D]. 李新明. 天津财经大学, 2020(07)
- [5]基于神经网络模型的投资者情绪对股票价格预测的影响研究[D]. 赵凡. 上海外国语大学, 2020(01)
- [6]基于WRV-ARFIMA-T模型股市波动率的长记忆性及预测研究[D]. 陈健红. 武汉理工大学, 2019(07)
- [7]不是资金杠杆而是信息杠杆[J]. 李超. 股市动态分析, 2019(11)
- [8]我国机构和个人的“双羊群效应”对股市波动率的影响[D]. 姚广旭. 西南财经大学, 2019(07)
- [9]复杂动态理论下的汉语比喻研究[D]. 罗红玲. 厦门大学, 2018(12)
- [10]中国互联网金融产业发展及政府管制研究 ——以中国P2P网络借贷产业为例[D]. 牛强. 东南大学, 2017(02)