对经理股票期权制的重新认识

本文从阐述经理股票期权的内涵入手 ,认为从理论上讲 ,经理股票期权有助于减少经理行为短期化 ,促进企业行为理性化 ,从而降低代理成本。但实施过程中暴露了经理股票期权制度的某些缺陷和由此带来的负面效应。我国企业在试行该激励制度时应正视所存在的问题 ,结合我国的国情 ,寻找更适合本企业特点的激励方式     

股票衍生证券定价模型的研究

若金融衍生证券的估值没有确切的表达方式时，可用数值分析法来估算其值，这样可以弥补金融衍生证券的定价公式在某些条件得不到满足而不能应用的局限性，以便更合理，准确地为金融衍生证券的定价提供科学的参考。本文在股票衍生证券定价模型的基础上，研究了美式期权估值的数值分析方法。     

拥有自己的小“钱龙”

在证券交易所,“钱龙”是最常见的股票分析软件。几经沧桑、磨难的大众散户股民,会使用该软件的人已经越来越多。的确,一个健康、理性的证券市场需要技术分析。我们从夏时柏先生所著的《上海股市实用操作技巧》一书中得知,夏先生在每天收盘后,都要做必作功课:记录当天指数,然后进行计算和手工绘图,常年如一日,这是一位“技术派”股民的杰出代     

库博矿业公司的企业文化

1公司背景库博矿业公司(KumbaResourcesLimited)的前身为伊斯客公司(IscorLimited),成立于1928年,包括钢铁生产和矿山开采两大部份。2001年11月,矿山开采部分从伊斯客公司分离出来,以库博矿业公司在约翰内斯堡股票交易所单独上市,公司业务集中在矿产资源的开采、加工及销售,核心产品包括铁矿石、煤、贱金属、重矿物及工业矿物。1989年,库博公司(当时为伊斯客公司)向中国第一次出口铁矿石。1993年,在北京开设代表处,为南非第一家在中国设置办公室的公司。后来,库博公司又先后在中国青岛港投资一千三百万美元帮助港口提高铁矿装卸能力。如今…     

基于机器学习的股票量化交易信息管理系统

针对传统信息管理系统准确性和时效性较差的问题,提出一种基于机器学习的股票量化交易系统。系统硬件部分采用Web端服务器和100Base-T广域网的网络服务器,并搭载含有数据决策功能的信息控制机制;系统软件部分利用优化数据查询代码的方式强化信息储存和管理能力,并通过朴素贝叶斯算法结合模拟假设法,建立基于股票信息特征的数据样本和代表集合,通过包含所有非负整数的集合范围,获得最小方差错误概率,确定朴素贝叶斯特征分类规则,实现对样本数据有效分类和管理。实验结果表明,测试结果可靠性较强、检测率较高、误报率较小,能够实现信息的有效管理。     

灰色算法在股票价格预测中的应用

股市投资已经成为人们生活中的重要组成部分,在股票市场中人们最关心的就是股票价格的变化.为了更精确的预测股票价格,得到更合理的股票投资意见.文章中提出了利用灰色系统理论对股票价格进行预测,并且利用残差修正预测结果的方法.根据灰色系统理论建立数学模型,利用得到的股票价格求得具体的预测模型及其预测结果,然后对所得结果进行残差修正以得到更精确的股票价格.文章中对华工股票价格进行预测后,发现利用灰色理论对股票价格预测,具有较高的精确度和应用价值.     

实施股票期权的高技术企业业绩评价指标体系研究

股票期权是一种有效的长期激励性报酬机制,目前在中国实行股票期权制的内外部环境尚未健全的条件下,对实行股票期权激励机制的企业业绩综合测评方法的科学化和规范化是急需解决的问题.本文应用层次分析法和多目标线性加权和法,提出了一套高科技上市公司业绩综合测评的新方法.     

沪市建筑业股票收益率分布的对称性研究

采用威尔科克森-曼-惠特尼检验法和哥尔莫哥洛夫-斯米尔诺夫检验法对上海证券市场建筑业股票收益率分布的对称性进行统计研究后得出的结果表明,上海证券市场建筑业股票收益率既不符合正态分布,也不具有对称性,因此就不能直接把经典的股票定价模型和风险管理技术运用到投资决策中去,而需要进一步地研究收益率的分布状况,才能进行正确的投资决策.     

多源异构数据融合驱动的股票指数预测研究

现代信息技术的广泛应用使得资本市场投资者能够获得更及时、更有价值的信息,也更容易受到金融论坛、专业投资网站的影响。融合资本市场的多源异构数据对股票指数进行预测成为该领域的研究热点。提出了一种基于多源异构数据的长短期神经网络（Long Short-Term Memory,LSTM）模型,通过对融合资本市场交易数据、技术指标数据、投资者情绪三种源数据的量化来预测股票指数的走势。提出了一种可以提取深度情感特征的卷积神经网络（Convolutional Neural Networks,CNN）情感分析模型,构建了投资者情绪特征模型。利用“上证50指数”数据进行实验,结果显示：LSTM模型的预测准确率比传统模型更为优秀,数据源的增加也对模型准确率的提升有较大贡献,验证了该方法的可行性和有效性。     

基于人工神经网络的股票高低点周期预测模型

基于股市波动的特点提出一种新的数据预处理方法--高低点法,并使用人工神经网络构建一个用于股市预测的高低点周期预测模型,该模型较好地刻画了股票市场运行的特点.