摘要：为了在尽可能降低模型风险的条件下考察股市收益率的厚尾风险,文章基于非参数统计量设计了一种对左右厚尾风险分别进行检验的方法。以沪深指数收益率为样本,在剔除了收益率自身波动聚集性、持续性和非对称性等典型事实后,应用该方法研究发现上证指数收益率的左右尾部均存在显著的厚尾风险,而深证综指仅表现出显著的左厚尾风险,其右尾风险与正态分布的尾部无显著差异。

摘要：近十年来,通过社交网络(如微博、推特)分享信息已经成为人们日常生活中不可缺少的一个环节,如何有效地预测信息传播的影响力成为社交网络研究中的重要课题,不论是识别病毒式营销和虚假新闻还是精确推荐和在线广告都有许多应用.目前,一些应用深度学习进行社交网络影响力预测的方法已经取得了一定进展,但在进行深度学习时仍会面临以下难点:用户通常具有不同的行为和兴趣并且他们同时通过不同的渠道进行互动;用户之间的关系难以检测和形式化表达.传统的社交网络影响力预测方法通过设计复杂的规则来手动提取用户及其所处网络的特征信息,这一方法的有效性严重依赖于设置规则的专业性,所以很难将某一领域的规则推广到其他领域的应用中去.基于深度神经网络模型,设计一种端到端的神经网络来学习用户的隐藏特征信息以预测其社交网络影响力.首先通过图嵌入的方式对用户的局部网络进行特征提取,然后将特征向量作为输入对图神经网络进行训练,从而对用户的社会表征进行预测.该方法的创新之处:运用图卷积和图关注方法,将社交网络中用户的特征属性和其所处局域网络特征相结合,大大提高了模型预测的精度.通过在推特、微博、开放知识图谱等数据集上的大量实验,证明该方法在不同类型的网络中都有较好的表现.

摘要：本文设计了买卖倾向模型,以成都某证券营业部所有投资者的买卖交易记录为样本,比较研究了牛熊市行情下股票推荐前后的走势及投资者的买卖倾向。股评建议分别来自于2000年、2003年《中国证券报》的相关栏目。主要结论有:首先,我国的股评家具有明显的“信息驱动型”特征,发布的股评建议及时性较差;其次,熊市行情下,股价在建议发布之后呈显著的下降趋势,所推荐的股票没有投资价值,牛市行情下股价没有显著变化;再次,股评对大户投资者的买卖倾向不具影响力;最后,2000年的小户投资者明显受到股评建议的影响,但2003年没有明显表现。结论部分结合我国股评行业的发展经历,提出了一些意见和建议。