یو سی دیویس

به عنوان دومین اقتصاد بزرگ جهان، اقتصاد چین در سال های اخیر به سرعت توسعه یافته است و بازار سهام چین به عنوان یکی از معرف ترین و مهم ترین بازارها به سرعت توسعه یافته است. ارزش کل بازار آن از 4. 03 تریلیون دلار آمریکا در سال 2010 به 8. 52 تریلیون دلار در سال 2019 افزایش یافته است. این یک کانال سرمایه گذاری مهم برای سرمایه گذاران فردی در سمت عرضه است. همچنین فرصت های تامین مالی را برای شرکت های طرف تقاضا فراهم می کند. رشد سریع بسیاری از مشکلات سیستمی را به همراه داشته است که نیاز به حل فوری دارند، مانند مقررات ناقص و تجارت آگاهانه. با توجه به این ویژگی ها، من بازار سهام چین را به عنوان موضوع تحقیق و مطالعه عمیق انتخاب می کنم. فصل اول به بررسی مشکل معاملات آگاهانه در بازار A-Share چین می پردازد. این افت غیرعادی بازده سهام در روز اعلام برای شرکت های فهرست شده در تابلوی A در بازار سهام چین را بررسی می کند. این نشان می دهد که شرکت هایی که کاهش شدید سرقفلی غیرمنطقی را گزارش کرده اند، قبل از روز اعلام، کاهش قابل توجهی را تجربه کرده اند و بازگشت های غیرعادی آنها به طور متوسط پس از روز اعلام، قوی تر است. جهش منفی قابل توجهی در بازده سهام در روز اعلام برای این شرکت های غیرعادی وجود دارد، در حالی که جهش سایر شرکت ها معنی دار نیست. تفاوت در مدل تفاوت در روزهای مختلف حاکی از آن است که دلایل خارجی مانند تجارت آگاهانه عامل غالب تعیین کننده کاهش بازده غیرعادی شرکت های غیرعادی قبل از روز اعلام نیست. در عوض، تفاوت داخلی بین شرکت ها نقش مهم تری در فاجعه سهام ایفا می کند.

فصل دوم با استفاده از مدل های شبکه عصبی ، به پتانسیل سود شاخص های سهام چین می پردازد. در این فصل از یک رویکرد شبکه عصبی برای پیش بینی بازده سهام چین از بورس سهام شانگهای (SSE) و بورس اوراق بهادار شنژن (SZSE) استفاده شده است. این مدل ARIMA ، مدل ادراک لایه چند لایه (MLP) و مدل شبکه عصبی مکرر (RNN) را از نظر میانگین خطای مربع و دقت پیش بینی برای مطالعه ارزش افزوده بهبود از معماری مدل مقایسه می کند. به نظر می رسد که مدل های MLP و RNN در صورت استفاده از اطلاعات تاریخی از قیمت سهام به تنهایی نتوانستند پیش بینی قابل توجهی بهتر از مدل های ARIMA ارائه دهند. در این مقاله همچنین از یک استراتژی معاملاتی کمی استاندارد استفاده می کند تا ارزش پیش بینی های این سه مدل را پشت سر بگذارد. در این مقاله نشان می دهد که مدل ARIMA شاخص کامپوزیت SSE را به خوبی پیش بینی می کند ، در حالی که مدل RNN در پیش بینی شاخص صنعتی و شاخص کامپوزیت بهترین است. بسیاری از بازده های سالانه استراتژی از بازده شاخص سهام معیار در بازار خرس از سال 2017 تا 2020 فراتر رفته است ، که به سرمایه گذاران انتخاب بهتری در معاملات سهام خود ارائه می دهد.

در حالی که دو فصل اول من به بازار سهام چین متمرکز است ، بخش سوم من از پایان نامه بازار گزینه های ایالات متحده را مطالعه می کند. چین هنوز یک سیستم معاملاتی گزینه های توسعه یافته مانند ایالات متحده ایجاد نکرده است و بازار گزینه ها یک مکمل ضروری از یک بازار سهام کامل است. در واقع ، معاملات گزینه های چین برای شاخص های سهام در سال 2019 آغاز شده است. به عنوان اولین محصول گزینه های شاخص سهام در بازار داخلی چین ، گزینه های شاخص سهام CSI 300 در تاریخ 23 دسامبر 2019 در بورس آینده مالی چین ذکر و معامله شد. با توجه به واقعیت ، فصل3 ، کار مشترک با همکار من Yitian Xiao ، بازار گزینه های ایالات متحده را مطالعه کنید. به خوبی شناخته شده است که بازار گزینه ها معامله گران را قادر می سازد تا موقعیت های خود را در بازارهای دارایی محافظت کنند و از این طریق قرار گرفتن در معرض خطر را کاهش می دهند. معامله گران می توانند از بین بسیاری از قیمت های اعتصاب مختلف - مشابه با سطح پوشش در یک قرارداد بیمه - هنگام محافظت ، انتخاب کنند. در فصل 3 ، ما استدلال می کنیم که انگیزه محافظت از یک پرچین معمولی باعث می شود تا مواضع را کمی از پول خارج کند ، یعنی دقیقاً زیر ارزش فعلی دارایی. ما یک مدل نظری ساده تهیه می کنیم و پیش بینی های آن را با استفاده از داده های S تأیید می کنیم

آمپر ؛ P 500 گزینه ها. به طور خاص ، ما نشان می دهیم که حجم معاملات از موقعیت طبیعی Hedgers پیروی می کند. نتایج ما حاکی از آن است که پرچین برای ارزش بازارهای گزینه ها اساسی است زیرا تجارت از پرچین ها پیروی می کند. علاوه بر این ، ما به صورت تجربی نشان می دهیم که انگیزه قمار می تواند یک مکمل خوب برای توضیح حقایق تلطیف شده ما باشد.