地产泡沫预警模型及实证分析

在短视的理性预期均衡(myopic REE)理论框架下,引入“负红利”的概念,证明土地价格在实际贴现率下是一个贴现鞅.利用1986年-1990年日本8个督道府剔除通货膨胀率之后的地价数据建立了一个地产泡沫预警模型,并对中国16个重点城市2003年和2004年地产市场的泡沫情况进行了实证分析.实证结果表明:2004年杭州、上海和沈阳存在着严重的地产泡沫;成都和重庆等地的地产市场有过热的迹象.地产泡沫预警模型对于防范地产泡沫的发生,促进中国房地产市场的健康发展具有重要意义.     

房地产泡沫检验的Switching AR模型

为检验理性泡沫，在放宽Norden的switching regression模型假设的基础上，提出了更为有效的switching autoregressive（AR）模型，并给出模型参数的估计方法以及泡沫检验方法. 运用2001年初到2011年末我国直辖市的房价数据构建该模型，实证分析表明：该模型比switching regression更有效；北京和上海的房价泡沫显著，天津和重庆的房价泡沫不明显；泡沫处于生 存状态的概率走势图表明，政府出台的房地产调控政策将北京的房价泡沫 挤出，但上海的泡沫未受影响. 此外，提出的switching AR模型也可用于检验其他资产价格中的regime switching泡沫.     

评估Value-at-Risk模型——条件矩检验方法

提出一种基于条件矩检验的Value-at-Risk （VaR）模型评估方法. 其基本思想是如果VaR模型无设定误差，则观察到的“突破”事件是鞅过程.因此可以通过检验“突破”事件是否为鞅对VaR模型进行设定检验. 采用条件矩检验方法对风险管理行业普遍使用的八种VaR 模型进行回测检验，作者发现条件历史模拟法表现最好，通过了各种检验，而无条件正态分布VaR模型表现最差，没有通过任何一种检验. 在风险管理实务中，作者推荐使用条件历史模拟法度量和管理金融风险.     

中国股票市场的弱式有效性检验:基于单位根方法

中国股票市场是否达到弱式有效一直是理论界讨论的重要课题，具有重要的理论价值和实战意义。由于股价指数时间序列的单位根检验能够满足鞅假定的要求，故较之随机游走检验对股票市场弱式有效性的验证更具合理性。本文采用单位根方法对中固股市开市以来的数据进行了有效性检验，并运用游程检验对之进行分年度检验，其结果除上海综合指数外，其他的指数都通过了检验，呈现出弱式有效．     

泡沫随机临界时点超指数膨胀模型:中国股市泡沫的检测与识别

传统的泡沫模型都是假设泡沫是指数膨胀的, 无法显著地将泡沫和同样是指数增长的基本面引起的高速价格增长区分开来, 使得泡沫检验的有效性遭到置疑. 泡沫超指数膨胀模型可以克服这一缺陷, 它认为泡沫是一种本质上快于指数增长的更快膨胀, 具有一个理论上的有限时间终结点. 引入了最新的一类超指数膨胀模型——均值回复平稳随机临界时点模型. 它将泡沫的检验和识别转化为1)检测"非线性非平稳的股价序列是否潜含均值回复的平稳临界时点序列"; 2)估计正反馈效应指数和潜在临界时点. 利用它对中国股市2005年中期至2007年后期的投机泡沫实证分析表明, 该模型能够有效的检验中国股市泡沫的存在性, 并能识别29个行业板块间泡沫的膨胀强度和稳定性大小. 同时, 模型对于中国股市的泡沫破灭也有良好的预警效果. 最后分析了模型的政策含义.     

评估Value-at-Risk模型——条件矩检验方法

提出一种基于条件矩检验的Value-at-Risk(VaR)模型评估方法.其基本思想是如果VaR模型无设定误差,则观察到的"突破"事件是鞅过程.因此可以通过检验"突破"事件是否为鞅对VaR模型进行设定检验.采用条件矩检验方法对风险管理行业普遍使用的八种VaR模型进行回测检验,作者发现条件历史模拟法表现最好,通过了各种检验,而无条件正态分布VaR模型表现最差,没有通过任何一种检验.在风险管理实务中,作者推荐使用条件历史模拟法度量和管理金融风险.     

股价泡沫的逆CIR模型研究EI北大核心CSCDCSSCI

按照股价泡沫的定义,泡沫识别的本质是一个联合检验问题,面临着二难逻辑困境.不少学者因此尝试绕开泡沫定义,通过假设投机的行为特征来直接提出对应的泡沫价格随机过程模型,然后围绕这些模型的统计性质来创建识别方法.然而,目前的随机过程模型对泡沫形态的限制性较强,忽略了很多的泡沫形态,导致泡沫识别的灵敏度不高.另外,大部分模型缺乏对泡沫崩溃风险率的动态建模,使得对泡沫的实时预警缺乏理论支持.为了克服传统模型的这些不足,本文提出了一个新的股价泡沫模型.由于该模型的解服从倒数化的Cox-Ingersoll-Ross(CIR)过程,简称为逆CIR泡沫模型.该模型经济学意义明确且形式简约,便于估计.本文证明,该模型兼容传统泡沫模型的非线性风险溢价和价格暂态超指数膨胀特征.同时还证明,逆CIR模型能够解释传统模型所无法解释的泡沫实证效应——泡沫崩溃前的1)"暴雨前寂静"现象;2)"高位滞涨"现象.另外,此模型包含内生且具有明确经济意义的泡沫崩溃风险率,可作为实时预警指标.本文给出了崩溃风险率的计算方法——求解高斯超几何函数方程.对我国股市2015年泡沫崩溃的风险率实证估计表明,该模型具有良好的识别和预警效果.     

中国股市泡沫与债市泡沫之间的时频联动性研究

首先基于倒向上确界ADF泡沫检验方法(BSADF)来对中国沪、深股市和债券市场2000~2015年的泡沫程度进行动态监测,进而采用极大重叠离散小波变换方法(MODWT)分析股市泡沫与债市泡沫之间的时频联动性。研究结果表明:在整个时期内,沪、深股市和债券市场均出现了多次泡沫,比较严重的股市泡沫和债市泡沫分别集中在2007年和2008年;短期和长期上,股市泡沫与债市泡沫之间存在正向联动性,说明两者具有相互促进的关系;而中期上,股市泡沫与债市泡沫之间存在负向联动性,具有此消彼长的关系;相比之下,两者在长期上的正向联动性最为显著。     

房地产泡沫形成机制的系统动力学分析

在对房地产泡沫进行理论分析的基础上,根据系统动力学思想构建了房地产市场动态模型,并结合模型说明房地产投机性需求具有自我实现的特性,能够放大市场正常波动,特别是在市场存在需求缺口时会导致价格大幅上涨,从而形成了房地产市场泡沫。房地产供给方面存在的开工和建设延迟,以及销售延迟也是泡沫产生的客观原因。模型仿真中还发现,对市场冲击的正确认识和恰当的利率政策能有效抑制泡沫,反之则可能触发和加剧危机。     

中国股市风格资产泡沫测度及其政策响应研究

基于动态单位根检验视角,采用倒向上确界ADF泡沫检验方法(BSADF)来刻画中国股市中六种风格资产(大盘股、小盘股、高市盈率股、低市盈率股、高市净率股和低市净率股)在2000～2017年的泡沫程度及其走势;在此基础上,全面分析各风格资产泡沫对我国近18年来的股市监管政策及货币政策的响应特征。研究结果表明:各风格资产均在研究时期内出现多次泡沫,比较严重的泡沫均集中在2007年,最长的泡沫周期达到17个月。2008年金融危机加速了我国股市泡沫的破灭进程。近18年来,我国股市的大部分改革措施(B股对内地居民开放、实施QFII、调整印花税、启动股权分置改革、实施QDII、实施"沪港通")均加剧了股市各风格资产泡沫程度,但引入做空机制(推出股指期货和融资融券业务)能显著抑制我国股市泡沫程度。相比控制广义货币M2增速,提高银行短期贷款基准利率和金融机构存款准备金率对我国股市各风格资产泡沫更具有显著的抑制作用。这些研究结论在为监管层及时识别中国股市泡沫的内部分布结构差异、评价监管措施效果、及时出台差异化的股市泡沫防范措施等方面提供了有益的借鉴。     

The Spatial Statistics Analysis of Housing Market Bubbles

With the incorporation of spatial statistic method, this paper constructs a state-space model of housing market bubbles, discussing the spatial pattern of housing market bubbles in China,and identifying the dynamic evolution process. The results show that: The bubbles of housing market walked along a path from low level to high level and then downsized to a low level during the period of 2009 and 2014, and the highest level stayed at 2011. From overall, the level of housing market bubbles had shown significant spatial autocorrelation and spatial agglomeration. In detail, the direction of North-South in China showed the inverted U shape, i.e., Central region was with high bubbles, and two ends contained low bubbles; from East-West direction, the East had high bubbles and the West contained comparatively low bubbles. Local spatial test indicates that there were some approximate spatial features in housing market bubbles among the adjacent regions. Observed from the level of housing market bubbles, China contained 3 plates: The first was the plate with low bubble level,including 3 provinces in North-East China(provinces of Jilin, Heilongjiang and Liaoning were included,but Dalian in Liaoning province was excluded; the second was the Central and West plate(the provinces of Yunnan, Guizhou, Sichuan, Guangdong, Guangxi, Hunan, Hubei, Gansu, Fujian, Jiangxi and Hainan were included in this plate), which was also featured with low bubble; and the third was Central East plate(provinces or provincial regions of Beijing, Tianjin, Hebei, Jiangsu, Zhejiang, Shanghai, Shandong,Anhui, Shanxi, Shaanxi and Inner Mongolia were included), which was characterized as high bubble region.     

有效证券市场的理性泡沫与股票内在价值的信息滤波

对有效证券市场上理性泡沫的产生条件、度量方法和形成原因进行了分析;并对我国股市的泡沫进行了相应的实证分析.在上述研究的基础上,探讨了与度量股市泡沫相反的问题,即如何从股票价格的波动中滤去泡沫从而识别出股票内在价值的信息.用Kalman滤波方法对股票内在价值进行信息滤波与预测.     

住房市场泡沫识别的超指数膨胀模型——以京沪各区县房价为例

近年来我国房价不断攀升,京沪房屋平均销售价格始终位居全国前两位,目前京沪房价仍处于上升通道,人们愈加关心京沪房地产市场是否存在泡沫.基于京沪各区县二手房交易价的周均价数据,本文构建了房价泡沫检测与识别的均值回复随机平稳终结模型,并估计了房价泡沫的膨胀强度和泡沫破灭的临界时距.利用它对京沪区县2007年12月至2015年10月的投机泡沫实证分析表明,该模型能够有效地检验京沪区县住房市场泡沫的存在性,识别29个区县泡沫膨胀强度和积累的稳定性大小,模型对于房价下跌有很好的预警效果.最后,本文利用该模型的实证结果指出,当前京沪各区县的房地产市场存在不同程度的投机泡沫.     

股指期货操纵预警的Logistic模型实证研究

通过建立Logistic回归模型判别股指期货被操纵的可能性,将股指期货是否被操纵的问题转化为根据一定时期内股指期货市场的波动性以及流动性指标计算股指期货在一定时间内被操纵的概率,建立了股指期货操纵事件的预警模型.选取香港恒生指数期货操纵时段和对应的非操纵时段,进行了预警模型的实证检验,证明了该模型可以对股指期货操纵事件起到较好的预警作用.研究发现,在股指期货市场中,操纵期与非操纵期的交易量和空盘量显著不同,而反映市场波动性的收益率指标的变化并不显著,对操纵行为是否发生可以使用空盘量和交易量构建模型进行判别.Logistic模型可以很好的识别股指期货市场上的操纵行为,在进入操纵期以后,根据模型计算出的操纵事件的发生概率发生了显著的变化.     

房地产景气预警中DI的改进及与CI的精度比较研究

在运用景气指数法预警、计算扩散指数 DI和合成指数 CI时 ,往往存在警度不一致并导致警情失真等弊端 ,直接影响到景气评价的科学性 .在对传统 DI计算方法进行合理改进的基础上 ,引入精度比较的概念 ,选择精度更高的指数来进行景气评价 ,有效地消除了两指数 (DI与 CI )间的矛盾冲突.     

中国股市泡沫的三区制特征识别

本文使用一个三区制转换模型识别中国股市泡沫的非线性特征,刻画其动态演进过程,并探讨了异常交易量和超常收益率对三区制转换的解释作用.我们发现, 上证综指泡沫的变化可以明确划分为潜伏、膨胀和破灭三种区制,异常交易量和超常收益率对于泡沫的区制转换有很好的解释作用,样本内和样本外预测都取得了较好的效果.     

OFDM系统中基于盲检测的低复杂度分块SLM算法

为了降低正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中传统选择性映射(conventional selected mapping, CSLM)算法的计算复杂度,提高系统的频谱利用效率,提出了一种基于盲检测的低复杂度分块选择性映射(block selected mapping, BSLM)算法,发送端利用逆快速傅里叶反变换(inverse fast fourier transform,IFFT）性质仅需少量低维IFFT运算即可获得较多的备选序列,接收端采用低复杂度的盲检测方式。仿真分析了所提算法的峰均功率比(peak to average power ratio, PAPR)、立方度量(cubic metric, CM)和误比特率(bit error rate, BER)性能。结果表明,所提算法不仅明显降低了计算复杂度,而且有效抑制了OFDM信号的PAPR和CM,获得与已知边带信息的CSLM算法相近的BER性能。     

基于GD-FNN的股票市场泡沫模型

针对股票市场内部结构复杂性和外部因素多变性, 构建一种基于预测的股票市场泡沫模型. 以上证指数为研究对象, 在价格和成交量的基础上, 将与股票市场密切相关的宏观经济指标引入泡沫模型指标体系, 并对指标体系中各变量之间长期均衡关系和因果关系进行数量分析. 在此指标体系下, 构建向量自回归模型(VAR)模型衡量股票市场基础价值, 并据此分析宏观经济指标对市场的影响; 同时构建基于椭圆基函数且能够动态调整网络结构的广义动态模糊神经网络模型(GD-FNN)对上证指数进行拟合预测作为股票市场的市场价值, 并通过GD-FNN模型提取的模糊规则对股票非线性系统运行模式进行分析. 最后, 根据预测的股票市场市场价值与基础价值之间的偏差计算泡沫度, 并提出相应的预警策略.