股市是经济的晴雨表吗?--基于2005-2017年沪深300指数和采购经理人指数数据

本文采用去趋势交叉相关性分析(DCCA)、多重分形去趋势交叉相关性分析(MF-ADCCA)、基于时间延迟的DCCA算法,选取2005年4月至2017年6月沪深300指数和采购经理人指数数据,对中国股市与经济的相依性、非对称性及传导方向进行研究,并引进DCCA交叉相关系数进行国内外比较分析,结果表明总体来看,股市与经济的交叉相关具有持久性,说明股市与经济存在相互影响;股市与经济的交叉相关具有非对称性:股市收益率(经济增速变化量)呈上升趋势比下降趋势时的交叉相关更具有持久性,同时,二者走势存在背离现象,说明股市不是经济的晴雨表;二者之间传导方向是双向的,且相同时滞时,股市对经济的影响更大;与美、英两国比较,中国股市与经济的交叉相关程度最弱.上述结果为宏观经济预测和调控提供重要参考.     

投资者关注对中国黄金价格波动率的影响研究

黄金具有商品和货币的双重属性,是投资者进行资产保值及增值的重要手段.本文从行为金融理论出发,采用广义自回归条件异方差混频数据抽样模型(GARCH-MIDAS),探究百度指数和谷歌趋势对中国黄金价格波动率的预测能力.同时,引入了全球经济政策不确定性(GEPU)指数以及地缘政治风险(GPR)指数变量,检验对黄金波动的影响.进一步地,使用模型信度集(model confidence set,MCS)和方向检验(direction-of-change,DoC)两种评价方法检验各模型的样本外预测精度.实证结果表明,谷歌趋势能够显著大幅提升中国黄金价格波动率的预测精度,为准确预测我国黄金波动提供了新的视角,为稳定金融市场提供了可靠保证.     

中国经济、金融不确定性的交互影响动态与宏观经济效应分析

本文基于中国2002年-2018年间274维月度经济金融数据,通过改进不确定性相关测度方法,采用高维因子模型实现中国经济和金融不确定性的分离测度,并在利用非线性Granger因果关系检验和动态溢出指数方法考察其关联动态的基础上,进一步使用SV-TVP-FAVAR模型就二者对产出波动、价格波动的冲击动态进行计量检验和比较分析.研究发现:1)中国经济不确定性与金融不确定性均存在明显的阶段性波动特征,并且新常态时期以来金融不确定性水平明显大于经济不确定性;2)金融不确定性是引起经济不确定性的重要因素,而经济不确定性对金融不确定性的影响则相对较低,特别是中国经济步入新常态时期以来二者的交互影响主要表现为金融不确定性对经济不确定性的单向影响;3)经济和金融不确定性均是引起产出波动和价格波动的重要因素,但相比之下,金融不确定性冲击对经济波动和价格波动所产生的放大效应更大且表现出更为明显的滞后性和持续性.本文的研究从不确定性视角深入探究了现代经济与金融体系的交互影响机制,为强化预期管理、优化宏观政策调控提供了新的经验依据和有益的政策启示.     

金融创新与金融风险的复杂关联性特征

揭示金融创新与金融风险复杂交互作用和关联特征对推动金融创新发展、防范系统性金融风险具有重要的现实意义。通过构建金融创新与金融压力指数,从多重分形和时频双重视角出发,基于2015年1月5日至2021年4月30日的日度数据,分别采用DCCA、MF-ADCCA、基于时间延迟的DCCA算法、连续小波变换及小波相干算法分析金融创新与金融风险的复杂关联性特征。结果表明：金融创新与金融风险之间交互影响、双向传导,金融风险的积聚会诱发金融创新热潮,但金融风险回归低位却对金融创新的拉动作用较弱;此外,金融风险的长期波动最强,金融创新短期波动最为剧烈,且金融风险波动领先于金融创新,表明金融风险变动对金融创新走势具有一定的预示作用。     

基于门限向量误差修正模型的中国与国际有色金属期货价格关联性研究

利用两状态的门限向量误差修正模型(threshold vector error correction model, TVECM),研究了中国与国际有色金属期货价格在不同状态下的长期均衡关系与短期动态调整机制. 研究发现: 伦敦期货交易所(LME)与上海期货交易所(SHFE)的期铜、期铝之间存在着显著的门限协整关系; 中国与国际有色金属期货价格向长期均衡状态的调整力度是非对称的, 当SHFE3月期铜价格较高或LME3月期铝价格较高导致期货价格偏离均衡时, 误差矫正机制推动价格向均衡状态调整的力度较大. 中国与国际有色金属期货价格在不同状态的样本数量不同, 当LME3月期铜价格较高或SHFE3月期铝价格较高导致期货价格偏离均衡状态时的样本较多.     

基于跳跃、跳跃强度和机制转换的股票市场波动建模及其预测研究

将跳跃及其跳跃强度引入到异质自回归(heterogeneous autoregressive, HAR)模型中,并在此基础上进一步嵌入固定转移概率矩阵的马尔可夫状态转换机制模型,构建出系列新的波动预测模型.运用系列统计检验手段(如模型置信度检验、样本外R²检验、趋势检验)评估上述预测模型对中国股票市场波动的预测能力,样本外的实证结果表明:1)与基准模型相比,结合马尔可夫机制转换的模型具有更好的预测表现; 2)相比其他预测模型,包含跳跃、跳跃强度以及马尔可夫机制转换的模型(MS-HAR-TJI)具有更高的预测精度; 3)在新冠疫情爆发期以及高波动时期, MS-HAR-TJI模型对中国股票市场波动仍具有很强的预测能力.     

基于多任务相关学习的投资组合优化

在包含不确定性的投资组合策略研究中,对不同权重估计量进行加权能够对冲估计误差,从而取得更好的样本外效果.一般来说,这类策略的加权权重往往取决于一定的分布假设,在实际应用中具有比较大的局限性.为了改进这一点,本文使用多任务相关学习(multi-task relationship learning,MTRL)的算法框架,通过估计全局方差最小(global minimum variance,GMV)和均值-方差(mean-variance,MV)切点组合权重之间的相关性矩阵,对GMV和MV切点组合的权重进行了同步估计,从而实现了加权估计的类似效果.在实证检验方面,本文使用A股2000年至2019年的全样本日数据,构建了两个数据集:因子组合以及从沪深300指数成分股中随机抽取的个股组合.基于因子组合数据集的样本外结果,本文发现基于MTRL的MV切点策略(MTRL-MV)能够在夏普率,标准差和换手率上取得显著优于原MV切点组合策略,等权重以及其他几种加权策略的表现.最后,本文使用A股的因子组合子样本、随机抽样的个股组合以及美股因子组合共3个数据集进行了稳健性检验,结果表明MTRL-MV相对于基准策略MV具有比较显著的提升.     

面板数据的空间Hausman检验

在空间相关性存在的情形下,经典Hausman检验不再有效。以面板数据空间误差分量(Spatial ErrorComponents,SEC)模型为例,提出面板数据的空间Hausman检验,并通过Monte Carlo模拟实验比较空间Hausman检验与经典Hausman检验的有限样本性质。研究结果表明,空间Hausman检验具有较小的水平扭曲和良好的检验功效,空间权重矩阵的选取将影响检验的有限样本性质,增大样本量使得检验更为有效;经典Hausman检验虽然检验功效较大,但存在较大的水平扭曲,不适用于空间相关性存在的个体效应判定。     

我国互联网金融股票的内在价值被高估了吗?——基于A股市场互联网金融股票的实证分析

通过比较与经典剩余收益模型F-O模型一脉相承的Frankel-Lee模型(1998)和Kim等模型(2013),对22支互联网金融股票有效样本的内在价值进行计算,经过配对样本T检验与Wilcoxon秩和检验,选择凸显行业特征并对股价解释相对准确的Kim等模型来计算我国互联网金融股票的内在价值。通过研究在2017年上证综指不同点位下互联网金融股票的价格泡沫,发现互联网金融股票价格泡沫整体平均水平为负泡沫,有近一半股票的内在价值被低估,进而分析互联网金融股票内在价值被低估的原因,并针对如何提振投资者信心提出对策。     

系统性金融风险指标的比较分析——基于实体经济风险预测的视角

本文归纳总结了常见的四大类系统性金融风险指标，从实体经济风险预测的视角，使用分位数回归模型和自助式（Bootstrap）分位数t检验方法，结合样本外分位数拟合优度，以"是否对未来实体经济风险具有放大效应"和"是否对实体经济风险具有预测能力"两个方面对上述指标进行了比较分析.研究结果发现：首先，反映机构个体风险，波动性和不稳定性，以及流动性和信贷情况的指标均对未来实体经济下行风险具有放大效应，即系统性金融风险的升高会显著增加未来实体经济的下行风险；其次，在短期，反映机构个体风险和流动性的指标能够很好地预测未来实体经济风险，而代表金融市场波动率水平的指标则在中期和长期有着较好的预测效果.最后，结合中国具体国情，本文也对进一步完善我国宏观经济风险防范体系提出了若干建议.     

中国股票市场的非对称反应

采用门限随机波动率(THSV)模型,从实证的角度分析中国股票市场对利好消息和利空消息的非对称反应。为了估计THSV模型的参数,提出基于有效重要性抽样(EIS)技巧的极大似然(ML)估计方法。采用上证综合指数和深证成份指数的日收益数据为样本进行的实证研究表明,利好消息和利空消息对中国股票市场的影响具有非对称性。具体而言,与利好消息相比,同等程度的利空消息引起中国股票市场更高的波动率以及波动率持续性,这说明中国股票市场对利空消息的反应程度要大于对利好消息的反应程度。     

基于多分类器动态集成的电信客户流失预测

本文提出了一种新的基于多分类器动态选择与优化集成的电信客户流失预测集成模型.首先使用K均值聚类算法对训练集样本进行分区;然后分别使用Naive-Bayes算法、多层感知机算法和J48算法构建各分区客户流失预测子分类器;最后对各分区子分类器进行线性集成,并使用人工蜂群算法优化其集成权重.当测试样本由聚类算法判断出其归属区域后,再分别使用分区子分类器进行预测,最后使用优化权重进行线性集成.实验结果表明:动态集成模型优于单模型;基于人工蜂群算法优化集成模型优于其它集成模型.     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

新的空间权重矩阵及其在中国省域对外贸易中的应用

采用空间计量经济学的方法,研究我国31个省市1997--2006年间对外贸易的空间关系．提出了一种新的经济空间权重矩阵——基于区域变量协动程度的协动空间权重矩阵(Co-Movementspatial weight matrix)．并分别采用简单地理空间权重矩阵和协动空间权重矩阵对31个省市间的空间关系进行了检验,说明我国各省市间存在空间相关关系.基于这两种空间权重矩阵及31个省市的数据,分别构造得到影响各个省市的空间滞后项, 将其引入到误差修正模型中,对31个省市的出口数据进行了预测, 并以有代表性的三个省市:广东、北京、湖南说明模型预测效果. 结果表明: 在一些省市的预测中,引入空间关系十分必要, 并且能够显著的提高模型的预测精度.     

结合交并比损失的孪生网络目标跟踪算法研究

SiamRPN算法采用Ln范数损失训练边界框预测，未考虑预测框与真值框间交并比(inersection over union, IoU)的关系，导致准确性不足。针对该问题，提出一种结合IoU损失的SiamRPN目标跟踪改进算法。设计了IoU-smooth L1范数联合优化模块，对候选正样本进行IoU损失与smooth L₁范数损失的联合优化；依据回归预测结果，用预测框与真值框的IoU作为权重对正样本进行加权分类预测，增加正样本间的区分度，同时确保分类预测与回归预测的关联性。对比实验结果表明：本文所提改进算法能有效提升跟踪性能。     

基于GA-ANN的中国金融安全预警系统设计及实证分析

国家金融体系的安全运行关系到经济社会的稳定,建立有效的金融安全预警系统已成为各界十分关注的焦点.基于现有文献,在金融安全预警指标体系中补充影子银行相关指标,以保证高杠杆、高流动性风险的经济参数参与建模,使得金融安全预警指标体系更加完整;运用因子分析计算七个金融子系统及整体金融系统安全得分,基于遗传算法优化的人工神经网络(genetic algorithm-artificial neural network,GA-ANN)建立中国金融安全预警系统,观察金融系统运行是否平稳、金融安全得分是否出现剧烈波动或异常值,以此判断国家金融状况是否安全,并对2013年我国金融安全状况进行预测.其中,GA-ANN网络较径向基神经网络、反向传播神经网络和广义回归神经网络,具有更好的拟合精度.预测结果显示2013年下半年我国金融系统总体运行安全,但在影子银行、股市和保险子系统存在一定的不安全因素.研究成果为政策制定者和广大投资者对国家宏观金融安全预判提供了参考依据.     

基于GMDH-PSO-LSSVM的国际碳市场价格预测

针对国际碳市场价格预测LSSVM建模输入节点和模型参数难以确定的问题, 建立了基于数据分组处理方法(GMDH)-粒子群算法(PSO)-最小二乘支持向量机(LSSVM)的国际碳市场价格预测模型. 首先利用GMDH算法获得LSSVM建模中的输入变量; 其次应用PSO算法对LSSVM建模中的参数进行优化, 进而使用训练好的LSSVM模型对测试样本进行预测; 最后采用该模型对欧盟排放交易体系(EU ETS)两个不同到期时间的碳期货价格(DEC 10和DEC 12)进行实证分析, 取得了令人满意的效果.     

中国股市的日内效应、长记忆性及多重分形性:基于价-量交叉相关性视角

与以往仅针对价格或交易量某单一序列的实证研究不同,从价-量交叉相关性视角,以金融危机期间中国股市每1分钟高频数据为研究对象,对其日内效应、长记忆性及多重分形性等异象性特征进行了研究。首先,对我国股市的日内效应进行了检验,发现该日内效应表现为"U"型形式。进一步,运用DFA和DCCA方法,研究了中国股市价格和成交量序列的长记忆性及交叉相关性特征。最后,运用MF-DFA和MF-DCCA方法对中国股市价格及交易量序列进行了多重分形分析和多重分形交叉相关分析。上述研究结果表明,中国股市价格序列与交易量序列不但自身具有显著的长记忆性及多重分形特征,且股市价-量关系之间也存在着显著的长记忆性和多重分形特征,即金融市场的价格变动不但受价格变动本身的影响,还会受到交易量变动的影响。这说明,对股市行为的分析应将价、量作为一个有机整体来全面考虑,而不是进行单独量化。     

为清洁空气买单?空气质量对我国房地产价格的影响研究

自2013年中国国家环境保护部开始检测PM2.5指数以来,空气质量对国民经济的影响日益受到重视.雾霾现象已经蔓延到全国各地,其是否会影响房地产价格?本研究基于我国280个地级市2002-2016年的数据,运用空间计量模型实证检验了空气质量对房地产价格的影响,并分别从不同时期及不同区域层面进行了异质性分析.研究得出,房价和PM2.5浓度在全国的分布存在空间聚集效应.从全国范围看,空气质量会对房价产生负向作用,PM2.5浓度每上升1个单位,造成房价下降0.37%.不同时间阶段空气质量都对房价存在影响,但在宏观调控加强时,空气质量的影响效果会被削弱.从区域层面看,经济发展水平的差异会影响空气质量对房价的作用效果,经济越发达的地区空气质量对房价的影响越强.     

基于网络搜索的票房预测模型——来自中国电影市场的证据

建立了一个将网络搜索与电影票房联系起来的模型, 考察了影片上映前后消费者网络搜索的动态变化及其在电影票房预测中的作用. 文章就中国电影产业对该模型进行了实证检验. 结果显示, 影片网络搜索量以及增长趋势都能预测该影片的首映周票房. 对于后续周票房, 动态联立方程模型的估计结果表明, 网络搜索既是电影票房的先行信号, 也是电影票房的后向结果. 样本外分析表明, 整合了网络搜索的模型能够提高预测的准确性.