基于时变模型平均方法的我国航空客运量预测

机场扩建、政策导向、经济发展等外在因素的变化常常导致航空客运量数据发生结构性改变,其模型的设定也在很大程度上存在不确定性,因此,精准而稳定地预测航空客运量变得十分困难.为了解决以上问题,本文采用了一种时变模型平均方法(TVJMA)(Sun等,2020,2012)对全国Top 5机场的客运量进行了预测研究,该方法在模型平均时基于最小化局部Jackknife准则给出了最优的权重选择,并通过非参数估计,实现了最优权重随时间变化.实证结果表明,本文所采用的TVJMA方法显著优于其它基准模型,包括Hansen和Racine (2012)的Jackknife模型平均(JMA)以及自回归模型(AR),单整自回归移动平均模型(ARIMA),季节性单整自回归移动平均模型(SARIMA)和时变参数模型(TVP)等传统方法.进一步,对不同的预测步长,TVJMA在航空客运量的预测效果同样具有稳健性.因此,TVJMA方法可以有效地降低由于航空客运量的结构性变化和预测模型不确定性等导致的预测风险,进而做出精准而稳定的客运量预测.     

我国航空客运量需求预测模型:基于随机前沿预测模型和模型平均

针对多数研究以产品或服务的历史消费量来代替不可观测的需求量而导致的需求预测出现实质性偏差的问题，本文将包含技术无效率项的随机前沿预测模型应用于航空客运量需求的预测，从而有效解决实质性偏差的问题.同时我们在此基础上引入一种模型平均权重确定方法，即通过最小化M折交叉验证准则（CV_M）确定候选模型权重.本文证明了该方法在理论上的最优性.由于模型中技术无效项的存在，我们可以同时预测航空客运量的实际产生量和需求量，实证研究也表明，相比其他常用的预测方法，该方法在预测航空客运量中长期的实际产生量上更具优势.     

基于元分析的移动医疗持续使用意愿影响因素

基于30篇中外文献，以信息系统持续使用模型（ECM-IS）为基础，构建了包含个体感知因素与个体特征的综合研究框架。同时，采用元分析方法，探讨了用户持续使用意愿影响因素并分析了国家经济发展水平的调节效应。结果表明：信息系统持续使用模型各变量关系在移动医疗服务领域解释用户持续使用意图方面均得到了验证；个体感知因素与个人特征因素对用户满意度及持续使用意愿均有正向影响；除感知有用性与满意度、感知服务质量与满意度的关系而外，国家经济发展水平均显著调节模型中相关变量关系。所得结论一方面可以为后续研究提供理论参考，另一方面可以协助移动医疗服务提供商进一步了解用户行为，增强用户粘性，促进移动医疗服务持续发展。     

利率期限结构与宏观经济的区制依赖关联机制——基于宏观-金融MSV-DRA模型建模及实证

将马尔科夫区制转移变量引入经典的DRA模型,构建并采用Kim滤波求解MSV-DRA模型,从宏观经济状态转变的视角研究中国银行间国债利率期限结构与宏观经济非线性动态关联的区制依赖特征得到:首先,模型拟合和区制依赖检验结果表明两区制MSV-DRA模型比单一区制DRA模型更适合描述收益率曲线与宏观经济的非线性关联性;第二,脉冲响应分析显示宏观-金融变量之间的冲击在不同区制下有较大区别,方差分解结果表明宏观经济因素在高波动区制下对收益率预测方差的解释比重高于在低波动区制下的解释比重,反映宏观变量和区制状态都是收益率预测的必要考虑因素。第三,通过Logit模型和泰勒规则对模型区制进行识别,发现其可以被分别理解为货币政策的宽松和紧缩状态,因此利率期限结构与宏观经济的动态关联表现出明显的货币政策状态依赖特征。     

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

及时性自适应高维经济基本面建模与汇率预测分析

在人民币国际化不断推进,人民币汇率双向波动加强的背景下,构建具有优良预测能力的汇率预测模型愈发重要.参数模型对汇率预测的能力不仅取决于模型设定是否正确,还取决于模型能够同时:一方面能否迅速探测模型参数的结构性变化以使用最佳信息估计模型参数,另一方面能否及时识别模型解释变量以使用最佳解释变量对汇率进行预测.本文构建了自适应变元算法.该算法不仅能实时检测模型参数的结构性变化,探测参数的最大化同质区间,同时还能对变量进行及时识别以选择最佳模型解释变量,提高模型的预测能力.在样本外向前3至24个月的汇率预测中,自适应变元算法能显著超越随机游走,马尔可夫机制转换模型,误差修正模型,实时最优窗算法,多元自适应可变窗算法与其他经济基本面模型包括:弹性货币模型,购买力平价模型,利率平价模型,泰勒规则模型,偏移泰勒规则模型.变量选择结果显示,自"811"汇改以后,经济基本面因素决定了人民币汇率走势.中国与其他发达经济体包括欧元区,英国与日本的经济基本面同样能够决定美元兑人民币汇率走向.另外,自"811"汇改之后,人民币汇率预期相比于"811"汇改之前更易受到外部冲击的影响,合理的人民币汇率预期监管依然需要依赖于实行有管理的浮动汇率制度,防止汇率风险.     

股票非预期收益定价的三因素模型研究——基于中国股票市场的检验

本文建立了股票非预期收益三因素定价模型,三因素包括：当期非预期会计收益与期初股票价格之比（反映价值相关性^[1]）,分析师盈余预测修正变量（反映会计收益增长预期）,以及市场非预期收益（URM）变量. 在此基础上,本文建立了多变量回归模型,并采用2002年1月至2011年3月间中国股票市场的有关交易数据、机构收益预测数据和财务数据,来检验理论模型和实证模型的预测,发现：1）三因素模型框架可以精确地解释股票非预期收益,模型的截距项接近于零,调整R² 为52%;2）非预期市场收益（URM）吸收了账面市值比对股票非预期收益的解释能力;3）存在证券分析师偏向乐观的盈余预测,并且,基于证券分析师盈余的当期盈余预测修正变量对股票非预期收益具有显著的解释能力.     

灰色MGM(1,m,N)模型的构建及其在雾霾预测中的应用

针对传统MGM(1,m)模型和GM(1,N)模型均未能反映多个系统行为变量在多个因素变量影响下的模拟预测问题,本文根据两个模型各自特点对传统MGM(1,m)模型和GM(1,N)模型进行拓展,构建了灰色MGM(1,m,N)模型.研究该模型的建模机理及过程,并解决在多个因素变量的影响下多个系统行为变量的模拟预测问题.最后,将三种模型应用于雾霾的模拟预测中,结果表明,MGM(1,m,N)模型预测精度高于传统的MGM(1,m)模型和GM(1,N)模型,这主要是由于该模型能够较好地描述和反映多个系统行为变量受多个因素变量的影响.     

基于TEI@I方法论的通货膨胀问题分析与预测

基于TEI@I方法论提出了通货膨胀预测的研究框架.首先对通货膨胀的相关影响因素进行了分析,然后建立了因子预测模型、ARIMA模型、向量自回归模型以及马尔可夫状态转移模型,并分别进行了预测.然后采用Boostrap方法进行了集成,得到了每种预测方法的权重,并利用载止2007年12月的数据对2008年的月度通货膨胀率进行了集成预测,实证结果表明新的集成方法使预测结果更为稳定.     

新型城镇化、产业结构升级与中国经济增长——基于空间溢出及门槛效应的实证研究

基于我国30个省级单位的相关数据,利用熵值法和Moore结构变化值,分别对新型城镇化水平和产业结构高级化水平进行测度,通过计算全局Moran'sⅠ指数,分析了中国经济增长存在的空间依赖特征,在此基础上,引入控制变量建立空间面板计量模型、空间效应分解模型和面板门槛模型,实证分析了新型城镇化和产业结构升级的经济增长效应.研究显示:新型城镇化通过发挥其"选择效应",优化产业结构,提高社会生产率,有效推动中国经济的增长;中国产业结构处于调整期,产业结构升级导致中国经济发展出现"结构性减速"现象,但其经济增长效应仍显著;"产城协同"显著促进了中国经济增长,产城联动对于缓解中国经济增速放缓而带来的"结构性减速"和"三重压力"等问题具有重要现实意义;新型城镇化与产业结构升级的经济增长效应因产城关系的时期性不匹配而存在"门槛效应".     

债市信息下的股票收益预测——基于Bootstrap小样本检验分析

利用债市信息构建水平型、斜率型和曲度型三类股票收益预测变量,并通过Bootstrap进行小样本偏差检验分析,从而探究中国股票市场收益的可预测性。研究发现中国股票市场收益能够很好地被水平型变量远期利率组合和斜率型变量到期收益率斜率成分所预测。两类变量均与股票组合收益负相关,即当前债市整体收益较高,期限溢价较大,则预示着未来股票收益将会下降,股市进入低谷。由于两类变量所涵盖的信息不同,使得远期利率组合在预测短期滚动股票收益时表现较好,而到期收益率斜率成分则在长期时具有较强的预测能力。此外,公司特征包括市值、账面市值比以及净资产收益率能够影响股票收益可预测性的程度。其中,市值和账面市值比的影响作用在短期和长期时会出现明显的反转现象。     

基于TEIl＠I方法论的房价预测方法

以汪寿阳等(2005)提出的TEI@I方法论为指导,提出房价预测的研究框架.根据研究框架中对小样本数据的处理方法,首先基于粗糙集理论对114个影响房价的指标进行筛选,采用时差相关分析得到先行指标,分别建立回归模型和灰色模型预测季度房价,最后用小波神经网络进行误差校正,得到2006年4季度和2007年1季度全国商品房销售价格将分别同比增长6.88%和6.64%.由于房地产投资是预测房价的重要指标,文中以"国八条"为例用标准事件分析法分析政策对房地产投资的影响,得到"国八条"对房地产投资和房价上涨均有显著的抑制作用.     

中国股票市场的三因子模型

通过对中国股票市场从1995年7月到2000年6月所有A股股票月收益率的研究，发现股票市场具有显著的市值效应，账面市值比效应、市盈率效应和价格效应，这些效应不能用市场β值来解释，但再加上两个因子：市值因子和账面市值比因子，可以很好地解释这些效应，这个三因子模型也能够很好地解释中国股票市场众多指数的差异。     

投资机构的影响:多因素定价模型实证分析

CAPM、APT模型以及Fama-French三因素模型等都从不同角度来解释资产价格的变化过程。本文从证券市场主力（机构投资）着手．分析了多因素定价模型。通过中国证券市场的数据实证检验了多因素定价模型投资机构定价因子的存在。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

“类逐步回归”变量筛选法及其在农村居民收入预测中的应用

针对残差绝对值加权和最小准则下的回归估计,提出了"类逐步回归"变量筛选法.并将该方法应用于农村居民收入预测,建立了家庭经营收入模型、工资性收入模型和第一产业收入模型,得到的拟合模型的总体相对误差在1%左右.最后对影响农村居民收入的因素做了分析,对农民增收提出了建议.     

基于组合预测的间断性需求器材预测

为了提高间断性需求装备器材的预测精度,提出一种组合预测模型。该模型从解释变量序列和自相关序列两个方面进行组合预测,对解释变量序列采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,整合两个预测结果得到最终的提前期需求。实验结果表明,该预测模型具有较高的预测精度。     

北京市商品住宅系统动力学模型构建及其在预警中的应用

次贷危机的爆发引起了学术界对房地产风险及预警系统的关注.首先对传统的房地产市场预警方法进行了回顾和分析,然后从系统科学的观点出发通过对商品住宅市场各影响因素的分析构建了北京市商品住宅的系统动力学模型.通过实证仿真研究验证了模型的有效性并利用该模型对不同假设情景下北京市2010年商品住宅市场的主要指标进行了综合模拟预测,为房地产市场综合模拟预警体系提供了一个系统预测方法.     

基于季节调整和BP神经网络的月度负荷预测

月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度.     

基于条件信息的因子定价模型及其实证研究

本文构建了基于条件信息的因子定价模型,并运用基于GMM(generalized method ofmoments)估计的实证框架对此模型进行实证研究.实证结果显示:1.条件定价模型确实在定价中确实加工了条件信息;2.预测性越强的条件信息变量对定价越起到决定性作用;3.各国代表性投资者对条件信息的理解存在差异,但整体来说跨期对冲原理和动态策略原理两种条件信息使用方法在定价中的重要性持平;4.与其他西方发达国家相比,中国条件信息变量对债券回报率的预测能力和方向存在较大偏差,且经济体系受到全球经济衰退的影响较小.在定价模型中合理使用条件信息有助于更好地解释债券回报率中的风险溢价补偿关系,而对条件定价研究也是金融经济学中极具前途的一个发展方向.