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.     

房屋价格与收入基本面关系研究

利用面板平滑转换模型对我国35个大中城市的房屋价格和收入基本面的关系进行研究，结果发现：房屋价格与工资收入之间存在显著非线性关系；房屋价格对工资收入的线性弹性系数约为0.602，即：平均工资上涨1个单位，房屋价格上涨0.602个单位，而非线性部分则每个城市各不相同；深圳、北京、上海、杭州等城市的房屋价格存在相对较大的非线性，与支撑房价的收入基本面背离较多，可能存在泡沫成分；在房屋改革初期我国房屋价格经历了一段房屋价格向收入基本面回归的过程，金融危机前房价出现了偏离收入基本面的现象，金融危机促进房屋价格向收入基本面靠近，但是金融危机后的救市措施和宽松的货币环境等因素再度导致房价偏离收入基本面.     

基于时空模型的区域房地产价格扩散效应研究

文章通过研究区域房价的扩散效应来把握我国区域房地产市场的波动规律.采用价格扩散模型及时空脉冲响应函数对全国30个省市自治区2001M1-2014M12的房价进行实证,重点考察了北京、上海、海南和浙江四个主导区域房价变动对所有区域房价的影响,结果表明:1)北京房价变动的影响,主要是向华北、西南和西北地区扩散;上海房价变动的影响,主要是向华东、西南、华北和华中地区扩散;海南房价变动的影响范围较小,主要是向华东地区扩散;浙江房价变动的影响,主要是向华东、西南、西北地区扩散.2)目前对区域房价的直接调控可能比通过别的区域房价来影响的间接调控更有效;即使海南区域房地产泡沫破灭,短期内也不一定能引发全国性的房地产市场危机.3)在调控方面,对北京的房价调控应是持续性的,对上海、海南的房价调控可以是阶段性的,而对浙江房价的调控应该谨慎.     

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.     

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.     

基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中，提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法，用不同参数值和样本容量的数据进行了模拟实验．又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计，结果表明该方法是有效且可行的．     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。     

基于AR模型和支持向量机的转子系统故障诊断方法

提出了基于AR模型和支持向量机的转子系统故障诊断方法.该方法对转子系统的振动信号建立AR模型,以AR模型主要的自回归参数和残差的方差作为特征向量,然后建立支持向量机分类器,进而判断转子系统的工作状态和故障类型.实验结果分析表明,该方法能有效地应用于转子系统的故障诊断.并通过支持向量机与BP神经网络的性能比较,说明了支持向量机的优点.     

SV和GARCH模型拟合优度比较的似然比检验

讨论了在金融时间序列中广泛应用的两类波动性模型，即ARCH模型和SV模型的比较问题．从似然比原理出发，提出了一种基于随机模拟的似然比检验方法，阐明了利用该方法进行模型间比较的基本步骤，并利用基于随机模拟方法的似然比检验，分别比较了SV与GARCH(1，1)、SV与t-GARCH对上海股市数据拟合优度，结果表明：SV模型对于上海股市时间序列数据的拟合好于GARCH(1，1)模型，而SV模型上海股市时间序列数据的拟合与t-GARCH(1，1)模型效果相当。     

房地产投资泡沫的OGY混沌控制策略

对房地产投资中的泡沫现象进行分析，并根据房地产投资的混沌经济模型，利用OGY的混沌控制方法，对房地产投资泡沫进行有效的控制，并提出相应的控制策略。     

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.     

基于机制转换混合Copula模型的我国股市间极值相依性

通过构建机制转换混合 Copula 模型, 考察了沪、深股市与港、台股市间的尾部相依特征, 研究发现:它们间的尾部相依性呈非对称动态过程, 在低风险状态下, 右尾部相依性普遍高于左尾部相依性; 而在高风险状态下, 左尾部相依性普 遍高于右尾部相依性. 相对于沪、深股市与台股而言, 沪、深股市与港股间的尾部相依性更强, 其 尾部相依性对外来冲击更敏感; 相对于沪市与港、台股市而言, 深市与港、台股市间的尾部对外在 冲击更敏感. 在此次次贷危机中, 沪、深股市与港、台股市间极值风险显著增加, 并呈现明显的金融感染. 而且各尾部相依性的两个结构变化几乎同时发生并分别对应于危机的第一、二阶段, 这表明:沪、深股市与港、台股市间的风险呈系统性特征, 而危机的第三阶段对沪、深股市与港、台股市间的影响较有限.     

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.     

DDMRS-GARCH模型及其在上海股票市场的实证研究

提出了2阶马尔可夫结构转换波动模型——DDMRS-GARCH模型，DDMRS—GARCH模型引入了2阶马尔可夫链，使得波动状态转移概率不仅依赖于波动状态，同时还依赖于波动状态的持久时间．将DDMRS-GARCH模型应用于上海股票市场收益时间序列进行了实证分析．     

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.     

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.     

中国技术进步偏向性的省际扩散效应:1996-2015

本文通过构建理论模型,在发达经济体的要素增强型技术向欠发达经济体进行扩散的假设下,发现技术进步偏向性也会呈现出从发达经济体向欠发达经济体扩散的现象.文章利用中国30个省区的相关数据,测算了不同地区的技术进步方向指数,并进一步利用该指数考察各省区技术进步偏向性与北京,上海,广东这三个经济发达省区技术进步方向的关系.研究发现,北京,上海的技术进步方向对其他各省区的技术进步偏向性存在显著的同向影响关系,而广东的影响并不显著.进一步的研究还发现,中国存在着资本增强型技术和劳动增强型技术从北京,上海向其他各省区的扩散效应,这也从实证上验证了理论模型中的假设,一定程度地揭示了技术进步方向存在扩散效应的机制.