上海银行间同业拆放利率与股票价格短期动态关系分析——基于VAR模型

上海银行间同业拆放利率Shibor作为我国培育中的货币市场基准利率,对金融资产定价起到重要的参考作用,研究利率与股票价格及其波动的相互影响关系,有助于加快我国利率市场化的进程和金融市场的发展与完善。通过建立上海银行间同业拆借利率与股票价格间关系的VAR模型,运用格兰杰因果关系检验、脉冲响应函数及方差分解等分析工具,实证研究Shibor与股价间的短期动态关系,得出的结论是：在短期中Shibor对股票市场具有显著的影响,但这种影响具有时滞性及时效性。为了更好地发挥利率作为货币价格以及股市作为资金集散地的这种互动的作用,建议继续推进利率市场化改革,加快存款利率市场化步伐;进一步完善股票市场运行机制,发挥股市政策传导作用;加强货币市场与资本市场的联动机制。     

LPR新机制下利率锚的最优选择

贷款市场报价利率LPR改革作为疏通货币政策传导路径的关键手段，最大特点是引入中期借贷便利(MLF)作为“利率锚”。以LPR新机制改革为切入点，运用OLS、TVP-VAR模型验证以MLF为“利率锚”的有效性，构建VAR模型探究市场化“利率锚”的最优选择问题。结果表明：LPR新机制下从贷款基准利率到MLF政策利率的“换锚”改革仅仅实现初步市场化，“利率锚”的市场化程度对货币政策传导作用尤为重要；从基准性和稳定性两个方面比较分析Shibor、Repo和DR 007三种备选利率，确定DR 007为市场化“利率锚”的最优选择，加深“利率锚”市场化程度，提高货币政策利率传导机制有效性，促进实体经济发展。     

时间序列分析在金属价格预测中的应用

与回归分析不同,时间序列分析不是根据与其它变量的因果关系来预测一个变量的未来变化,而是根据该变量自身过去的规律来预测其未来的变化.这与实际中价格信息的复杂性特征具有较好的符合关系.作者在Intnet网上查取了伦敦金属交易所(LME)镍金属从1998年1月到2001年5月共41个月的月平均现金参与价值数据41个,用其中的前37个数据进行时间序列分析,得到了AR(3)模型,用最小二乘法和Yule-Walker法预测后五个数据,得到了较好的效果.因此在价格信息分析与预测中使用时间序列分析理论和方法具有广阔的应用前景.     

基于VAR模型的Shibor渠道货币政策传导机制研究

本文运用金融市场的实际数据,在短期Shibor更具有金融市场基准利率功能的假定基础上,通过建模实证Shibor与央行货币政策工具之间,以Shibor为中介传导货币政策信号的能力。同时,文章利用VAR模型,将Shibor与商业银行业务进行了联合估计,表明Shibor与商业银行业务的利率定价具有传导关系;并量化测量这些影响关系。     

ARIMA模型在批发和零售贸易餐饮业预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型(ARIMA)法,对全国批发和零售贸易餐饮业进行时间序列分析.分析显示,ARIMA(1,1,10)模型可以提供较准确的预测效果,可以为全国批发和零售贸易餐饮业预测提供一定的依据.     

中国的实际利率与投资分析

该文通过构建模型,并利用我国1984～1997年的时间序列数据,通过实证分析,研究实际利率变动对投资的影响。结果说明麦金农(McKinnon)和肖(Shaw)所阐述的利率一投资关系在中国并不成立,实际利率的降低有利于投资的增长。     

利率市场化进程中我国货币政策传导的动态变化研究

我国由于利率市场化进程中存在双轨制利率,使得货币政策利率传导具有市场化利率渠道和管制利率渠道两条途径。将2007年央行正式推出Shibor作为分界点,把利率市场化进程划分为利率市场化初期和深化期两个阶段,运用VAR模型,分别对两阶段中的利率渠道和信贷渠道进行格兰杰因果检验和脉冲响应函数分析,得出各渠道传导的有效性及其在两阶段中的动态变化。结果表明：管制利率渠道有效性强于市场化利率渠道;从对物价的影响上看,利率渠道较信贷渠道发挥着更重要作用;深化期较初期管制利率渠道有效性明显增强,市场化利率渠道有效性有所提高,信贷渠道有效性有所减弱。     

基于小波变换和时间序列法考虑随机分量的短期风速预测

为提高短期风速预测的准确性,本文结合小波变换和时间序列法,考虑随机分量进行短期风速预测.利用小波变换对风速时间序列分层,将高频变化的风速时间序列利用自回归滑动平均模型(ARMA)进行预测,低频变化的风速时间序列利用持续法进行预测,最后将预测结果叠加并通过随机阵列对结果进行修正.通过实例验证以及与时间序列方法进行对比,结果证明该方法的预测精度和预测稳定性都有所提高.     

市场基准利率Shibor的基准性检验

针对中国利率"双轨制"的特殊情况,就目前并存的官方基准利率与市场基准利率进行定性分析,结果显示市场基准利率明显优于官方基准利率,具有更强的基准利率特性.定量比较中国现有的三种市场利率后,发现短期Shibor在形成机制、基础性、稳定性、相关性和对其它宏观经济指标影响等方面总体优于短期银行间债券质押式回购加权平均利率和短期银行同业拆借利率;中长期Shibor则在期限、交易市场、相对随机性等方面远远优于中长期的银行间债券质押式回购加权平均利率和中长期的银行同业拆借利率.因此,Shi-bor拥有的基准利率特性最为全面,适合成为中国的市场基准利率.     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

增加日历时间因素的动态利率模型

考虑到中国金融监管当局对金融机构监管措施的特点,在利用传统均值回复动态利率期限结构模型(CKLS模型)分析我国短期利率变动特点时,有必要结合中国货币市场利率季度末飙升的特点,在传统模型基础上增加日历时间因素(CTF),利用银行间债券回购交易市场和上海证券交易所债券回购交易市场利率为样本的分析结果表明,通过扩展后的短期利率动态模型对短期利率的变动具有更大的解释能力,且银行间市场利率受到日历时间因素的影响更显著,但是其均值回复速度较慢,而上交所回购市场利率受到日历时间因素的影响不显著,但是其利率在偏离均值后,回复到均值的速度更快.市场参与主体和交易机制等的不同是造成两种市场不同特性的原因.     

小波去噪结合ARMA模型在电力设备故障率预测中的应用

针对电力设备故障率具有周期性、随机性和多变性等特点,提出小波相关性去噪算法与时间序列自回归滑动平均(ARMA)模型的电力设备故障率预测方法.将电力设备故障率数据进行小波相关性去噪,最大限度保留有效序列,把重构后的序列进行ARMA建模及预测,预测值与实际值进行比较.仿真结果表明,小波相关性去噪后的ARMA模型预测结果有较高的精度,实际故障率预测效果较好.     

国债回购市场利率价差预测能力的再检验

以利率预期假说理论模型和相关推论为基础,采用因子分解技术,将两个利率序列分解成长期记忆成分和短暂成分,并通过将短暂成分对利率价差进行回归,检验国债回购市场长短期利率价差的预测能力.结果表明,在两个样本区间上,利率价差对去除长期记忆成分后未来利率变化的短暂成分的预测能力均显著增强,而对于短期利率序列的纯长期记忆成分的预测能力则很差.证实了短期利率的变动主要是由利率序列的长期记忆成分所决定的.     

基于ARIMA模型的2009年山东省手足口病疫情分析及预测

对山东省2009年第13周至第35周(3月30日至8月30日)手足口病发病数作时间序列分析,应用 SPSS软件建立 ARIMA模型,并对预测效果进行评价.结果表明ARIMA (0,2,1)模型很好地拟合了既往时间段上的手足口病发病率序列,发病率的预测值符合实际发病率变动趋势.     

基于 VAR 模型的房地产价格影响因素研究

运用向量自回归模型(VAR)对影响房地产价格的各宏观因素进行分析.建立了影响房地产价格因素的 VAR模型,采用2001~2010年的季度数据为样本,定量地描述了各宏观因素对房地产价格的影响程度,并利用脉冲响应函数和方差分解分析各个因素对房地产价格的影响时滞、持续时间和作用强度.研究发现,房地产价格受往期价格及货币供给量影响较大;Granger 因果关系检验表明房地产价格与 GDP、贷款利率存在着双向 Granger 因果关系,与居民消费存在着单向 Granger 因果关系     

基于小波分析与支持向量机的人民币汇率预测

利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题.结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型.先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各个子序列进行时间序列分析,再以支持向量回归为工具,以这些子序列为预测变量建构支持向量回归模型,最后将各个序列的预测结果进行重构,得到预测结果.实证结果显示,该模型的预测效果较之BP神经网络与单纯的AR-SVM模型更优,证明基于小波分析与支持向量机相结合的预测模型可以为人民币兑美元汇率提供比较准确的预测.     

货币政策、经济波动与房地产价格的动态关系研究

利用我国相关月度数据构建半参数全局向量自回归模型,实证分析货币政策、经济波动与房地产价格之间的动态关系。研究发现:(1)货币供应量的增长和信贷规模的扩大对房地产价格和经济波动产生正向影响,且对高房价区域的房地产价格影响最大。(2)房地产价格的上涨对社会消费和社会固定资产投资产生正向影响,且对低房价区域的影响最大。(3)利率对房地产价格的影响呈显著的非线性关系。整体上,当银行间同业拆借利率处于较低区间时,提高利率并不能抑制房地产价格上涨;当银行间同业拆借利率处于较高区间时,提高利率能够显著抑制房地产价格上涨。     

基于遗传神经网络的股价波动预测

对价格、成交量特征样本序列分别进行小波包分解,将其小波包系数单支重构能量值共同作为样本波动的本质表征,结合遗传神经网络进行股票价格波动预测。对沪市股票上海汽车(600104)、宝钢股份(600019)进行实证研究,结果表明,该模型具有收敛速度快和预测精度高的特点。     

流动性视角下的非流通股定价策略分析

金融市场上的流动性对金融资产定价有重要作用.在Longstaff模型的基础上对"卖掉持有股票的权利"进行定价,可得出股票的流动性价格,进而得到非流通股的价格.通过分析可知非流通股的价格是禁售期的减函数,是流通股的增函数;股票的价格波动率越大,贷款利率与无风险利率的差越大,非流通股的价格是就越低;反之,非流通股的价格就越高.以我国股票市场的相关指数进行验证,上述结论依然成立.     

福建省社会消费品零售总额的预测

以2004年1月至2010年12月福建省社会消费品零售总额月度数据为样本,建立了时间序列季节模型和单整自回归移动平均(ARIMA)模型,并分别应用它们对2011年各月的指标值进行了预测。在此基础上进行组合预测,得出了2011年1-12月福建省社会消费品零售总额的预测值。预测结果对更好地引导消费具有重要作用,模型建立的过程和方法能为相关研究提供借鉴。