基于投资混频数据的中国经济波动预测

文章基于投资与经济波动之间的相关关系,充分体现统计调查数据和网络搜索数据的优势,利用两种数据对中国宏观经济波动进行研究。针对混频数据的特点和深度学习算法的优势,提出了融合混频数据和深度学习的宏观经济预测方法。首先,考虑到政府统计调查数据与经济波动的强相关性,选取政府投资统计月度指标合成投资统计指数;然后,结合网络搜索数据的时效性和高频性,选取与投资相关关键词的百度指数日度数据合成投资网络搜索指数;最后,构建多源混频数据长短期记忆神经网络模型（MM-LSTM）,利用中国2011—2022年的相关数据进行实证研究,并考察模型的精度与时效性。结果表明,投资相关指标与中国GDP增长率之间存在正向关系;网络搜索数据的加入有助于提升宏观经济预测的精度;MM-LSTM模型提高了短期和中期的预测精度,具备提前预测能力,可为相关部门提供决策依据。     

混频数据回归模型的分析技术及其应用

依据混频数据计量经济模型的设置原理,结合传统回归模型推导出了混频数据回归模型的基本形式及拓展形式。概括、梳理出权重多项式函数的几种形式和性质,并结合传统自回归分布滞后模型的估计方法,给出了非限制性混频数据回归模型的最小二乘识别方法及待估参数的检验方法,在此基础上构建了混频数据自回归分布滞后模型MIDAS-ARDL,并利用其对中国月度通货膨胀率进行短期预测。研究表明:MIDAS-ARDL模型在中国通货膨胀的短期预报方面具有较高的精确性和时效性,预测效果优于传统计量经济模型AR(1,13)。     

基于半参数混频误差修正模型的中国CPI预测研究

考虑宏观经济变量具有明显的非线性特征,将非线性误差修正项引入存在协整关系的非平稳混频数据抽样（MIDAS）模型中,构建半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型。使用广义似然比（GLR）检验,拓展了混频数据下模型函数形式的一致性检验问题。模拟结果表明SEMI-ECM-MIDAS模型对存在非线性误差修正机制的数据具有显著的预测优势。最后使用该模型研究中国股票市场周度数据、广义货币发行量月度数据和国际原油市场月度数据对中国CPI的短期预测效果。基于AIC准则,对包含半参数模型在内的4种混频数据抽样模型和2种同频模型的连续预测效果进行了全面的比较。研究结果发现：GLR检验表明误差修正项具有明显的非线性特征且在回归中具有显著的反向修正机制,无论采用递归样本、滚动样本还是固定样本,本文提出的SEMI-ECM-MIDAS模型在进行连续预测时均具有最优的预测精度,且预测结果不受混频动态协整关系选择的影响。     

季度实际GDP增长率混频预报单调性的统计检验

本文从统计意义上检验了因子混频数据模型对我国季度实际GDP增长率的实时预报误差是否会随着新数据信息的采用而逐渐降低,并呈现出单调递减的统计特征。实证结果表明：无论伪样本内外长度比和数据更新时间间隔如何,基于因子混频数据模型生成的预报单调性检验结果都从总体上证实,实时更新的月度数据信息可逐步改善季度实际GDP增长率的预报精度,且在样本的时变特征和阶段属性发生变化时,预报单调性检验方法仍具有稳健性。预报单调性检验是对现有预测和预报评估方法的有效补充和扩展,可为政府部门、相关机构和投资者实时评估宏观经济状况提供有价值的信息和参考。     

基于空间关联网络结构的中国省域协同碳减排研究

利用1997-2014年的省域数据,运用社会网络分析方法对中国省域二氧化碳排放的空间关联结构特征进行实证考察,研究认为:在样本期内,中国碳排放空间关联网络的紧密程度呈递增趋势,网络结构的不平等程度在降低,网络复杂性和稳定性逐渐增强。上海、江苏、天津、北京、浙江、广东等省份位于网络的中心位置,在网络中发挥核心中介作用,中西部的部分省份在网络中的作用逐渐增强。在碳排放空间关联网络中,长三角、环渤海和珠三角地区属于"受益者"板块,其他地区属于"贡献者"板块。碳排放的空间关联网络结构为省际间实现"引领-跟随"型的协同碳减排奠定了基础。     

广东城镇居民消费水平的地区差异研究

文章运用多阶模型方法研究了2007年广东省11市7县的1600户城镇居民家庭消费数据.结果表明,不同城市之间居民消费水平存在显著差异.为了解释这些差异,文章纳入地区平均收入水平(GMI)和住房价格(HP)两个场景变量.实证研究表明,这两个场景变量对城镇居民消费水平跨地区变异的解释程度可达95%以上.     

基于大数据的碳价预测

为了研究大数据是否能够帮助我们预测碳排放权价格,本文讨论了结构化数据和非结构化信息对预测碳价所起的作用。结构化数据选取了国际碳现货价格、碳期货价格和汇率,非结构化信息选择百度搜索指数和媒体指数。考虑到当解释变量很多时,平等对待每一个解释变量是不合理的,所以提出了网络结构自回归分布滞后（ADL）模型,在参数估计和变量选择的同时兼顾了解释变量之间的网络关系。实证分析表明,网络结构ADL模型明显优于其他模型,可以获得较高的预测准确性,更适合基于大数据的预测。     

基于混频模型的CPI短期预测研究

传统的CPI预测模型都是基于相同频率的月度数据,金融市场的高频日度数据需要转化为月度数据才能使用。这会忽略日度变量所包含的CPI短期走势信息。为充分利用这些信息,本文基于自回归混频数据抽样模型同时考察了金融市场一阶矩收益和二阶矩波动的日度信息对CPI的短期走势预测的影响。结果表明,股票收益、短期利率和长短期利差变化量仅在收益水平上对CPI短期走势产生影响,而长期利率、粮食和能源商品市场的收益和波动都有助于CPI短期预测,而且收益对CPI的影响要比波动更加持久。相对于传统的月度时间序列建模方法,本文的混频CPI模型具有更好的样本内解释能力和样本外预测能力。另外,引入二阶矩波动的日度信息在一定程度上能更多地降低预测偏差。     

空间经济学视角下的商品住房价格溢出效应研究

目前,商品住房价格的溢出问题引起了全社会的广泛关注。以珠三角地区9个城市2004-2013年的商品住房价格数据为基础,研究城市之间商品住房价格的溢出效应;采用Moran’s I指数检验了珠三角城市间商品住房价格的空间效应;构建空间计量模型进一步对样本城市间商品住房价格溢出效应进行研究。结果表明:珠三角重点城市商品住房价格之间存在显著的空间相关性,且广州、深圳、珠海3个核心城市对区域内其他城市的住房价格具有显著影响。     

基于机器学习LSTM&US模型的消费者信心指数预测研究

消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。     

网上调查应注意的几个问题

国际互联网的飞速发展,正在把 我们带入一个激动人心的网络世界。适应网络时代的调查方式──网上调查随之产生。网上调查是利用网络作为信息收集渠道,获得即时有针对性的各种信息的一种调查方式,具有很高的时效性和效率,可以节省大量调查费用和人力,是二十一世纪调查研究收集数据的主要手段之一。由于国内上网用户数量有限,网上调查也刚刚起步,网上调查的使用具有一定的局限性,应注意以下几个问题: 样本的代表性网上调查的调查对象仅限于网民,网民的构成决定着预定的被调查者是否构成群体规模。如果被调查规模不够大,样本往往缺…     

基于倾向分匹配法的农民工培训收入效应实证研究——以吉林省为例

基于2006年吉林省进城务工人员调查数据,采用倾向分匹配法对农民工的培训收入效应进行估算.研究结果表明:培训对农民工的收入确实有显著的积极的影响,其中职前培训的增收效果明显高于在职培训.横截面估计和OLS估计的结果也支持这一结论.同时通过比较不同方法中的受试组和参照组个体统计特征发现,倾向分匹配法中参照组的个体统计特征更接近于受试组,亦即基于倾向分匹配法获得的估计结果更接近于随机实验结果.     

Bounds on Sample Variation Measures Based on Majorization

Using majorization theory, upper and lower bounds are derived for different measures of variation as progressively more items of information are available about the sample data. As a convenient starting point, bounds are first established for a one-parameter family of variation measures, which is a generalized mean difference measure of which Gini's mean difference, the standard deviation, and the range are particular cases. While, as pointed out, some of the derived bounds are well known, others do not appear to have been published and are tighter than established bounds. Some 40 different bounds are derived, besides any number of bounds given for the generalized family of variation measures. A number of interesting inequalities are also derived on the basis of some of the bounds. While the bounds have been developed in terms of real-valued sample data generally, the paper concludes with a brief discussion of the bounds for categorical data when the sample data consists of frequencies (counts).     

基于GARCH模型的金融冲击对企业产出影响研究

利用GARCH模型,计算了来自货币供给、汇率以及股市波动因素的金融冲击,结果表明GARCH模型能够很好地反映金融冲击情况。根据GARCH模型分析结果,利用面板数据模型研究了金融冲击对企业产出的影响,实证研究显示:金融冲击会对企业产出有显著的影响,但单独股市波动的冲击对就业影响不显著;资产负债率高的企业,金融冲击会导致产出更大的下降。     

ARCH类模型在风险价值测度中的应用

将ARCH类模型用于计算风险价值，会在很大程度上提高风险价值测度的精度。通过理论分析和实证分析都表明，利用ARCH类模型计算金融资产的风险价值，可以体现其收益率的分布状态和波动性的影响作用，适应风险价值计算的需要，能够提高风险价值的计算精度。     

连续性抽样估计方法研究综述

根据国外的理论研究及应用的经验,预计连续性抽样估计方法在中国的应用前景非常广阔。因此,将连续性抽样估计方法作为研究对象,对国外已有的相关研究成果进行理论化、系统化的研究综述,并比较分析各类连续性抽样估计方法,归纳出存在的问题及未来研究的趋势,为后续的研究提供参考,同时为该方法顺利地应用到中国实际调查工作中奠定理论基础,从而进一步推动中国统计调查方法体系的改革与发展。     

Influence on tests with focus on linear models

To assess the influence of single observations on the parameter estimates, case-deletion diagnostics are commonly used in linear regression models; one example is Cook's distance. For nested parametric models we consider a deletion diagnostic for evaluating the influence of a single observation on the likelihood ratio (LR) test. In order to have a common scale as reference, the asymptotic distribution of the diagnostic is derived and the values of the diagnostic are converted to percentiles. We focus on linear models and general linear models, and in these cases explicit results are derived. The performance of the diagnostic is explored in two small bench mark examples from linear regression and in a larger linear mixed model example.     

A note on characterizations based on truncated expectations

Many characterization results of the bivariate exponential distribution and the bivariate geometric distribution have been proved in the literature. Recently Nair and Nair (1988b, Ann. Inst. Statist. Math. 40 (2), 267–271) obtained a characterization result of the Gumbel bivariate exponential distribution and a bivariate geometric distribution based on truncated moments. In this note, we extend the results of Nair and Nair (1988b) to obtain a general result, characterizing these two bivariate distributions based on the truncated expectation of a function h, satisfying some mild conditions.     

基于粗糙理论的高速公路财务评价方法研究

在粗糙理论的背景下,介绍一种高速公路财务评价方法,该方法视高速公路中各评价指标的基础数据或参数为粗糙变量,构建粗糙向量,并提出粗糙模拟技术以及粗糙条件下求解指标期望值、概率和关键值的一般方法和步骤;最后举例说明该方法的可行性和有效性.     

基于点过程的极值VaR研究

风险无时不有、无处不在,风险本身并不可怕,金融机构就是通过承担风险、管理风险来获得收益的。真正可怕的是极值风险,即稀少或极端事件的发生给经济主体带来巨额损失的风险。因此对极值风险的建模就成为风险管理的重中之重。极值理论为极端事件的统计建模和极值风险测度的计算提供了坚实的理论基础,故有必要通过介绍和比较传统极值事件的建模,基于点过程构建极值风险的一般模型,并利用外汇市场的日数据和VaR的估计与检验进行实证分析。