消费贷款对家庭消费的异质性影响 ——基于我国城市家庭消费金融调查数据的实证研究

消费贷款是促进家庭消费、拉动国内需求的重要手段。本文基于我国城市家庭消费金融调查数据,采用稳健标准差加权OLS方法和Quantile回归方法,实证分析房贷和短期消费贷款对家庭消费的异质性影响。结果表明:房贷和短期消费贷款对家庭消费均具有正向效应,但短期消费贷款对家庭消费的促进作用更加明显;消费贷款对家庭消费的影响在不同分位上存在异质性,短期消费贷款对家庭消费的影响在各个分位上均存在,房贷对家庭消费的影响仅在50%以上分位上存在;短期消费贷款对家庭各类消费均具有不同程度的正向影响,房贷仅对家用设备类、家居类和交通类消费有正向影响,对食品类、通讯类、医疗类和文化娱乐类消费的影响不明显。本文可为消费贷款政策的制定提供学术参考。     

村镇银行经营中存在的问题及对策研究

村镇银行作为我国农村金融的新生力量,是深化农村金融改革的重要创新组织。像其他新生事物一样,村镇银行在发展过程中也出现了一些问题,如政策支持力度不够、自身经营困难等,如果不能及时有效地解决这些问题,必将严重阻碍村镇银行的可持续发展。本文在详细考察村镇银行经营困境的基础上,提出了促进其可持续发展的对策,希望能为我国社会主义新农村的建设提供一些参考意见。     

论保险公司集团账户管理的优势与功能

长期以来,我国保险公司大多采用粗放式经营管理,使得现金管理水平普遍不高。随着我国保险市场竞争不断加剧,保险资金集团账户管理日益凸显其重要地位。它是一项集账户监控、资金归集与划拨、透支等功能于一体的综合性金融服务手段。有效的资金集中管理可以降低资金成本,提高资金流量,进而提高资金投资收益率水平,从而增强企业的核心竞争力。     

国际银行监管趋势及对我国的启示

金融危机后,新一轮的银行监管改革正在加紧进行,以适应新形势下的银行业发展。本文主要内容是先分析在巴塞尔银行监管委员会的主导下,国际银行监管的趋势,然后分析其对我国银行监管改革的启示。     

增强我国债券市场流动性的分析

我国债券市场近年来发展迅速,但是由于二级市场的流动性不足,造成债券市场的发展存在瓶颈。流动性对于债券市场十分重要,没有二级市场的流动性,债券一级市场就难以实现发行。流动性的缺乏,会进一步造成融资成本上升,阻碍我国债券市场的健康发展。解决流动性问题,要找出我国债券市场的独有特点,对症下药,从制度和参与者等方面解决流动性缺乏问题。     

储蓄投资行为及外部均衡中的人口结构效应——来自亚洲的经验证据

文章运用动态广义矩估计方法,分析亚洲人口年龄结构对储蓄率、投资率及经常账户的效应。结果发现:(1)人口结构对储蓄的效应存在,老年人口抚养比对储蓄率有显著负向影响,符合生命周期假说;(2)少儿抚养比与储蓄率无显著相关,少儿人口抚养质量与数量间存在替代效应;(3)老年人口抚养比效应对于外部均衡非常显著。老年化经济体对于经常账户逆差存在依赖,经常账户可以视为亚洲人口红利期高储蓄的国际"缓存池"和"中转地"。亚洲的经济增长、高储蓄与高顺差呈现梯队性的趋势,且与人口结构的变迁一致。这些发现可以从人口结构角度解释亚洲的高储蓄和高经常账户顺差及国际资本流动。所以,世界经济体应避免同周期的老年化,以保证经济的梯队发展和资源跨代跨国转移;同时,对于减少少儿人口来压缩社会负担的政策效果不能预期过高。     

非寿险费率厘定的索赔频率预测模型及其应用

在非寿险分类费率厘定中,泊松回归模型是最常使用的索赔频率预测模型,但实际的索赔频率数据往往存在过离散特征,使泊松回归模型的结果缺乏可靠性.因此,讨论处理过离散问题的各种回归模型,包括负二项回归模型、泊松-逆高斯回归模型、泊松-对数正态回归模型、广义泊松回归模型、双泊松回归模型、混合负二项回归模型、混合二项回归模型、Delaporte回归模型和Sichel回归模型,并对其进行系统比较研究认为:这些模型都可以看做是对泊松回归模型的推广,可以用于处理各种不同过离散程度的索赔频率数据,从而改善费率厘定的效果;同时应用一组实际的汽车保险数据,讨论这些模型的具体应用.     

基于迁移学习的LSTM互联网金融指数高精度预测方法

针对互联网金融指数高精度预测中数据量不足的问题,提出了基于迁移学习的LSTM方法。提出构建LSTM与全连接网络的组合模型,利用数据量充足的标准普尔500或沪深300指数对构建的网络进行预训练,得到较高精度的预训练模型;利用数据量有限的互联网金融指数对预训练模型进行迁移训练,提高模型对互联网金融指数预测的准确性。实证结果表明:(1)构建的组合模型能准确预测金融指数,MAPE值降低3.7%以上;(2)迁移学习能提升互联网金融指数预测的准确性,MAPE值降低0.5%左右;(3)与标准普尔500指数相比,沪深300指数与互联网金融指数相关性更强,迁移学习效果更优。本文提出方法解决了训练数据不足导致互联网金融指数预测准确度低的问题,可用于新型金融指数的高精度预测。