文本感知——金融研究新动态

在传统的金融研究分析领域,文本型数据大多只供研究者阅读参考以及定性研究,其价值未充分体现。随着基于计算语言学、自然语言理解的文本挖掘技术的迅速发展,这种状况正在改变。本文概要性地介绍文本感知挖掘技术在金融市场状况、投资者情绪、企业经营状况和关系感知领域的一些应用,并指出未来发展前景及挑战。     

中国股市弱有效吗?——来自数据挖掘的实证研究

已有的有效性检验方法大都基于某个全局性的数学模型,忽略了序列中某些局部模式的预测作用,由此得出“市场有效”的结论有失偏颇。本文采用一种新的时间序列数据挖掘方法TSEOPM,寻找时间序列中具有预测作用的局部征兆模式,并用其实证我国沪、深A股市场近年来收益的短期可预测性,结果表明基于局部征兆模式获得的收益显著好于非征兆模式,通过历史价格分析可以带来一定的短期超额收益,因而说明我国股市还没有达到弱有效。     

一致性风险价值及其在中国证券市场的应用研究

本文分析了VaR做为风险度量工具本身具有的缺点;行为金融理论要求风险度量必须度量下偏风险,要与投资者对信息的非线性反应相符;而收益率分布的实证研究要求风险度量要考虑收益率的尖峰厚尾现象.本文上将双曲分布用来模拟收益率实际分布,在此基础上计算CVaR,及其CVaR在中国证券市场中的应用.     

仿EM的多变量缺失数据填补算法及其在信用评估中的应用

数据缺失会显著降低信用评估模型的准确性和可用性，尤其是多变量同时有数据缺失时。本文针对模型应用阶段的多变量数据缺失问题，提出了一种新的数据填补算法。该算法由两阶段构成：准备阶段和数据填补阶段。在准备阶段，算法基于朴素贝叶斯方法以初始数据集进行训练，对每个可能缺失的变量构建起相应的单变量预测估计模型；而数据填补阶段则借鉴了EM算法的思想，利用前期的单变量预测估计模型，对给定的多变量数据缺失样本进行交替迭代，逐步填补更新。理论证明，该算法具有单调收敛性。以人人贷数据集和UCI提供的德国和澳大利亚两个信用评估基准数据集为例，将其与众数填补法、EM填补法进行性能对比实验，结果表明本文方法的数据还原性能和填补后信用评估准确性都明显更优。这为解决信用评估时的数据多变量缺失问题提供了一种更好的处理方法。     

我国高储蓄率的人口结构因素分析

我国当前的高储蓄率低储蓄投资转化率 ,不利于经济的发展与社会安定。本文从生命周期理论与社会保障理论出发 ,建立适合我国国情的个人储蓄率增长模型 ,分析我国人口增长率波动跟社会保障制度对目前高储蓄率的影响。     

建筑节能监管体系中消费者与房地产开发商之间诚信博弈模型

在推行建筑节能政策的流程中,消费者因购买节能或不节能建筑房,与房地产开发商之间产生节能信号博弈,由此机理构建诚信博弈模型。在此模型中,房地产开发商行动在先,消费者行动在后,带来了二者之间诚信博弈的三种均衡状态:诚信均衡、混合均衡与准诚信均衡。通过模型求解推断进行经济解释,房地产开发商应加大诚信宣传力度,向消费者如实传递节能信息,利于消费者正确作出判断,并出价买房,从而推动节能建筑市场良性发展。