我国政策性农业保险的区域发展差异:测度及解释

近年来,在农业保险保费规模不断增长的同时,各省份农业保险发展不平衡的问题逐渐显现。根据2008—2017年的数据,利用基尼系数和广义熵指数测度了各省份农业保险发展水平的差异变化,发现区域差异呈缩小趋势。在此基础上,阐释了政策性农业保险的保费形成机制,分析了影响农业保险区域发展水平差异的相关因素,并进行了相应的实证检验。结果发现,财政补贴因素对东部和中西部省份的农业保险发展水平都有着非常显著的影响,另外,财险市场发展水平、农业相对地位对中西部省份的农业保险发展水平分别有显著的正向和负向影响。最后提出了建立反映农业保险区域发展水平的指标、优化中央和省级财政责任划分机制、加大对中西部省份的财政支持等建议。     

Logistic与分类树模型变量筛选的比较——基于信用卡邮寄业务响应率分析

基于信用卡邮寄业务响应率分析来讨论Logistic模型和分类树模型在变量选取上的区别,并尝试从几个不同角度去解释两类模型变量筛选差异的原因。笔者认为没有绝对占优势的方法,需要结合具体场景和模型的特点来选择合适的模型。分类树模型在训练集上容易过度拟合,对单个变量的影响很敏感,在进行危险因素分析时结果更能强调危险因素,对孤立点的识别率很高。Logistic模型容易受到解释变量依存关系的影响,加上分类变量的影响容易过多地选入变量或者因子,对孤立点敏感,对噪点不敏感。判别函数的差异是变量筛选差异的关键因素。     

中国行业指数收益率与人民币汇率动态联系实证分析

本文在控制了Fama-French三因素以及流动性风险因素基础上。通过人民币汇率与股价的Threshold-GARCH效应检验及基于广义残差GED模型的建立，从行业的角度实证分析中国股市与汇率波动的关系；实证结果表明样本期部分行业存在汇市到股市的价格溢出效应，但价格溢出效应不能反映行业进、出口依存度等特征；同时还检验到行业股指收益存在显著ARCH与GARCH效应，并且具有很强的波动持久性；而且部分行业门限系数显著异于0，表明存在显著的杠杆效应。     

人工神经网络变量选取与隐藏单元数的确定

根据多隐藏层所有训练样本误差平方和最小设计优化问题,求解并绘出计算流程图。Trevor等人认为隐藏单元过多比过少好,交叉验证估计（隐藏单元）正则化参数没有必要。还有一种通常做法是常常利用分类树挑选变量作为输入变量进行人工神经网络建模。而从人工神经网络与多元统计、传统回归和其他数据挖掘工具的区别和联系出发,认为这些观点和做法值得商酌;用ZIP编码实例说明隐藏单元过多不一定比过少好,实际数据分析中所需隐藏单元数的确定可以用交叉验证结合经验判断来实现,利用分类树选择的变量对于人工神经网络没有太大的效果;通过分类树删节变量以降低计算量的效果不如通过压缩隐藏单元个数降低计算量来得好;非完全问题“从简单到一般”思想与完全问题中选择所有变量的思想不矛盾。在总结了Le Cun等人的局部联结以有效降低权数思想的基础上,提出通过随机选择人工变量建立人工神经网络分布式模型系统的设想。     

有显式解的养老金动态资产负债管理模型

人口快速老龄化所带来的养老金支付缺口问题亟待解决,对养老金进行管理以兑现其偿付能力的承诺意义重大.通过建立动态优化模型以求得资金运用约束、清偿力约束和资产增值公式约束下给定养老金保险成本的最小化.尝试建立一个有显式解的动态规划模型,找出显式解并分析其均衡解的动态特征.该模型把许多诸如投资组合的不确定性变量拿到模型外面建模实现,回避了封闭性的要求,抛弃了有限状态的假定,避免了转化为线性规划问题所产生的巨大计算量,甚至还存在均衡解,利用这个均衡解可以轻易调整资产配置额来实现长期稳定均衡.     

我国证券市场的非对称动态性分析

经济时间序列往往表现出非对称动态性,本文首先讲述Koenker and Xiao(2005)的模型,具体涉及到模型、参数估计、分位单调性和非对称动态性检验等几个方面。然后建立QAR模型来研究我国证券市场中的非对称动态性和局部持续性等特征。结果发现我国股市中的确存在着非对称性动态特征和局部持续性特征,本文认为这与我国股市容易产生泡沫,而泡沫一旦产生就不太容易挤破的实际情况相吻合。     

基于密度的面板数据聚类分析

研究面板数据聚类问题过程中,在相似性度量上,用Logistic回归模型构造相似系数和非对称相似矩阵。在聚类算法上,目前的聚类算法只适用于对称的相似矩阵。在非对称相似矩阵的聚类算法上,采用最佳优先搜索和轮廓系数,改进DBSCAN聚类方法,提出BF—DBSCAN方法。通过实例分析,比较了BF—DBSCAN和DBSCAN方法的聚类结果,以及不同参数设置对BF—DBSCAN聚类结果的影响,验证了该方法的有效性和实用性。     

基于过度离散广义线性模型的来电量预测

文章基于真实B2C商务数据,针对Poisson回归中过度离散这一主要缺点,在广义线性模型的框架中探讨过度离散Poisson回归模型、负二项回归模型和Tweedie模型,并深入比较三种模型的拟合效果、预测结果、对过度离散的刻画和对尾部的测度。     

广义Gamma分布簇广义线性混合模型的参数估计

文章在广义线性混合模型的框架下分析广义Gamma分布簇广义线性混合模型的参数估计问题.提出的参数估计有以下三个显著特点:其一,充分利用广义线性混合模型参数估计的理论成果,参数估计表达式与6种广义线性混合模型参数估计结果形式相同;其二,该方法可以通过反复调用广义线性混合模型中的参数估计模块来实现;其三,具有渐进正态性.