经济计量学、实验经济学的发展与数据品质分析

对基本理论和数据的依赖框定了计量经济学的发展,而实验经济学具有可控性、可重复和可观察性等特点。本文试图开辟获取数据和检验基本理论假设的新途径,以便能够更深入地认识数据品质及其对经济计量分析的影响,有望更好地解决经济数据的交互性、共线性、隐相关性和不可重复性等问题,提升数据品质。     

基于机器学习的车险索赔频率预测

近年来,广义线性模型已被广泛用于车险定价,而一些研究结果显示机器学习在某些方面优于广义线性模型,但这些结果都只是基于某个单一数据集。为了更全面地比较广义线性模型与机器学习方法在车险索赔频率预测问题上的效果,对7个车险数据集进行了比较测试,包括深度学习、随机森林、支持向量机、XGboost等机器学习方法;基于相同的训练集,建立不同的广义线性模型预测索赔频率,根据最小信息准则(AIC)选取最优的广义线性模型;通过交叉验证调参获得机器学习最佳参数和模型。研究结果显示:在所有的数据集上XGboost的预测效果一致地优于广义线性模型;对于某些自变量较多、变量间相关性强的数据集,神经网络、深度学习和随机森林的预测效果比广义线性模型更好。     

我国居民消费函数模型的计量经济分析

文章运用数理统计的Rp2准则,简单、直观地确定了我国居民消费函数模型:并从计量经济学角度,结合消费函数的经济理论,通过对模型经济意义检验、统计检验、计量经济学检验以及模型预测检验等过程,对模型反复修正与改进,最终得到与绝对收入假说下的消费函数模型相一致的我国居民消费函数模型,此模型对制定相关经济政策具有指导意义.     

数量经济学在我国发展中的问题及思考

我们知道,数量经济学是经济学与数学、统计学、计算机相结合,以数量方法进行经济分析、预测和决策研究的交叉学科,它包括数理经济学、统计经济学、计量经济学以及以此为基础发展起来的各种现代经济学分支。我们说,用数量方法研究经济学,不仅可以提出经济政策的性质和方向,更重要的在于确定经济政策的力度和边界,预测经济政策的直接和间接效果。为此,以经济模型为主要标志的数理经济学素有“经济实验室”之称,它可以以极低的成本,提供大量的预测与分析信息。     

利用互联网大数据预测季度GDP增速的方法研究

大数据为季度GDP走势预测创新研究带来重要突破口。本文利用百度等网站的互联网大数据,基于代表性高维数据机器学习(和深度学习)模型,对我国2011-2018年季度GDP增速深入进行预测分析。研究发现,对模型中的随机干扰因素作出一定分布的统计假设,有助于降低预测误差,任由模型通过大量数据机械地学习和完善并不总是有利于模型预测能力的提升;采用对解释变量集添加惩罚约束的方法,可以有效地处理互联网大数据维度较高的棘手问题;预测季度GDP增速的最优大数据解释变量集的稳定性较高。     

机器学习与线性模型在资产收益率预测中的比较

文章基于CAPM、多因子、DNN、LSTM和SVM模型,探讨传统线性资本资产定价模型与机器学习模型对于资产组合样本外的预测能力。提出了六个假设,并采用固定窗口和滚动窗口对模型的预测能力进行验证,结果发现机器学习模型比线性回归在样本外的预测能力更佳,泛化能力更强。     

内生框架下出口贸易与区域经济增长的关系研究——基于地理加权回归模型的实证分析

采用空间计量经济学方法,通过2008年中国大陆31个省份的宏观经济数据,运用地理加权回归（GWR）模型,在内生经济增长框架下就出口贸易与经济增长的关系进行实证分析。研究表明：经济增长存在显著的空间相关性;在中国大陆,要素投入尤其是资本投入对经济增长的贡献整体上高于出口贸易对经济增长的贡献,且在省域间产生了显著差别;出口贸易主要通过贸易权重和外溢效应等渠道对经济增长产生影响,整体上看,贸易权重与经济增长负相关,外溢效应与经济增长正相关。根据研究结论提出了相关政策建议。     

基于软件Eviews和WinBUGS计量模型的比较

在计量经济学设计模型、收集资料、估计模型、检验模型、应用模型(结构分析、经济预测、政策评价)过程中,Eviews软件是必不可少的工具,而WinBUGS软件是贝叶斯计量经济学计算的常用软件.文章以时间序列AR(1)模型为例,运用Gibbs抽样的MCMC方法,介绍了贝叶斯统计方法在计量经济学模型中的应用,分析了在实证中贝叶斯估计与经典计量估计的区别和联系,并指出贝叶斯方法在计量经济学及其他学科广阔的应用前景.     

基于小波分析的基金净值预测模型

基于小波分析提出了一种基金净值预测模型。此模型利用小波分析理论用改进的小波阈值去噪方法对基金净值数据进行去噪处理,再对经过去噪处理后得到的较为平稳的数据,利用计量经济学中时间序列自回归模型进行短期预测。研究证明：该预测模型能较好地预测基金净值的短期趋势,预测结果优于传统的基金净值预测模型。     

处理效应模型的理论拓展及在政策评价中的应用

现有文献在利用处理效应模型评估政策时,模型中的假设条件局限性大多较强,在实际应用中很难验证,且一旦这些假设错误,就会引起参数估计的不一致。本文首先在非参数框架下提出了一种关于处理效应模型的半参数估计方法,其既不对模型中的函数形式做任何假定,也允许误差项的联合分布是广义异方差形式,从而大大减少因模型误设而引起的估计偏误。考虑到处理效应的内生性问题,提出了一个两步估计量。第一步关于选择方程进行非参数估计;第二步在结果方程中,利用工具变量法估计平均处理效应。其次,对估计量的大样本性质进行分析,表明了估计量的一致性和渐近正态性质。再次,通过蒙特卡罗模拟与已有估计方法进行比较,结果表明本文的方法具有较强的稳健性。最后,本文将该方法应用于研究高新技术企业认证政策对企业盈利能力影响,研究发现该政策提升了高新技术企业的盈利能力,并且相比于国有企业,该政策对民营企业促进效应更大。     

基于随机效应零调整回归模型的保险损失预测

在非寿险精算中,对保单的累积损失进行预测是费率厘定的基础。在对累积损失进行预测时通常使用Tweedie回归模型。当损失观察数据中包含大量零索赔的保单时,Tweedie回归模型对零点的拟合容易出现偏差;若用零调整分布代替Tweedie分布,并在模型中引入连续型解释变量的平方函数,可以建立零调整回归模型;如果在零调整回归模型中将水平数较多的分类解释变量作为随机效应处理,可以进一步改善预测结果的合理性。基于一组机动车辆第三者责任保险的损失数据,将不同分布假设下的固定效应模型与随机效应模型进行对比,实证检验了随机效应零调整回归模型在保险损失预测中的优越性。     

预测型稳健回归模型及其实证分析

一、引言回归分析是计量经济学中最常用的定量分析方法 ,也是建立经济计量模型的主要工具 ,它在现代经济定量分析中应用越来越广泛。众所周知 ,计量经济学方法有四大应用 :经济结构分析、政策模拟、预测和实证分析。人们为了分析经济变量间的长期结构 ,作了大量研究 ,如2 0 0 3年尼诺贝尔经济学奖获得者格兰杰 (Granger)引出的协整理论 ,还有稳健回归理论等等 ,目的是研究和找到经济变量间的长期稳定的关系结构。但如果直接将这些理论方法应用在回归模型的预测应用中 ,结果并不十分令人满意 ,原因是按照传统的计量经济方法建立的模型大部分…     

粗糙集理论与决策树相结合的规则提取方法

一、问题的提出关联规则挖掘是通过对已知数据的学习找出其中存在有意义依赖关系,它可以用来进行预测决策和分类,因此是机器学习领域集中解决的问题。数据挖掘中的问题与机器学习主要区别在于:数据挖掘中要处理大量的数据,因此要求学习的效率很高;另外数据挖掘获得的规则或模式     

大数据风控有效吗?——基于统计评分卡与机器学习模型的对比分析

随着金融科技的巨大进步,机器学习在金融风控领域的应用也逐渐深化起来。信用评分卡模型作为一种应用最为广泛的风险评估模型,在大数据时代存在着不能对高维、复杂、非线性的个人征信数据进行全面分析的局限性。从中国的互联网金融发展的实际情况出发,提出一种基于XGBoost机器学习算法的互联网金融风控模型,并与传统的统计评分卡模型进行了对比试验,同时给出了将机器学习模型预测结果转化为传统信用评分的解决方法。研究结果表明,机器学习模型能更好地预测个人信用风险,从而构建更加有效的风控体系。     

武汉市私家车保有量增长的模型分析

近年来,随着我国经济稳健增长,家用汽车行业呈现广阔的发展前景.私家车保有量的变化趋势与我国基础设施建设事业的规划、交通和环保等政策的制定有着密切的联系,因此,准确地预测未来私家车保有量具有重要的意义.文章以武汉市1996～2007年私家车发展情况为研究对象,分别运用时间序列预测模型、计量经济学模型和灰色系统模型预测未来私家车保有量,以确保数椐结果的有效性,并针对性地提出相关政策建议.     

一类期货数据的非线性特征分析

一、引言金融市场的复杂性是目前金融市场的计量经济学研究中的一个热点问题 [1、2 ]。复杂性的本质来自于非线性性 ,混沌现象的研究是揭示这种复杂性规律的一个重要途径。混沌研究给经济学带来的启示是典型的。混沌系统所展示的内在随机性启发人们思考传统的那种认为经济的波动的主要根源在于外在因素随机干扰的假设还可能存在另外的一种解释 ,即这种波动的原因也可以像某些自然现象一样主要地归结为经济系统自身的非线性性和混沌性质。自 80年代后期以来 ,在各种经济或金融的数据中寻找混沌存在的证据的工作逐渐地引发了广泛的兴趣 ,人们…     

我国宏观经济函数系数计量的联立模型及其估计

一、引言联立方程模型在经济政策制定、经济结构分析和经济预测方面起着重要作用。经典的线性联立方程假定在整个样本时序上结构参数都是恒定不变的。但是,一方面由于影响经济发展的因素众多,不同时期内随机因素对被解释变量的干扰方式及干扰程度不同;另一方面经济结构的变化也使得结构参数随时间不同而变化,因此变参数的情况是经常发生的。在单方程确定性变参数模型中,一般都假定变参数是某个变量的线性函数。线性假设虽然简便,但容易造成设定误差。而非参数方法具有很好的稳健性,即永远不会错误地估计回归函数,并且当回归变量为一维时,有很好的拟合效果,因此其在计量经济学中得到了越来越多的关注。但是非参数方法也有其弱点,其一它要求有大量的数据,这一点在我国宏观经济研究中很难满足;其二当回归变量是高维时,就产生了“维数祸根”现象,即估计的收敛速度缓慢,令人很不满意,且估计极不稳定。     

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。     

基于工具-目标法的经济政策效应评价研究

经济政策评价不仅指政策决策评价，还应包括对政策执行效果进行评价，即效应评价。但目前在计量经济学的研究中，包括已出版的各类教科书中也都只给出了如何进行决策评价的方法，而没有对效应评价方法进行研究。这显然是欠缺的。采用经济计量分析法对经济决策评价，常用的方法有三种：工具-目标法（TOM）、最优控制法、政策模拟法。其中工具-目标法是最早用来进行政策决策评价的计量方法，它是由首届诺贝尔经济学奖得主之一丁伯根提出的。     

商业银行业务创新的协同效应研究

文章从理论上分析得出我国分业经营模式下商业银行业务创新中的协同效应主要表现为范围经济和规模经济效应。引入超越对数成本函数对范围经济效应进行实证检验表明我国商业银行业务创新中存在范围经济效应,而且通过对比分析发现业务创新能力强的商业银行的范围经济效应更显著。最后基于上述研究结果提出了相关的政策建议。