风暴潮灾害损失评估的主成分模型研究

我国东南沿海是世界上风暴潮频发的地区之一,文章基于近年来东南沿海风暴潮灾害损失的历史数据,介绍了主成分分析法在风暴潮灾害损失评估中的应用原理.针对风暴潮灾害损失的构成,建立了风暴潮灾害经济损失的指标体系,同时借助实例介绍了该方法在风暴潮灾害评估中的应用.最后基于主成分得分对样本风暴潮进行了聚类分析,证明了主成分分析模型在风暴潮灾害损失评估中的有效性.     

风暴潮灾害综合财产险精算定价模型探析

文章从风暴潮损失的分布拟合入手，判别风暴潮损失的损失特征，分析风暴潮灾害保险建立的可行性，进而依据保险精算理论对风暴潮灾害保险进行了定价研究；针对风暴潮灾害保险的现实可操作性，为相关部门提出了对策建议。     

中国沿海风暴潮灾害易损性风险区划研究

文章在界定风暴潮灾害风险的基础上,按照风暴潮灾害风险区划原则,选取风暴潮灾害易损性风险评价指标,采用层次聚类分析、熵值法及灰色关联分析方法,构建了我国沿海风暴潮灾害易损性风险区划,将我国沿海11省市划分为5个区,揭示了我国沿海承担风暴潮灾害易损性风险的地域差异性,为因地制宜地制定防灾减灾措施与规划提供了科学依据.     

改革开放以来我国货币供给周期波动特征

 货币供给的周期波动是国民经济发展过程中的必然现象,其周期波动的测定与分析是制定货币政策的基础。首先对我国M0、M1和M2三层次货币供给的时间序列进行HP滤波与平稳化,然后利用现代谱分析方法对我国货币供应的周期波动特征进行了测定与分析,结果显示：改革开放以来我国M0和M1供给均存在季节波动、3年、6个月和4个月左右的周期波动;M2存在10年、4年以及3年左右的周期波动;所有层次货币供应的变动幅度与长期趋势间存在线性关系。     

农业自然灾害与粮食价格波动——基于中国1978—2010年间的数据

因为研究农业自然灾害与粮食价格波动的相关关系对稳定粮食价格、保障粮食安全具有积极作用,故以1978—2010年反映粮食价格以及农业自然灾害的时间序列数据为依据,采用互谱分析方法分析农业自然灾害与粮食价格波动之间的相关关系,结果表明:受灾率、成灾率和灾害强度波动与粮食价格波动存在相关关系,在短周期波动中受灾率波动与粮食价格波动相关性最大;在中长期波动周期中成灾率与粮食价格波动相关性最紧密。     

我国宏观经济指标周期波动相关性的互谱分析

时间序列谱分析方法可以从频域角度反映序列周期波动特征的全部信息 ,它的基本思想是把时间序列看作互不相关的不同频率分量的叠加 ,利用富氏变换等手段将各频率分量加以分解 ,通过谱密度函数来衡量各分量的相对重要性以找出序列中存在的主要频率分量。我们曾利用该方法对我国转轨时期主要经济指标的周期波动特征进行了分析 ,结果表明 :80年代以来 ,我国经济增长中出现了 7～ 9年为主的中周期波动 ,这与西方工业国家曾出现的主周期波动即朱格拉周期是基本一致的 ;此外 ,围绕 2～ 3年还存在一个作用相对较弱的短周期波动。谱分析方法不但能分…     

沿海地区风暴潮灾害风险评估与区划——基于混合算法优化的PPDC模型

以沿海11省市的风暴潮灾害风险为研究对象,采用遗传与粒子群混合算法对投影寻踪动态聚类(PPDC)模型进行优化,将粗糙集理论(RST)与修正的PPDC模型组合运用,对中国沿海地区风暴潮灾害的风险进行综合评估与区域等级划分。实证结果表明:广东和福建两省是中国风暴潮灾害的高风险区,风险评估值超过2.5,山东、浙江、海南和广西属于风暴潮灾害的中风险区,风险评估值处于[1.8,2.2]之间,江苏、天津、辽宁、河北和上海属于风暴潮灾害的低风险区,风险评估值低于1.5。研究结论为国家实施差异化的灾害风险管理战略提供了思路与参考。     

经济波动周期性:基于谱分析的视角

利用谱分析来研究经济周期的文献不多,谱分析从频域角度反应了时间序列周期波动特征的全部信息,并有助于深入地研究各种不同周期的特殊形态及其形成机制,而且对西藏自治区经济周期的研究更是空白.因此,文章选取谱分析方法对西藏1951～2006年的经济波动周期进行实证研究,表明西藏经济发展明显存在长度为2133年的库滋涅茨周期,经济波动受建筑投资波动的影响最大;西藏经济还存在相对较弱的4.92年的基钦周期和10.67年的朱格拉周期,并分析了各种周期的成因.     

中国GDP数据周期性的时间序列分析——基于制度及其变迁的一个解释

文章利用时间序列模型等计量方法,对中国GDP总量序列进行了时间趋势分解并结合实证结果对中国经济的发展周期进行了重新的划分.同时以此为视角,进一步提出了我国经济周期波动的特点;中国经济周期的超制度特征以及转轨期经济波动的新规律.     

我国房地产市场周期波动谱分析及其实证研究

 本文以1998年1月至2009年12月的国房景气指数作为反映房地产市场周期波动的分析指标,针对普通的谱密度分析存在分辨率低的缺点,采用加窗平均周期图谱分析和多次分辨法相结合的方法,将各主周期分量单独分辨出来,并通过对序列进行三角函数拟合来确定各主要周期长度的准确值,发现我国房地产市场自1998年1月以来存在为期36个月的主周期和27个月的次周期波动,且该周期波动与我国房地产政策的周期性是密不可分的。最后,本文根据我国房地产市场的短周期波动特征,分别针对政府管理部门、房地产企业和购房者提出了相应的对策建议。     

干旱——中国农业的大克星

干旱是我国最为严重的农业气象灾害.在我国,每年旱灾损失占各种自然灾害的15％以上,1950-2000年所统计的5项气候灾害(干旱,雨涝,台风,冻害,干热风)中,干旱灾害发生频次约占总灾害频次1/3,为各项灾害之首.自2008年10月以来,一场历史罕见的特大旱灾正在威胁着河南、安徽等我国的粮食主产省份.日前,旱情仍在持续发展,已波及12个省份,致使我国的夏粮生产面临着多年少有的严峻挑战.旱灾成了举国上下关注的焦点.     

中国保险周期与经济周期的测度

文章运用HP滤波方法对我国保险周期与经济周期进行测度,发现保险周期在总体上呈现顺周期特征,但保险业市场波动有其自身特点,波动频率和波动幅度与经济周期波动存在显著差异.这表明我国保险市场波动既受宏观经济环境的影响,也与保险业自身产业政策有关.此外,寿险与财险两大市场的波动性受宏观经济环境的影响并不相同,保险监管部门应始终监测并充分考虑分险种市场的不同波动特征,以提高逆周期监管有效性.     

货币、工资、通货与经济增长周期性波动关系探讨

文章考察了1978～2005年我国经济增长的统计数据,运用H-P滤波方法并概括出我国经济增长周期,其研究结果表明1978～2005年我国经历了三个经济周期.在此基础上,分析了一些经济比率的波动趋势与经济增长的周期性波动的关系.这些经济比率包括货币供应量-收入比、工资-收入比和通货膨胀率.     

中国西部地区经济波动周期分析及长度计算

运用GDP增长率曲线和萨缪尔森模型分析了中国西部地区经济增长的周期波动特征,并计算了该周期的长度。结果表明,改革开放以来,中国西部地区存在着6年左右的小周期,随着时间的推移,经济周期的波动幅度逐渐趋缓,反映出经济发展的稳定性增强。     

我国通货波动特征及其与经济增长关系的实证分析

文章选择CPI时间序列进行建模,运用ARCH模型和基本统计分析方法,研究了我国通货波动的特征,得出以下结论:通货波动周期在48个月左右,外界对通货波动负的作用要大于正的影响效应,我国近年来通货波动不稳定性开始增加以及经济高速增长对通货波动有显著影响而反之却没有。     

基于蒙特卡罗模拟的动态风险管理

文章基于期权交易的真实策略,分析期权价值的路径趋势,并通过蒙特卡罗模拟,从内在价值、时间价值和外在波动率这三个角度来分析期权临近到期日的价值走势.实证结果显示,期权的内在价值和时间价值并非完全无关,随着期权到期日的临近,期权的内在价值和时间价值都会减少;外在波动率和杠杆率都会放大,因此不建议将期权持有至临近到期日.此外,期权市场一个月隐含波动率与历史波动率的比较检验也验证了以上观点.     

济南市物价周期波动的特征

价格作为经济的“晴雨表”,随着经济的周期波动而波动,其周期波动的特征和指数的分析对经济形势的分析和预测,对增强企业市场竞争能力和抗御风险能力,对保持国民经济安全有重要作用。1984至2000年的16年间,是我国进行价格改革的重要时期,我市和全国、全省的发展趋势基本相同,市场物价经历了三次大的周期波动。下面对这三次周期性波动,特别是第三次波动的特征、原因和影响进行分析。     

我国股市协整检验及周期波动

传统的统计方法表明沪深两市股价指数的相关系数为0.983,似乎表明两个市场的内部运行规律是完全一样.然而通过对两个市场进行协整分析,发现两个市场并不是协整的.利用谱分析方法对我国的上海证券市场和深圳证券市场进行周期波动分析,结果表明,两个市场都存在一个周期大约10个月的周期波动,不同的是深圳证券市场还存在一个周期大约为60个月的周期波动,并且两个市场存在一定的领先和滞后关系.     

基于STAR模型的我国出口波动非线性研究

文章采用非线性STAR模型对1991年1季度至2014年3季度我国出口同比增长率数据进行实证分析,研究结果为:(1)我国出口以9.12％的均衡增长率实现在“波动中增长”与“波动中缩减”,此均衡水平与我国首次制定的《对外贸易发展“十二五”规划》10％左右的增长目标相吻合.(2)我国出口波动具有非对称性,且较多年份的出口额增长率位于高转换区域;区域之间转换速度较快,国内外冲击容易导致我国出口增长发生非线性转换,这与我国出口周期特征是一致的.     

基于PMI分解的制造业损失评估

2008年金融危机对我国制造业造成巨大冲击,对危机的影响进行评估对建立科学的危机预防机制具有重要的意义。文章运用X-13A-S模型将我国制造业PMI进行分解,研究各成分在危机期间的波动情况,分析金融危机的动态演变过程并构建本底趋势线进行损失评估,最后划分金融危机的生命周期。结论表明：①X-13A-S模型对指数调整效果较好,长期波动趋势分为三个时期;季节成分波动表现为“三波峰、三波谷”;异常值与危机事件相对应。②全面爆发前期PMI指数损失5.11%,平均损失1.28%,爆发后期指数损失49.31%,平均损失4.11%,本轮危机共损失54.42个百分点。③2008年1月至4月为生成期,2008年5月至12月为全面爆发期,2009年1月至5月为衰退期,2009年6月至8月为消亡期,整个危机持续16个月。④全面爆发时期以8月份为分界点,表现出“前期趋势-循环成分,后期不规则变动”的动态机制。