CAPM基于中国股票市场的动态实证检验

动态性检验证明,我国的市场处于不断的有效化的过程中。本次检验的结果证实了CAPM模型在中国的股票市场是趋向于有效的,这为以后对股票进行估计,并以此为依据进行投资,套期保值等活动提供了实证方面的支持。     

金融机构系统性风险溢出和系统性风险贡献——基于滚动窗口动态Copula模型双时变相依视角

本文以33家上市金融机构为研究样本,利用滚动窗口动态Copula模型对金融机构与金融系统之间相依关系的时变结构与时变系数进行双时变拟合,测度了金融机构的系统性风险溢出和贡献,从宏观、行业和机构层面分析了系统性风险贡献的影响因素。研究发现：证券类机构贡献了最多的系统性风险,而银行类机构对整个金融系统最具有潜在威胁性;金融机构与金融系统的相依结构决定了机构风险的外溢程度,而金融机构与金融系统之间相依程度以及系统自身波动性会显著影响整个系统的系统性风险;中国金融风险与财政风险之间存在相互转换的现象,化解系统性风险的根本办法是不断改善金融生态环境。本文可能的贡献有两点：第一,建立具有双时变特征的滚动窗口动态Copula模型,使模型设定和估计结果更接近真实情形;第二,从宏观、行业、机构三个层面分析机构系统性风险贡献的影响因素,这有助于从系统性风险产生的源头进行风险防控,供监管部门决策参考。     

我国宏观审慎政策规则确立与传导路径研究——基于内生银行破产机制的BGG-DSGE模型

金融危机爆发以来,传统的金融监管方式难以为继,世界各国纷纷进行监管改革。在这一背景下,宏观审慎政策成为政策制定者和学者所关注的焦点。本文首先在BGGDSGE模型的基础上内生银行破产机制,构建银行业系统性风险的刻画指标,而后在经典的福利损失函数中引入系统性风险因素,确立了宏观审慎政策规则,最后通过脉冲响应函数模拟演绎传导路径和政策搭配等问题,得到如下结论:第一,以动态资本充足率和贷款价值比(LTV)为核心的宏观审慎监管体系应以产出缺口和信贷量为信号源,宏观审慎的货币政策规则中应盯住信贷量指标,同时资本资产价格也适合作为参考变量;第二,宏观审慎的货币政策与宏观审慎监管都具有维护金融稳定的作用,但作为常备政策,宏观审慎监管要优于宏观审慎的货币政策;第三,识别经济周期波动的驱动因素是确立宏观审慎政策规则、使政策更有效地传导到实体经济并发挥风险防控作用的根本问题。第四,联合使用两类宏观审慎政策时,合理确立政策规则系数可以增强政策的正向外溢效果,但政策的搭配强度却不易把控。为防止政策错搭引起效果干扰问题,可在常规时段仅采用宏观审慎监管,当风险较高时再联合使用两类政策以实现金融稳定。     

中国股票市场可预测性研究：基于机器学习的视角

股市风险溢价是金融学中的一个经典研究问题.常见的线性模型存在着模型误设和参数不稳定的问题，难以有效预测风险溢价.本研究从机器学习的视角重新检视了中国股票市场的可预测性.基于1996年1月—2019年12月的数据，构建提升回归树(boosting regression trees, BRT)模型对股市收益率与波动率进行样本外预测，并构建了最优风险资产配置模型.实证结果显示：1)提升回归树方法能够对收益率、波动率和最优风险资产权重做出准确预测；2)在收益率预测中最重要的三个变量分别是净权益增加值、换手率和股价方差；挖掘预测变量之间的非线性关系是BRT预测能力的来源；3)结合提升回归树预测构建的最优风险资产组合可以为投资者带来更高的收益和效用.本研究将机器学习方法引入股票市场风险溢价的研究，为此问题的研究提供了全新的视角.     

数字经济促进制造业高质量发展了吗？——基于省级面板数据和机器学习模型的实证分析

基于201 2—201 9年全国30个省份的面板数据,利用熵值法测度了地区数字经济水平和制造业高质量发展水平,并从人力资本投资、企业创新能力两个角度构建中介效应模型,探究了数字经济对制造业高质量发展的影响路径。利用机器学习模型研究了数字经济对制造业高质量发展的“非线性溢出效应”。结论：全国数字经济和制造业高质量发展水平逐年上升;数字经济通过增加人力资本投资、提高企业创新能力促进制造业高质量发展;数字经济对制造业高质量发展的影响存在地区异质性;数字经济对制造业高质量发展影响存在非线性趋势。     

基于动态因子Copula模型的行业间系统性风险分析

国际金融市场间的相关关系以及系统性风险受到很多学者的重视,本文则以我国股市的行业指数作为研究对象进行实证研究。通过构建动态因子Copula模型,文章对行业的日收益率数据进行了动态相关性分析,并基于风险预期占比度量了我国行业之间系统性风险的溢出效应。本文分析了2006年1月4日至2016年7月1日的28个行业指数数据,基于GAS动态负荷因子的变化路径来刻画其相关关系,通过风险预期占比来研究行业间的风险溢出效应。研究表明,各个行业指数收益率之间存在较强的关联性。就单个行业来说,化工行业与其他行业关系最为不稳定。就金融与非金融行业而言,金融行业对非金融行业的影响较大且较为平稳。本文所得研究结果可以为投资者和风险管理者在进行决策时提供一定的指导。     

基于CAPM的BOT项目特许期的计算模型

BOT项目的特许期是项目特许权协议中的重要内容。文献[1]和文献[2]提出了BOT项目特许期的计算模型,本文针对文献[1]和文献[2]的计算模型中贴现率取值仅考虑银行贷款利率和通货膨胀率两方面的影响因素而存在的缺陷,提出了基于CAPM资本资产定价模型的BOT项目特许期的改进计算模型,为科学合理的确定BOT项目的特许期提供了理论基础。     

基于动态相关性的我国银行系统性风险度量研究

本文以银行股票收益率的动态相关性作为银行业系统性传染风险的市场衡量指标,采用多元GARCH-BEKK模型对我国上市银行自1999-2010年间的动态相关系数进行测算,并应用Markov区制转换模型对系统性风险状态进行识别和判断,研究表明,银行股票收益率的动态相关系数可以作为监测系统性风险的一项有效市场指标,结合Markov区制转换模型可以很好的判断整体系统性风险的变化,识别出高风险状态,为系统性风险的监测提供一定预警和防范作用。     

基于动态Panel Data模型的上市公司区域治理效率研究

本文在中国大陆地区910家上市公司样本数据基础上,利用动态Panel Data模型对中国上市公司地区治理效率进行了实证研究.我们发现,中国上市公司的治理效率在不同的区域之间存在着较大的差异.本文认为,造成上市公司治理效率存在地区性差异的主要原因是由于我国各地区在市场化进程中出现的地区发展差异,上市公司治理效率的地区性差异是我国证券市场的一个重要特征,把握这个特征对制定和完善具有针对性的上市公司治理法规和政策有着积极的意义.     

基于动态线性混合模型的居民消费行为研究

针对居民消费行为中存在的地区差异和时间因子影响的研究,本文采用更一般形式的动态线性混合模型来进行建模,对其参数估计及其有关性质进行了讨论,采用Monte carlo模拟说明了几种估计量的优良性和不同估计量之间的差异,最后我们采用此模型对我国居民消费行为进行了实证研究,并对所建议模型如解释能力和预测能力等进行了对比分析,最后提出改善居民消费结构的建议.     

基于公众偏好大数据分析的大群体应急决策质量动态演化研究

针对突发事件大群体应急决策质量及其影响因素的问题,探讨了公众参与视角下突发事件演化的全生命周期,以及各阶段下公众风险感知对应急决策质量的影响,并以“8·12天津港爆炸”为背景案例进行分析。首先,阐述了公众偏好大数据的获取及处理方式,并以此对“8·12天津港爆炸”案例的公众偏好大数据进行预处理和可视化;其次,通过TF-IDF算法提取并量化公众风险感知,建立大群体应急决策质量打分函数,衡量不同阶段的应急决策质量;最后,基于“8·12天津港爆炸”案例的微博数据进行大群体应急决策质量的动态演化分析,得出研究结论和启示。实证表明,所提的模型与方法具有较新颖的研究视角,能够为大数据背景下的应急响应和政府决策提供理论支持和方法辅助。     

基于动态规划的信息系统项目开发进度风险控制

本文从信息系统项目整体角度出发,应用动态规划的方法,对其开发进度风险控制问题进行了研究,为项目每个阶段如何消除进度风险提供了决策的依据.     

基于双曲线记忆HYGARCH模型的动态风险VaR测度能力研究

本文针对金融市场的典型事实特征,运用自回归分数移动平均(Fractional Integrated Autoregressive Moving Average,ARFIMA)模型与双曲线记忆广义自回归条件异方差模型(Hyperbolic Memory Generalized Autoregressive Conditional Heteroscedasticity,HYGARCH)模型、分数协整非对称自回归条件异方差(Fractional Integrated Asymmetric Power Autoregressive Conditional Heteroscedasticity,FIAPARCH)模型和分数协整指数广义自回归条件异方差(Fractional Integrated Exponential Generalized Autoregressive Conditional Heteroscedasticity,FIEGARCH)模型结合,并运用有偏学生t分布(Skew Student t Distribution,SKST)来捕获金融收益分布形态,以此开展动态风险测度研究,进而运用返回测试(Back-Testing)中的似然比率测试(Likelihood Ratio Test,LRT)和动态分位数回归(Dynamic Quantile Regression,DQR)方法对风险模型的准确性与精度进行联合检验。通过实证研究,得到了一些非常有价值的实证结论:ARFIMA(1,d,1)-FIAPARCH(1,d,1)-SKST模型与ARFIMA(1,d,1)-HYGARCH(1,d,1)-SKST模型均表现出卓越的风险测度能力,但没有绝对优劣之分;ARFIMA(1,d,1)-FIEGARCH(1,d,1)-SKST模型在成熟市场的表现能力差强人意;本文引入的所有风险模型在中国大陆沪、深股市表现优越且没有实质性差异。     

基于改进教学式方法的可解释信用风险评价模型构建

信用风险评价是金融机构风险防控的重要环节之一。近年来,基于机器学习的信用风险评价模型以其准确的预测效果受到越来越多的关注,但机器学习模型具有可解释性不强的弊端,导致投资者无法完全信任其预测结果。针对上述问题,本文提出了一种改进的教学式方法,利用机器学习模型指导生成一个兼顾准确性与可解释性的信用风险评价决策树模型,以辅助投资者决策。为提高决策树对机器学习模型中正确功能的学习能力,提出了基于Weight Synthetic Minority Over-sampling Technique(Weight-SMOTE)的伪数据集生成方法,以提高伪数据集中可信度高的功能所标记的伪样本比例;为实现所生成的决策树在准确性、可解释性以及其与机器学习模型一致性间的有效权衡,在决策树生成过程中提出了一种新的决策树剪枝方法;同时针对保真度评价指标的局限性,提出了真保真度评价指标,来有效的衡量决策树与机器学习模型正确功能的近似程度。最后使用3个真实信用风险评价数据集对改进的教学式方法进行验证,实验结果表明所提出方法能够生成准确且可解释的信用风险评价模型,以满足投资者的决策偏好与实际需求。     

基于大数据理念的金融管理体系构建策略分析

大数据在现今的金融管理体系中发挥着至关重要的作用。随着经济社会的快速发展,传统的金融管理体系已经无法满足当今社会的发展需求,大数据技术正逐步成为新一代信息管理体系的核心技术。因此,对于管理者来说,利用大数据技术完善金融管理体系的构建至关重要。本文基于大数据背景,探讨如何依靠大数据理念构建有效的金融管理体系,为未来金融管理提供有价值的帮助。     

基于多分形理论的动态VaR预测模型研究

经济物理学(econophysics)的大量研究表明,金融市场的波动具有复杂的多分形(multifractal)特征,因此准确地测度和预测市场波动,对金融风险管理工作的意义重大。在已有多分形波动率(multifractal volatility)测度及其模型应用基础上,以上证综指10年的高频数据为对象,提出了基于多分形波动率的样本外动态风险价值(out-of-sample dynamic VaR)预测法。通过两种规范的后验分析(backtesting)结果表明,与8种主流的线性和非线性GARCH族模型相比,在高风险水平上,基于多分形波动率测度的VaR模型明显具有更高的样本外动态风险预测精度。     

黄金是股票市场的“避险天堂”吗？——基于动态条件相关混频数据抽样模型

本文提出一种新的衡量黄金避险功能的指标。基于动态条件相关混频数据抽样模型,就1991—2019年黄金对股票市场的避险作用进行再检验,结果显示,国际黄金总体上未表现出对美国股票市场的避险作用,相对比的,中国黄金对于国内股票市场表现出有效的避险功能。进而分析国际黄金避险功能不足的原因,改进动态条件相关混频数据抽样模型,由固定参数拓展为有限可变参数,研究发现,指数投资导致的黄金期货市场投机程度相对下降是黄金避险功能不足的根本原因。指数投资使黄金货币属性弱化,金融属性主导价格走势,此时较高的货币流动性紧缩会促使黄金与其他金融资产被一同变现卖出,从而导致黄金不能在危机时期表现出避险作用。     

大数据联盟成员间数据资源共享动态演化博弈模型研究——基于共享积极性视角

为促进大数据联盟成员共享积极性由"倒U"型曲线向"S"型曲线转变,提高联盟运行的稳定性,引入"机会主义共享"策略,丰富传统演化博弈策略集,更加全面地反映出不同积极性状态下大数据联盟共享行为,构建了具备"不共享-机会主义共享-共享"策略集的大数据联盟数据资源共享动态演化博弈模型,揭示了联盟成员在积极和消极状态下的演化博弈行为。并在此基础上通过MATLAB模拟大数据联盟成员间共享博弈演化路径,分析出影响大数据联盟成员共享积极性的关键因素。结果表明,社会惩罚系数对联盟成员选择共享策略具有正向影响,投机收益系数对联盟成员选择共享策略具有负向影响,而提高共享积极程度有利于联盟成员由消极共享状态向积极共享状态的转变。