本期导读

抽样技术领域中估计量的稳健性问题始终受到广泛关注。基于模型推断方法思想是假设有限总体是某个超总体或者某个概率分布的一次随机实现,估计量是基于这个超总体模型作出的。有限总     

本期导读

虚拟经济的运行具有很大的不确定性,虚拟经济的轻微波动有可能对实体经济造成较大影响,甚至会引发经济危机。《虚拟经济运行景气监测指标体系的设计》一文,借鉴现有的虚拟经济运行景气监测文献,分别从虚拟经济运行的资本供需、市场活跃度即市场流动性规模与结构、虚拟经济波动性三个方面构建虚拟经济景气监测指标体系,并运用时差相关分析方法将该指标体系分为先行、一致、滞后三个指     

本期导读

《大数据时代统计学的重构与创新》一文集中介绍了多位顶尖统计学家在大数据研究方面的新进展,内容涉及大数据背景下统计学理论框架的重构,统计学利用大数据在基因学、天文学、宇宙学、流行病学、经济金融学、生命科学和工程学等领域中的应用,以及大数据人才培养问题等。中国国民储蓄率一直高居不下,学者对高储蓄问题的研究主要     

本期导读

在组数据情况下对基尼系数按收入来源分解长期以来没有得到较好地解决,通过基尼系数的线性表述,《基尼系数按收入来源分解的一种新方法》一文提出了一种有效的解决方案,     

基于高频数据的市场有效性研究

本文利用上海证券市场高频数据,用方差比方法研究了金融市场有效性问题.研究表明,上证综指不服从随机游走,收益存在正相关,相关程度的变化呈现周期性,同时市场存在显著的异步交易现象,方差比统计量在较长的滞后期内呈显著的振荡衰减特性.     

基于高频数据的赋权已实现极差β估计量的构建

大量的文献研究表明系统风险系数β随时间的改变而改变。文章采用高频金融数据,通过赋权已实现极差方差和赋权已实现极差协方差来度量市场收益的方差和股票收益与市场收益的协方差,构建了赋权已实现极差β估计量,对系统风险系数β进行了研究。实证研究证明,中国股票市场中的系统风险系数β随着时间的改变而改变,具有较高的偏度和峰度,其分布均不符合正态分布。     

本期导读

统计数据生产的国际准则是现行宏观经济统计国际准则体系的核心,其对宏观经济统计具有规范和指导作用。《统计数据生产国际准则的比较及启示》一文,在分析统计数据生产国际准则的基础     

本期导读

随着市场经济的发展,股票、债券、基金、期货、金融衍生品等虚拟资本的交易活动在国民经济活动中的比重逐步扩大,但目前在理论方面尚没有关于虚拟经济的统计核算的系统研究,<虚拟经济统计核算体系的构建>一文对此进行了理论上的探讨     

本期导读

目前,数据校正领域的研究重点多放在如何根据传统模型选择高效的全局解搜索方法,以节省计算时间和提高搜索全局最优解的成功率,而对传统模型的校正性能很少做定量分析。文章《两种数据校正模型性能的统计特征分析与比较》,在综合考虑各种影响因素的情况下,提出了将平衡     

本期导读

协动性是研究经济波动特征的一个重要方面。通常采用相关系数来刻画经济变量间的同步性特征。但作者在《一种测度数据序列协动性的同步系数法》一文中,分析了利用相关系数法测     

本期导读

随着我国市场经济体制改革的深化和资本市场的快速发展,社会各方对公司财务困境预测研究的需求也日益迫切,亟待通过较完善的预测方法建立起有效的财务状况预警机制。《基于贝叶斯网     

基于高频数据的市场价格久期集聚特征分析

在金融高频数据中,价格久期反映了交易者的交易策略,从时间维度反映了信息的传导过程。文章采用股票交易的分笔数据,在自回归条件久期模型中引入信息交易特征变量:交易强度、每笔平均交易量和百分比买卖价差,分析价格久期集聚特征与市场信息交易之间的关系。     

基于BP神经网络的股指收益率预测研究——以高频数据为样本

高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域。目前,国内学者利用年、月、日等低频数据对股票市场的收益率进行了很多的研究,但是以日内高频数据为基础的研究还不多见。如何较准确地预测基于高频数据的股票收益率是进一步深入研究金融市场的基础,论文采用数据挖掘中的BP神经网络对沪深300指数高频数据中的日内收益率进行建模与预测。结果表明：神经网络模型对股票高频数据的日内收益率具有很强的预测能力。     

自回归条件持续期(ACD)模型研究

本文介绍了关于在高频金融计量经济学中时间序列的自回归条件持续期模型,并综合目前的几种研究方法,对其应用现状作了简要的概述.     

高维厚尾金融数据协方差阵的统计估计及应用

近年来,关于高维协方差阵估计的研究大多是在正态分布的假定下进行的,少有研究考虑金融数据的厚尾特征对协方差阵估计的影响。在提出新方法估计厚尾金融海量数据协方差阵的基础上,先引入乔列斯基分解法,将复杂的协方差阵估计问题转化为一系列的回归模型;再在回归模型的估计过程中引入RA-Lasso方法,使其在解决维数诅咒的同时,还考虑由于数据的厚尾特征而引起的估计偏差问题;通过模拟和实证研究发现,新的方法明显提高了协方差阵的估计效率,并且使投资者获得了更高的收益。     

中国股票市场金融持续时间的统计特征挖掘

文章基于日内交易数据,全面考察了金融持续时间的描述统计规律和分布特征;关注了与日内交易活动密切相关的交易持续时间、价格持续时间和成交量持续时间这几个特征变量的描述统计与无条件分布特征;将金融持续时间分为交易持续时间、价格持续时间和成交量持续时间进行了深入细致的研究.     

基于高频数据的金融波动率模型

金融高频数据和金融波动率是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动率估计量——已实现双幂次变差进行了建模和预测。已实现双幂次变差无模型、计算简便,在一定条件下是金融波动率的无偏估计量,并且具有稳健性和有效性。通过用上证综指对已实现双幂次变差进行ARFIMA建模,发现中国股票市场的上证综指已实现双幂次变差时间序列具有长记忆性。     

市场过度波动性:行为金融学的解释

文章介绍了与股票市场收益异常波动相关的泡沫理论,反馈交易行为,股票收益的动量和反转等市场现象.说明由于投资者的非理性交易行为导致了股票收益的自相关,而收益序列的长程相关性引起了异常扩散,由于扩散的方差大于标准布朗运动的方差,造成收益概率密度函数的厚尾现象,用理性交易者和非理性交易者共存的市场模型,可以给以上现象一个一致和完备的解释.     

中国股票市场波动率模型预测效果的实证检验

文章首先在已实现波动和多重分形波动率的基础上提出了一种改进的波动率测度,即已实现多分形波动率测度.其次,以上证综指2008年1月2日至2012年12月31日一分钟高频数据为样本,构造了7种常用的基于高频金融序列的波动率测度,并分别采用ARMA和ARFIMA模型对波动率进行建模和预测.最后通过使用统计自举方法与模型置信度设定(MCS)检验相结合的方法,对各种波动率模型预测效果进行了检验.检测的结果证实已实现多重分形波动率预测模型的预测效果明显优于其他模型.