考虑高维宏观信息的波动率与股票价格预测

为刻画股票价格的非线性动态特征,并充分利用高维宏观经济变量对股价的预测能力,文章基于LSTM模型、LASSO降维和混频模型,研究了高维情形下利用低频宏观经济变量预测高频股价的问题。首先,使用LASSO方法对高维宏观经济变量进行筛选,并进行因子分析提取宏观因子;然后,使用该宏观因子构建混频GARCH-MIDAS模型以预测波动率;最后,以包含宏观经济信息的波动率和通过因子分析降维后的技术指标因子作为特征,输入LSTM神经网络模型来预测上证综指价格。结果表明,LSTM-GARCH-MIDAS模型具有较高的预测精度和良好的适用性。     

顾客满意度的Bayes估计

文章讨论了顾客满意度的Bayes估计模型,给出了在先验分布为未知或为Dirichlet分布情形下的Bayes估计,并且给出了在不同条件下,Dirichlet先验分布的超参数估计。应用顾客满意度的Bayes估计模型进行了实例分析。最后,对顾客满意度的Bayes估计模型的使用范围进行了简洁的论述。     

Box-Cox变换下联合均值与方差模型的极大似然估计

在提出Box-Cox变换下联合均值与方差模型的基础上,研究了该模型参数的估计问题.同时利用截面极大似然估计方法对变换参数λ进行估计,并对均值模型和方差模型的参数进行极大似然估计.通过随机模拟和实例研究,结果表明该模型和方法是有效和可行的.     

面板数据分位回归模型中固定与随机效应的选择

随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差.文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩.通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法.通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题.计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择.     

线性回归模型的后验极大似然估计

与普通最小二乘法相比,线性模型参数的极大似然估计,在一般的条件下也具有很好的性质;而实际中,在进行统计推断之前,我们往往对参数的信息有一定把握。文章将利用参数的先验信息即先验分布,构造了线性模型参数的后验极大似然估计,并在两种先验分布的情形,给出了具体的结果。     

大维变量选择、混频因子模型与新冠肺炎疫情冲击下的GDP现时预测

新冠肺炎疫情不仅对我国宏观经济造成了巨大冲击,也为准确预测我国宏观经济未来走势带来挑战。本文从新冠肺炎疫情冲击出发,将模型置信集检验与U-MIDAS模型组合,设计了一种在混频情形下利用预测变量的异质性波动从大维数据集中选取对GDP具有稳定预测效果变量的方法。通过利用选取出的稳定性变量构建多种形式的混频目标因子模型并与其他类型的混频因子模型对比,全面评估了不同模型在疫情前后对GDP进行高频现时预测的效果。研究发现,在疫情冲击前的平稳时期,利用覆盖范围较广的变量构建双因子MIDAS模型预测效果最优;利用稳定性变量构建的单因子U-MIDAS模型同样具有良好的预测效果。当经济从冲击中持续恢复时,利用部分稳定性变量构建的双因子U-MIDAS模型在捕捉到GDP的核心变化后率先对其连续做出准确的现时预测。经济稳定时,对预测变量设定较长的滞后阶数会提升预测效果;在冲击后的恢复期中则应减少滞后阶数,避免变量在冲击中出现的异常值对预测产生负面影响。本文也为当经济受到巨大外生冲击或处于冲击后的恢复期时其他宏观经济指标的预测提供了有价值的参考。     

外商直接投资与我国进出口贸易关系研究——基于VAR模型的脉冲响应函数和方差分解方法分析

运用基于VAR模型的脉冲响应函数和方差分解法，对我国改革开放以来外商直接投资和进出口贸易之间的长期动态关系进行了动态研究。脉冲响应函数分析结果表明，FDI对我国出口贸易和进口贸易存在长期的促进作用，其中FDI冲击对我国出口贸易有长期平稳的正向效应，对我国进口贸易的长期正向效应则逐期递减；另一方面，出口贸易的冲击对FDI有正向效应而进口贸易的冲击对FDI有负向效应。方差分解的结果表明，FDI对进出口贸易的预测方差以及进出口贸易对FDI的预测方差都有一定的贡献度，显示我国“贸易投资一体化”的局面正逐渐形成。在以上分析基础上，提出相应政策建议。     

基于截集的加权可能性均值-方差模型的应用

文章以随机变量取值为模糊数时基于截集的加权可能性均值、加权可能性方差和加权可能性协方差为研究对象,构建基于模糊数截集的加权可能性均值-方差组合投资模型,并结合我国证券交易市场的具体实例说明该模型的应用价值.最后将基于截集的加权可能性均值-方差组合投资模型与Markowitz均值-方差模型进行对比分析,结果表明该模型是Markowitz均值-方差模型在随机变量取值为模糊数时的合理推广.     

上证综指杠杆效应与非对称ARCH模型选择

文章对上证综合指数的异方差进行了分析,发现呈现显著的"聚集"现象,说明存在ARCH效应:通过非对称ARCH模型族拟合对比分析,非对称CARCH模型能更有效捕捉我国股票市场的暂时的非对称效应,且负面信息冲击比正面信息冲击带来的波动更大;同时该模型中的长期波动率表明,波动率收敛于稳态的速度更快.     

先验信息对MCMC方法估计概化理论方差分量变异量的影响

MCMC是一种动态的蒙特卡洛方法,可以用于估计概化理论的方差分量。MCMC方法估计出的方差分量受限于抽样,不同的抽样样本,所估计的方差分量可能不一样,需要对其变异量进行探讨。文章采用蒙特卡洛(Monte Carlo)数据模拟技术,在正态分布下讨论有无先验信息对MCMC方法估计概化理论方差分量变异量的影响。结果发现,有先验信息的MCMC方法估计方差分量标准误较无先验信息的MCMC方法要精确些,但随着i的样本容量增大,这种趋势减小;有先验信息的MCMC方法和无先验信息的MCMC方法估计方差分量置信区间,随着i的样本容量增大,精确度相当。     

空间滞后模型的贝叶斯估计

本文采用Bayes方法对空间滞后模型进行全面分析。在构建模型的贝叶斯框架时,对模型系数与误差方差分别选取正态先验分布和逆伽玛先验分布,这样以便获得参数的联合后验分布和条件后验分布。在抽样估计时,文章主要使用MCMC方法,同时还设计了一个简单随机游动Metropolis抽样器,以方便从空间权重因子系数的条件后验分布中进行抽样。最后应用所建议的方法进行数值模拟。     

众数回归森林模型及其在收入分配研究中的应用

为解决传统非参数众数回归模型没有考虑解释变量间复杂交互影响的局限，文章将众数回归与机器学习方法相结合，提出了一个新的非参数众数回归模型：众数回归森林模型。该模型一方面充分考虑了各个解释变量之间的交互影响；另一方面采用Bagging技术汇总多个众数回归树的结果，提高了预测性能。数值模拟结果表明：第一，与线性众数回归模型和众数回归树模型相比，众数回归森林模型极大地提高了估计和预测精度；第二，当数据为偏态分布时，众数回归森林模型的估计和预测精度显著优于中位数回归森林和均值回归森林模型。此外，将众数回归森林模型应用于收入分配研究中，得到了与中位数回归森林和均值回归森林模型不同的结果。     

动态指数分布模型的一种预测算法

本文讨论了在动态指数分布模型的情形下,利用随机模拟方法对自然参数ω1和θt之间的非线性关系进行了处理,并对模型参数的修正递推以及未来观测值的预测进行了推导.根据随机模拟方法的相关理论,这种方法比数值分析方法有着更好的预测精度.     

基于小波Mallat算法和异方差模型的人民币汇率预测

文章首先用小波Mallat算法对RMB/JPY汇率一阶差分数据进行了分解和单支重构,并对单支重构后的近似分量和细节分量进行检验,证实存在条件异方差性;然后,对近似分量和细节分量分别建立了条件异方差模型,同时检验了近似分量序列与原始差分序列的"杠杆效应",显示出一致的结论;最后,对各模型的均值和波动率进行了预测,结果显示结合小波后的预测效果要优于传统的预测模型.     

基于正态-Gamma共轭先验分布的贝叶斯AR(p)预测模型

本文系统地分析了AR(P)时间序列模型的数学模型及其条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-Gamma先验分布情况下模型的贝叶斯推断理论,包括模型自回归系数和精度参数后验分布的统计推断、二次损失函数下参数的贝叶斯估计;同时,从统计数学方法上严格地证明了一步超前预测模型的预报分布为t分布.     

宏观经济指标、技术指标与国债期货价格预测——基于随机森林机器学习的实证检验

分别以筛选的4种技术指标和6个宏观经济指标作为国债期货指数预测变量,利用随机森林算法构建4种机器学习预测模型;依据价格波动集聚性设计跟踪交易规则,通过比较4种模型的预测精度和跟踪交易收益率,检验宏观经济指标、技术指标和随机森林算法对国债期货指数的预测能力。研究结果发现:用主成分精选技术指标构建的预测模型,对国债期货指数的跟踪交易收益率虽然明显优于市场收益率,但不如遵循单个技术指标经验交易规则的跟踪交易收益率;用主成分精选技术指标和宏观经济指标构建的模型能够取得很好的预测精度和跟踪交易收益率,这表明宏观经济指标与技术指标都对国债期货价格具有预测意义,可以利用随机森林机器学习算法构建有效的国债期货量化投资模型。     

Logistic模型预测的新思路

预测是Logistic模型的一个重要功能,文章在研究运用对数回归模型进行预测的问题基础上,进一步对Logistic模型在预测过程的由于模型随机项的非正态性、异方差性而引起的问题进行分析研究,研究发现,传统的预测方法会使得预测结果的精度不高,在考虑到模型随机项的存在及其具体特征后,通过分析推导,构造出新的预测思路和方法。     

国债收益率与高频宏观因子——基于非规则混频利率期限结构模型

及时反映金融市场与宏观经济的动态作用机制是大数据时代制定前瞻性货币政策和投资决策分析的关键。重大突发事件增加了动态经济机制的不确定性,有必要挖掘高频信息加以识别。为此,本文提出一种非规则混频宏观利率期限结构（IR-MF-NS）模型,并基于我国国债收益率和宏观经济信息进行检验。研究发现：与传统模型相比,新模型国债收益率的拟合效果有所改善;国债收益率期限结构与宏观经济存在相互作用机制,实体经济活动与斜率因子呈负相关关系,这与我国逆周期监管目标相一致;高频曲度因子对通货膨胀产生显著正向持续性冲击,验证了曲度因子在高频数据中发挥重要作用的结论;经济机制受信息频率影响,低频数据的“平滑效应”使得低频经济机制表现出平稳效果;高频数据因为信息波动产生“反转效应”使得低频机制和高频机制出现背离;受到重大突发事件的冲击后,国债收益率与宏观基本面的联动性出现系统性减弱,期限结构因子的预测方差作用降低,而宏观基本面对国债收益率预测方差的贡献增大。     

人民币汇率波动的数据挖掘分析

文章综合运用ARCH类模型对人民币汇率波动特性进行数据挖掘，在分析样本数据特征之后，文章依次建立了ARMA均值方程、GARCH模型和EGARCH模型。最后得出以下结论：人民币汇率波动存在异方差性、持续性和不对称冲击，其中负冲击将加大波动而正冲击对波动影响轻微。根据所得出的结论本文提出以下政策建议：控制汇率变动的幅度和节奏以及建立完善的汇率衍生品市场。     

大数据背景下网络调查样本的随机森林倾向得分模型推断研究

随着大数据与互联网技术的迅猛发展,网络调查的应用越来越广泛。本文提出网络调查样本的随机森林倾向得分模型推断方法,通过构建若干棵分类决策树组成随机森林,对网络调查样本单元的倾向得分进行估计,从而实现对总体的推断。模拟分析和实证研究结果表明:基于随机森林倾向得分模型的总体均值估计的相对偏差、方差与均方误差均比基于Logistic倾向得分模型的总体均值估计的相对偏差、方差与均方误差小,提出的方法估计效果更好。