不存在布西意义上的测度项目期初投资收益率指标的论证

IRR是评价项目可行与否的重要指标,学界对其经济意义的理解存在歧异.L.E.布西教授证明了IRR测度的是项目未回收投资余额的可回收收益率.依据L.E.布西教授的算法,文章证明了NPVR、NAVR与ERR均非测度项目期初投资收益率的指标,依据这些指标只能从不同视角测度投资项目的项目收益率.     

上证指数收益率的ARCH族模型的实证分析

文章利用ARCH族模型,选取2005～2009年的上证综指日收益率作为对象对我国沪市波动情况进行了实证研究.研究结果表明,我国沪市日收益率序列具有明显的聚集性、波动性、尖峰厚尾的特征,ARCH族模型较好的拟合了上证指数收益率序列.     

项目投资决策评价分析方法

项目投资是财务管理的一项重要内容,是财务管理三项决策中最重要的一项.项目投资涉及时间长、金额大.文章首先对项目投资中常用方法的分析,指出了各种方法之间的矛盾性与依存性,进而提出在不同情况下运用不同的投资决策评价方法,使选择的方案最优.     

中国行业指数收益率与人民币汇率动态联系实证分析

本文在控制了Fama-French三因素以及流动性风险因素基础上。通过人民币汇率与股价的Threshold-GARCH效应检验及基于广义残差GED模型的建立,从行业的角度实证分析中国股市与汇率波动的关系;实证结果表明样本期部分行业存在汇市到股市的价格溢出效应,但价格溢出效应不能反映行业进、出口依存度等特征;同时还检验到行业股指收益存在显著ARCH与GARCH效应,并且具有很强的波动持久性;而且部分行业门限系数显著异于0,表明存在显著的杠杆效应。     

基于ARIMA模型的深证成指收益率分析

文章根据ARIMA(p,d,q)模型的原理和方法,对我国深证成指时数收益率数据进行了建模,在实际计算过程中,考虑到对数收益率数据比较小的特点.利用矩阵的SVD分解和MoorePenrose广义逆,来求解参数的极小最小二乘解,以减少中间过程的误差,从而获得比较好的模型.最后.对模型进行了实验仿真.经检验分析结果比较理想.     

投资项目内部收益率的估计方法

投资项目内部收益率的计算是一个较复杂的问题,本文通过严谨的推理,设计出一个简单而有效的内部收益率的估计和计算方法.     

项目融资动态担保模型研究

文章在对已有文献研究和分析的基础上,归纳出三类银行在项目融资中面临的关键风险,根据某银行3年建设项目贷款数据,运用多元线性回归理论拟合、建立了项目融资动态担保模型.以江苏某污水处理厂项目融资的资料为例,应用模型计算出银行调整担保金的多少,随时保障银行贷款安全.     

基于GARCH模型的股票市场有效性的实证研究

证券市场波动的有效性问题是证券市场研究中的一个重要课题。文章运用时间序列的GARCH模型的推广形式对上证指数股票收益率序列建模,在以往研究的基础上鉴于实际波动情况引入了两个虚拟变量进行刻画,并就股票市场有效性问题进行了实证研究。     

内部收益率的修正及比较

内部收益率作为企业投资或工程项目重要的动态经济评价指标,存在某些不合理之处。文章分析了内部收益率的隐含再投资收益率和潜在多解两大缺陷,结合现有的内部收益率修正方法,提出了修正外部收益率,进一步对比分析了各种内部收益率修正方法,得出了各种修正内部收益率的大小关系,发现内部收益率和各种修正内部收益率在评价单个项目时具有一致性。     

论投资项目经济评价理论中的误区

本文从理论和实际应用的角度证明了IRR不符合边际收益的经济含义,只有净现值率NPVR和投资净收益率N/K符合边际收益的经济含义.这也从理论上解释了在资金约束不切割项目时,使用IRR排序不能保证所选项目组合最优的原因.因此,使用除NPVR或N/K外的指标排序选优均缺乏理论依据,在实际应用中只能是一种近似方法.     

家庭收入跨地区比较的潜变量分析

针对居民家庭消费与社会经济状况调查中户主自报的家庭固定收入可信程度差以及不同地区的不可比问题,利用陕西省2008年第四次国家卫生服务调查数据,将自报的家庭收入作为不能准确测量的潜变量,运用DIHOPIT模型确定反映家庭收入高低的指示变量,通过不同地区共同的指示变量,用相同或近似的指示变量作为截断点评价不同地区家庭收入的差别。用陕西省城乡6个县(区)的调查数据拟合模型,发现在众多的指示变量中,"电话类型"为5个县(区)共同指示变量,同时也发现部分指示变量在部分调查县(区)缺乏效度,需要在今后的调查问卷条目设计时做适当调整和补充。     

时间数列分析中的加法模型与乘法模型

文章通过实例说明了时间数列分析中加法模型的应用,纠正了一些统计学教材上常见的错误认识和模型的错误使用,对统计教材中统计方法的系统化起到了一定的作用。     

基于趋势外推模型和灰色系统模型的深圳保费收入总量预测

全国及各地区正在开展保险业＂十二五＂规划工作,保费收入总量是常用的指标之一。本文分别利用趋势外推模型和灰色系统模型对深圳保费收入总量进行预测,并比较两种模型的拟合精度,得出2010-2015年深圳保费收入总量预测结果,并提出了实现目标的建议,希望能为保险业预测工作提供一些参考方法。     

也谈中国钢铁工业供需机制的动态分析

 摘　　要:自1996年以来，中国钢铁工业在世界舞台上扮演着日益重要的角色，受到各界人士的密切关注。因此，研究中国钢铁工业近些年的发展轨迹，探寻产业内部特征与经济外部环境对我国钢铁工业供给与需求的影响结构，对于我国乃至世界钢铁工业的发展前景均有着重要的参考价值。本文在总结分析相关研究文献的基础上，尝试运用适当的统计、计量经济方法与模型，对中国钢铁工业的供需机制展开定量研究，改进和弥补已有研究存在的不足与缺陷，得出了具有一定理论与实践价值的结论 。     

因子分析模型L及其解是更好的

本文应用因子分析模型L及其解,求出了经典因子分析模型中公因子载荷、公因子、特殊因子的精确解,解决了经典因子分析模型和理论存在的9个问题,进一步,指出了经典因子分析模型及其解根本的局限性问题：公因子解没有排除观测误差的干扰,不能达到降维的目的等。而理论和实证上,因子分析模型L及其解解决了这些问题,即因子分析模型L及其解是更好的,其为因子分析正确模型、理论和方法的使用,为因子分析法的发展建立了精确解的理论基础。同时,本文给出了因子分析法的应用建议,提出了需要进一步研究的一些相关问题。     

The Dynamic Model for Cancer Relapse Based on Two-Stage Model of Carcinogenesis

In this article, the time from the start of chemotherapy randomization until cancer relapse is of primary interest. Here, cancer relapse refers to the appearance of the first observable malignant clone after therapy. A dynamic model for cancer relapse after chemotherapy is developed. The model differs from the traditional cure rate models in that it takes into consideration the growth kinetics of malignant tumors using a two-stage carcinogenesis model. The survival and hazard functions for cancer relapse time are derived, and a simulation study is performed to validate the underlying model.     

因子分析精确模型的基本思想与方法

文章从统计思想、等价性的方法入手,给出了初始因子分析精确模型及解、因子分析精确模型及解、主成分分析与因子分析的关系式等结论。从基本思想、方法上完善了因子分析精确模型和理论。     

非正态分布下具有自回归误差项的空间自回归模型变量选择研究

将变量选择引入空间计量模型,讨论具有自回归误差项的空间自回归模型的变量选择问题。在残差非正态独立同分布的条件下,通过最大化信息熵,提出空间信息准则,并证明其在该模型变量选择中具有一致性。模拟研究结果表明:无论对单个系数还是对全部系数,空间信息准则都能很好识别,且与经典的赤池准则相比具有较大的优势。因此,空间信息准则是一种更为有效的变量选择方法。     

HT模型在健康人力资本对个人收入影响中的应用研究

由于在收入—健康模型中健康具有内生性,导致OLS估计结果有偏,但目前国内对此问题研究不足。采用HT模型,在有效控制健康等变量的内生性后,分析健康人力资本对个人收入的影响。通过比较发现：HT模型是比传统的FE模型更为有效的模型,能够更为精确地反映健康对个人收入的影响。     

The Gaussian Mixture Dynamic Conditional Correlation Model: Parameter Estimation,Value at Risk Calculation,and Portfolio Selection

A multivariate generalized autoregressive conditional heteroscedasticity model with dynamic conditional correlations is proposed, in which the individual conditional volatilities follow exponential generalized autoregressive conditional heteroscedasticity models and the standardized innovations follow a mixture of Gaussian distributions. Inference on the model parameters and prediction of future volatilities are addressed by both maximum likelihood and Bayesian estimation methods. Estimation of the Value at Risk of a given portfolio and selection of optimal portfolios under the proposed specification are addressed. The good performance of the proposed methodology is illustrated via Monte Carlo experiments and the analysis of the daily closing prices of the Dow Jones and NASDAQ indexes.