基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆（LSTM）神经网络相结合，构建金融时间序列数据预测模型，以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时，以道琼斯工业指数日收盘价为例，探究LSTM神经网络对实际金融时间序列数据的预测能力，比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度，能够有效预测金融时间序列数据的长短期动态变化趋势，说明了其对金融时间序列数据预测的适用性与有效性。此外，对金融时间序列数据进行小波分解与重构，可有效提高LSTM预测模型的泛化能力，以及对长短期动态趋势的预测精度。     

基于混合分布的中国股票波动风险因素的识别与分析

论文用GARCH模型描述股票的波动特性，应用混合分布对中国上市公司按照股票波动特性进行分组，发现中国上市公司的波动特性可以被分为4个子总体。其中，子总体1主要包含表现异常的公司股票，其他三个子总体的参数向量的相关性相似，风险大小不同。应用列联表法分析和多元logistic模型统计分析发现，非国有股权分散公司、制造业公司相对偏向低风险公司，社会服务业、房地产公司相对偏向高风险公司，制造业的公司（股票）波动的持续性相对较低。混合分布是对股票特性进行分组的良好工具。     

Artificial Neural Network Models for Pricing Initial Public Offerings

In recent times, managerial applications of neural networks, especially in the area of financial services, has received considerable attention. In this paper, neural network models are developed for a new application: the pricing of Initial Public Offerings (IPOs). Previous empirical studies provide consistent evidence of considerable inefficiency in the pricing of new issues. Neural network models using publicly available financial data as inputs are developed to price IPOs. The pricing performance and the economic benefits of the neural network models are evaluated. Significant economic gains are documented with neural networks. Several tests to establish generalizability and robustness of the results are conducted.     

金融网络下投资组合风险及最优规模研究

从资本市场互联的网络角度,讨论金融资产组合优化与均衡规模问题. 在金融资产与负 债非平衡条件下,给出单个部门的投资规模、投资风险控制模型. 从金融网络角度,分析多部门 间金融工具的均衡问题,建立描述系统均衡规模、均衡价格的模型. 并在不同投资效用函数下, 求解单个部门及多部门模型的最优解.     

Corporate governance as custodianship of the business model

Recently businesses have been encouraged to discuss their business models in their annual reports as a means of communicating their future intentions to readers of their financial statements. At the same time, corporate governance has continued to be a focus of attention. In this paper we set out the view that a useful way of regarding corporate governance is that of custodianship of the business model—by which we mean that the directors are responsible for sustaining and developing a company’s business model. A comparison of corporate governance and the activities required to sustain and develop the business model shows them to be essentially the same. A business model view has the advantage that it unifies the compliance and monitoring aspects of governance with the advisory and strategy-setting roles of directors, roles that have sometimes been seen as conflicting. Viewing corporate governance from a business model perspective highlights aspects of board responsibilities that are not explicitly recognised in the UK Corporate Governance Code and may have been neglected in the prevailing emphasis on compliance, but which are intimately connected to both network relationships and corporate culture which are now becoming a source of concern.     

Predicting corporate failure— Some results for the UK corporate sector

A large number of authors have developed statistical models, which are based solely on conventional financial ratios constructed from published accounting data, with the aim of predicting corporate failure as evidenced by the event of ‘bankruptcy’. The purpose of this paper is to report some empirical results for a study of the UK corporate sector in which corporate failure is predicted employing a statistical model which incorporates both conventional accounting ratios and a number of new variables which are not derived from profit and loss accounts and balance sheet items, but which are computed from annual company reports and accounts. The empirical results suggesting that our new variables enhance the predictive power of models which employ conventional financial ratios only.     

房地产价格波动的微观传导效应研究——基于融资约束的视角

本文利用全国各省区及七十个大中城市房地产价格数据,匹配以上市公司的房屋和土地使用权数据,从微观层面考察融资约束在房地产价格传导机制中所发挥的作用及其经济后果.本文研究表明房地产价格波动对我国企业融资和投资行为具有显著的传导效应,其效应扩散程度主要取决于企业的融资约束状况,当企业所拥有的房地产价值上涨时,融资约束程度高的企业外部债务融资更多,具有更高的投资水平,表现出更强的过度投资倾向.本文进一步考察传导效应的资源配置后果,发现企业的绩效并未有实质性的改善,说明抵押资产价格传导效应可能存在负面经济后果.本文还发现,随着房地产价格的波动,融资约束程度高的企业也体现出更大的投资波动幅度,这说明融资约束有可能放大经济周期性波动程度,证实了Kiyotaki和Moore(1997)的理论推断.     

股票收益随机波动模型研究

通过对金融资产时间序列数据特点的分析,指出GARCH模型在描述金融资产时序数据的局限,尝试用随机波动模型刻画股票收益的波动规律,采用GMM方法估计模型参数,并以上海证券交易所综合指数日收益率数据为样本,对沪市指数收益波动进行实证研究,探讨涨跌停板制度对股市波动的作用。     

可转换债券市场异常现象的理论研究——基于委托代理问题的资产定价模型

本文旨在研究可转债市场中理论定价和市场定价的偏离问题,通过将公司代理成本融入规范的资产定价模型,得到基于代理的可转债定价模型,证明结合代理成本的可转债定价模型能够很好地解释可转债市场价格和所谓的"理论价格"之间的偏差现象.本文还运用数值分析方法检验分析理论模型的预测结果,得到可转换债券的"微笑现象",与实证研究结果相吻合.     

资产价格泡沫何时发生崩溃？——基于LPPL模型的在中国金融市场上的有效性检验

本研究基于对数周期幂律模型LPPL（Log Periodic Power Law Model），针对金融时间序列将一维价格波动翻译成反映市场泡沫微观结构的多维变量。通过对多维变量的动态监测，把握市场中泡沫的演变并预测泡沫破裂的临界点，从而有效降低或防范金融资产泡沫破裂所导致的风险。为检验LPPL模型在中国金融市场中的适用性，本文分别使用上证综指、四个期货连续合约以及两支个股检验模型效果。实证结果表明当金融资产价格序列呈现超指数加速震荡上升或下降时，该模型能获得稳定的估计效果，有效预测泡沫破裂临界时点。     

基于异质价格信念的金融资产泡沫形成机制

假设风险资产未来价格变化由其过去价格变化外推形成,基于现金流股息冲击提出一个新的资产价格泡沫模型研究金融资产泡沫形成机制、提炼其内在特征、获得金融市场稳定发展的相关启示。假设异质价格信念投资者具有常绝对风险规避效用偏好,基于期望效用模型获得基本面投资者和外推型投资者的最优风险资产需求函数;进一步,假设外推型投资者在资产交易过程中部分关注风险资产基本价值,修正其最优风险资产需求函数,在市场出清状态下获得资产价格泡沫模型;基于模型参数设定模拟金融资产泡沫形成机制,并结合金融市场证据分析其内在特征;最后,从投资者异质性和无风险资产收益率层面设定参数值对比讨论影响金融资产泡沫强弱程度的因素。结果表明：在正的现金流股息冲击下,外推交易行为导致金融资产泡沫,且具有滞后性;金融资产泡沫具有典型的三阶段特征,量价齐升是金融资产泡沫产生的显著标志;无风险资产供给是金融资产泡沫的抑制器;投资者结构及其价格信念差异与金融资产泡沫的强弱程度密切相关。研究不但为金融资产泡沫形成机制提供了一个分析框架,而且为金融市场稳定发展提出相关决策参考。     

企业投资决策同伴效应及其特征的实证检验——基于中国上市公司的面板数据

企业投资的同伴效应是指企业的投资行为受到其参照组内同伴投资的影响。为解决识别同伴效应时面临的参照组有效性问题以及企业决策互相影响的联立性问题，本文选择跨区域的同行业企业作为同伴企业，首次构建了同伴企业的同区域跨行业企业的投资均值作为工具变量，基于2008-2015年中国上市公司的面板数据，实证检验了上市企业投资决策的同伴效应。结果表明，中国上市企业投资决策受到跨区域同行业的同伴企业投资显著正向影响，且这种同伴效应在增减变动方向上具有不对称性和乘数效应的基本特征。本文拓展和深化了企业财务决策同伴效应的现有研究，并有助于投资者与监管部门理解同伴效应的放大作用。     

利益相关者关系与企业财务绩效的实证研究——基于中国房地产上市公司的面板数据分析

本文采用2002-2008年中国26家房地产上市公司的面板数据,通过面板数据单位根检验、协整检验和误差修正模型,对利益相关者关系与企业财务绩效之间的长期和短期关系进行了实证研究。研究结果表明:利益相关者关系与企业财务绩效之间存在长期和短期均衡关系,企业应在不同时期对各利益相关者采取差异化管理策略,满足他们各自的利益需求,与利益相关者建立良好的关系,这是提升企业财务绩效的关键。     

融资融券对上市公司治理影响的研究

以融资融券机制推出为背景, 运用我国内地A股市场上市公司为样本, 研究了融资融券对上市公司治理水平的影响.回归结果显示, 成为融资融券标的后, 上市公司高管离职与高管薪酬对于公司绩效的黏性均有提高, 表明融资融券可以作为外部公司治理机制.机制检验显示融资融券是通过促进公司信息释放而提升公司治理水平的.进一步分析显示, 当公司面临行业竞争压力较小或面临财务约束时, 融资融券对于公司治理的促进作用更加明显.最后, 将融资和融券分开分析, 发现融资机制和融券机制均对公司治理有提升作用.证明了融资融券机制可以提高资本市场对企业的监督, 促进企业信息释放, 从而提高上市公司治理水平.     

基于集成支持向量机的企业财务业绩分类模型研究

要想正确预测公司财务业绩,首先必须选择合适的预测方法。现有文献所采用的财务业绩预测模型普遍存在着泛化能力不强的问题。本文提出用支持向量机方法来预测我国上市公司的财务业绩。为了提高预测准确率,本文还用AdaBoost算法对支持向量机进行了改进(集成支持向量机)。在支持向量机核函数的选择上,我们采用了实验法,即对每个核函数及其相关参数的预测效果都进行了测算,以期找出最适用的预测模型。实证结果表明,径向基核函数(rbf)的效果最好,支持向量机方法预测准确率远远高于其它方法。     

基于银行-资产双边网络模型的系统性风险及投资策略研究

受近几年的国际金融危机及金融全球化的影响,对金融系统的系统性风险的研究已成为国内外学者的关注热点。考虑到当前基于"银行-资产-银行"间接传播渠道的相关研究相对匮乏,本文基于银行-资产双边网络模型来分析银行系统性风险。首先,使用中国47家上市银行2018年的资产负债表数据构建了中国银行系统的双边网络模型,研究分析各类资产遭受冲击时外部冲击、降价出售效应及银行所持有的各类资产占银行总资产的比例对银行系统性风险的影响。然后,引入系统性冲击方式,通过设置具有不同属性的两大类资产并生成四种冲击事件来构建银行的投资策略模型,从资产视角探讨银行最优的投资策略。研究发现,外部冲击与降价出售效应这两个产生系统性风险的影响因素在一定区间值时会产生叠加效应,使银行系统性风险急剧增加;五种资产类中,贷款类资产对外部冲击最敏感;分析发现在各类资产冲击下都未倒闭的所有银行的资产组合具有一定的相似性;进一步研究发现银行系统中存在着最优的资产组合,使得银行在稳定的同时能获取最大收益,并且资产负债比越大的银行其风险承受能力越强,从而可以选择更激进的投资策略来追求高收益。     

资产泡沫、技术创新与经济增长

本文从理论和实证两个角度研究了资产泡沫发生、技术创新与经济增长之间的相关性。理论方面,本文构建了符合我国经济典型事实的熊彼特经济增长模型。模型中,企业家在为研发筹集资金时面临融资约束。由于融资约束的存在导致资本市场的资金供过于求,发生资产泡沫可促进企业平均的研发投入增加,研发成功的概率相应上升。实证方面,本文采用FF-TVP-SV-VAR和TVAR模型以及我国2000-2016年的月度数据分别对理论分析得出的结论进行检验。实证结果表明,资产泡沫发生可以促进技术创新,但该效应依赖于融资约束。此外,本文识别了融资约束的两个门限值。低于下限值时,资产泡沫可通过技术创新效应促进经济增长;高于下限值时,资产泡沫的技术创新效应较弱,因而对经济增长产生负向作用。     

信贷资产证券化模式选择与产品设计

信贷资产证券化具有盘活非流动资产、分散本性风险等优势,是公司从资本市场获得低成本融资的主要工具之一。本文假设资产池由多个相关、且均服从算术布朗运动的资产现金流组成,运用公司证券定价理论,得到了基于资产池总现金流的证券化产品价值的解析解。以商业银行为例,研究了资产证券化的动机和最佳发行方式。数值分析表明：资产证券化不仅可以盘活资本,而且可以提高资产的价值;资产池的总价值与进入资产池的各个部分现金流之间的相关系数存在单调递减的关系。最后,针对我国商业银行的资产证券化模式提出了建议。     

Neural Network Earnings per Share Forecasting Models: A Comparative Analysis of Alternative Methods

In this paper, we present a comparative analysis of the forecasting accuracy of univariate and multivariate linear models that incorporate fundamental accounting variables (i.e., inventory, accounts receivable, and so on) with the forecast accuracy of neural network models. Unique to this study is the focus of our comparison on the multivariate models to examine whether the neural network models incorporating the fundamental accounting variables can generate more accurate forecasts of future earnings than the models assuming a linear combination of these same variables. We investigate four types of models: univariate‐linear, multivariate‐linear, univariate‐neural network, and multivariate‐neural network using a sample of 283 firms spanning 41 industries. This study shows that the application of the neural network approach incorporating fundamental accounting variables results in forecasts that are more accurate than linear forecasting models. The results also reveal limitations of the forecasting capacity of investors in the security market when compared to neural network models.     

信贷资产证券化、异质性投资者和金融风险

在Gennaioli等人^[1]建立的标准模型基础上,引入投资者异质性时间偏好和由投资者过度自信引起的异质性信念,探讨投资者非理性对金融风险的影响。研究发现,与Gennaioli等人^[1]的结论不一样,银行金融中介并不会利用投资者非理性发行更多的表面无风险实际有风险的债券,因此,非理性投资者参与资产证券化产品的交易并不会增加金融市场的风险。这一结论为信贷资产证券化产品在交易所发行交易,允许中小投资者参与其中提供了理论依据。