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。     

基于分形插值模型的股价时间序列分析及预测

文章运用分形插值的理论与方法建立了能够分析及预测股票价格波动的分形插值数学模型;以上市公司青岛海尔为例,使用该模型分析了股价的变化规律,预测了股价的未来走势,并使用时间序列曲线的分形维数与Hurst指数,描述了股价的波动性及长期相关性等特征.     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系,其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标,再次根据这些指标利用Prim算法构建出高维波动率网络模型,最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制,能够在依赖少量假设的基础上,挖掘出多个金融市场主体间的相互关系,反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比,在互信息框架下,股价波动的非线性相关关系得到了更好的度量;股票市场的整体波动性与个股波动率相关性变化趋势相反,市场处在高波动时期资产组合分散化效果较好;网络中存在少量度数大的关键节点和中心节点,风险通过这些节点可以迅速传递到整个市场;股票市场的运行具有明显的行业聚集现象;网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。     

超高维数据降维与Logistic广义线性拟合分析

文章以美国威斯康星州的乳腺癌调查数据为例,分别采用SIS和TCS算法对高维数据进行降维处理,尝试将改进的Logistic广义线性模型对降维后的变量进行拟合.再与传统的一般线性模型、Logistic广义线性模型相比,结果表明,基于算法降维后的Logistic广义线性模型预测误差更小,其中基于TCS算法降维后的广义线性模型在拟合中要明显优于SIS算法降维后的广义线性模型.     

动态因子模型及其应用研究综述

动态因子模型（DFM）的基本职能是对高维数据进行降维处理,即从高维数据集中提取变量间的协同变动信息。在理论上,本文系统梳理了DFM的模型形式设定、估计方法以及结构化建模技术的发展历程和研究前沿。在应用方面,本文总结了DFM在预测、构建经济周期指标和通胀指数、以及经济结构分析中的应用研究。最后,归纳出了DFM计量分析的研究脉络和未来的发展方向。     

中国宏观经济波动源的识别与原因分析

为了识别驱动中国宏观经济周期波动性的影响因素,依据中国经济的特殊性,基于1978-2014年42个宏观经济变量的样本数据集构建动态因子模型进行实证分析。研究发现,驱动中国宏观经济波动主要因素有5个潜在宏观因子,其中前四个主要因子分别揭示了驱动中国经济周期波动的主要波动源,它们分别为工业产出因子、外商直接投资(FDI)因子、设备利用率因子和全要素生产率因子。另外,讨论了熨平经济周期性波动的经济政策选择。     

国债利率期限结构与宏观经济动态关联性：模型估计与经验证据

文章从国债利率期限结构的无套利动态Nelson-Siegel模型估计方法入手,对卡尔曼滤波算法进行改进,以提升模型参数估计的精确度;同时提取模型中的动态因子,考察其与宏观经济信息之间的关联性;进一步利用我国国债2010—2021年债券交易数据进行实证研究。结果表明：基于改进估计算法的模型无论是样本内预测还是样本外预测,效果均优于传统卡尔曼滤波估计的结果,同时发现状态因子与宏观经济变量之间有较强的关联性,蕴含了较为丰富的宏观信息。     

基于马尔可夫转换模型的违约风险溢价预测研究

针对违约风险溢价变化依赖于经济波动状态以及市场、宏观经济变量依赖于经济周期时变因素的阶段,基于马尔可夫转换阶段的具体特征,构建马尔可夫违约风险溢价预测转换模型,并以香港恒生指数信用违约互换波动为例,测算因时变系数波动的指数息差、宏观经济变量等概率,通过实证算例剖析股市、宏观经济变量与违约风险溢价之间的内在联动关系和信用违约风险溢价变化的转换机制,以期实现对违约风险溢价能够进行有效预测,实证仿真结果说明了模型的有效性。     

基于混频数据的实体经济与金融市场时变溢出效应研究

本文基于混频VAR模型分析了中国实体经济与股票市场、债券市场之间的时变溢出效应。结果显示,实体经济与股票市场、债券市场之间收益率与波动率的溢出效应呈现显著的时变特征,溢出效应在金融危机期间呈现快速上升趋势,而后呈现下降态势,且易受到极端事件的影响;在大部分考察时期内存在股票市场向实体经济的波动率溢出效应,而债券市场相对于实体经济则从考察初期波动率溢出效应的净输入方转化为中后期的波动率溢出效应的净输出方。进一步分析收益率与波动率总溢出指数的影响因素,结果发现,极端事件、宏观经济代理变量和期限利差对于溢出效应具有正向影响,泰德利差对波动率总溢出指数具有负向影响,而投资者情绪指数对收益率总溢出指数具有负向影响。     

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。     

稳态随机先验下MF-VAR预测模型及其应用

准确把握宏观经济发展趋势有利于前瞻性地调控经济运行，防范外部冲击。当前广泛用于宏观经济预测的MF-VAR模型，虽然能胜任常态情形的预测任务，但其参数估计过程多以传统Minnesota形式分布作为推断先验，难以贴合现实中异方差性的非理想预测环境。文章引入稳态随机先验对模型进行改进和优化，并通过湖北省主要宏观经济指标进行实例验证，发现稳态先验的“均值调整”信念驱使预测向均值回归，在简化估计程序的同时还能提高远期视野下的预测精度；随机先验的时变方差设定能有效捕捉序列的结构变动，使模型能同时适应常态和不确定性冲击的情形；分级稳态和因子随机波动可以牺牲部分样本信息而兼顾降维能力与计算优势。稳态随机先验的延展性和灵活性拓展了MF-VAR模型的应用场景，放宽了模型的应用条件，并进一步提高了预测精度。     

基于投资混频数据的中国经济波动预测

文章基于投资与经济波动之间的相关关系,充分体现统计调查数据和网络搜索数据的优势,利用两种数据对中国宏观经济波动进行研究。针对混频数据的特点和深度学习算法的优势,提出了融合混频数据和深度学习的宏观经济预测方法。首先,考虑到政府统计调查数据与经济波动的强相关性,选取政府投资统计月度指标合成投资统计指数;然后,结合网络搜索数据的时效性和高频性,选取与投资相关关键词的百度指数日度数据合成投资网络搜索指数;最后,构建多源混频数据长短期记忆神经网络模型（MM-LSTM）,利用中国2011—2022年的相关数据进行实证研究,并考察模型的精度与时效性。结果表明,投资相关指标与中国GDP增长率之间存在正向关系;网络搜索数据的加入有助于提升宏观经济预测的精度;MM-LSTM模型提高了短期和中期的预测精度,具备提前预测能力,可为相关部门提供决策依据。     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

基于网络搜索量和混合频率模型的经济变量预测研究

针对大数据背景下利用互联网搜索量数据进行经济预测的问题,提出建立能够充分利用高频变量信息的混合频率模型,并尝试解决建模过程中的关键词选取、数据预处理和降维等问题。在对金融和消费领域预测的实证研究中,经过筛选的关键词搜索量变量与作为预测对象的经济变量是高度相关的,并且混频模型相对于经过频率转换的模型具有更优的估计量性质和更高的样本内外预测精度。同时,根据估计结果得到的权重函数还可以发现月内各日搜索量在预测模型中的贡献度分布具有不同模式,借助该分布模式可以对经济主体行为进行描述和测度,也为搜索量数据的频率转换提供了一些参考。     

动态因子模型与ARMA模型的比较

在时间序列模型中,随着变量数目的增加,所要估计的参数的数量也随之加大,结果在应用中模型中通常不得不选取尽量少的变量。动态因子模型独特的优势在于,它不必考虑自由度损失问题,也不必对经济结构施加约束。文章根据中国宏观经济变量数据库中的41个变量,建立了动态因子模型预测GDP,并与ARMA模型的预测结果进行了对比。结果显示,动态因子模型的预测效果优于ARMA模型。     

基于混频数据的日度经济不确定性测度及其应用

经济不确定性主要反映经济系统的不可预测程度，可以通过经济指标的实际值和预期值之间的偏差进行测度。为及时测度我国的经济不确定性，本文提出一种同比形式的日度混频动态因子模型，将金融市场的日度数据和传统的宏观低频数据信息相结合，构建我国日度经济意外指数和经济不确定性指数，用于反映我国宏观经济运行的非预期成分和不确定性程度。进一步地，本文基于日度数据分别讨论经济意外指数对人民币汇率的影响，以及经济不确定性对我国股市波动率的影响，研究结果表明经济意外指数的正向变化使人民币对美元升值，经济不确定性的增加将加剧股市波动。     

沪市A股交易量与收益率及波动性的关系--基于混合分布模型的实证研究

本文以混合分布模型为理论框架,运用Granger因果检验和扩展GARCH模型实证研究了上海A股市场交易量与股价之间的关系.得到了如下结论交易量变量和收益率、波动率存在双向Granger因果关系;交易量只能在有限程度内解释波动率持续性;上海股市的信息传播方式基本符合混合分布假设.     

基于LASSO方法的企业财务困境预测

文章综合考虑企业的财务和非财务因素,利用LASSO方法对企业财务困境预测指标进行筛选,然后使用决策树、随机森林、SVM、最近邻法这四种数据挖掘方法,以及常见的logistic模型,分别建立企业财务困境预测模型.结果表明:不能忽视非财务因素在企业财务困境预测中的作用;并非所有数据挖掘方法都优于常用的logistic模型;LASSO方法能在降维的同时保证企业财务困境预测的准确性,实现模型的精简.     

我国经济预期波动的非对称性分析

文章针对9类宏观经济预警指标,利用动态因子模型构建了我国宏观经济预警指数,并将其作为我国经济预期的代理变量.在此基础上,利用MS(2)-AR(2)模型,分析了表征我国经济“景气”状况的宏观经济预警指数的非线性动态调整特征.实证结果表明,利用动态因子模型构建的宏观经济预警指数对一致指数具有预测作用.并将样本期内我国经济划分为“景气”和“不景气”两种状态,较好地反映了我国经济在此期间的“景气”状态的转换特征.     

原油价格不确定性测度及其对宏观经济的非对称影响研究

有效测度原油价格不确定性并研究其对我国宏观经济的影响,具有重要的理论和现实意义。本文基于最小生成树模型,从全局视角衡量原油多元定价机制中195个影响因素的相对重要程度,并采用高维因子非预期条件波动率模型测度国际原油价格的不确定性。基于收敛交叉映射模型,本文对原油价格不确定性与宏观经济间的非线性因果关系进行识别,研究发现仅存在原油价格不确定性对固定资产投资、产出增速的单向因果关系。进一步地,在厘清原油价格不确定性对宏观经济影响机制的基础上,利用包含马尔可夫区制转移特征的向量自回归模型考察原油价格不确定性对我国宏观经济的影响,理论与实证结果均表明原油价格不确定性对我国宏观经济具有显著负向影响;在不同经济状态下,原油价格不确定性对投资、产出增速的影响具有非对称性。本研究为有效防范原油市场风险、保障能源安全和推动经济稳定增长提供了理论支持。