汇率波动对区域经济增长及通货膨胀影响分析

文章采用几何加权平均法对省际区域实际有效汇率进行测度,利用AR(1)-GARCH(1,1)估计了汇率波动率,并采用省际面板计量模型对汇率机制改革效应及影响机制进行了实证研究。结果表明:区域经济增长、通货膨胀分别与区域有效汇率、汇率波动率、投资、政府支出存在面板协整关系;汇率升值及汇率波动率对区域经济增长具有显著的抑制作用,该作用具有显著的区域异质性及时点异质性,有利于缩小区域经济增长的差异及经济增长方式的转变;人民币升值对区域通货膨胀具有显著的抑制作用并具有截面异质性,但是波动率的上升则增加了通货膨胀压力且具有时点异质性。     

商业银行度量同质性风险总额的计算方法

在金融混业经营的大背景下,商业银行面临客户风险的同质性现象越来越典型,大的商业银行经过对客户进行适当的风险分类,分组后的贷款对象的某些风险也呈现出同质性特征,由于风险标的数量一般较大.相关的金融计算也十分复杂,文章证明了短期个别风险模型当理赔次数随机变量为0-1分布时.可以寻求一个短期聚合风险模型与之等价;更为重要的.当个别风险模型的风险随机变量服从较小参数的Poisson分布时,也可以寻求到一个复合Poisson分布与之近似.为此,本文章解决了一些特定风险损失随机变量和的分布计算问题.     

可变系数空间自回归模型的参数估计

传统的空间面板数据模型利用截距项来体现空间异质性,往往无法完全体现出空间异质性,文章构建一种系数随空间个体变动而变动的空间自回归模型,利用系数来考察空间异质性,并可以考察经济关系以及空间关系的个体特征。在一定的模型设定条件下,文章给出了该模型的完全信息极大似然估计,并推导了该估计量的渐进分布。     

财政支出与经济增长的因果关系检验

文章应用空间交叉向量自回归模型,基于我国省际面板数据,构造了财政支出与经济增长关系的空间格兰杰因果检验模型和方法,探讨了财政支出与经济增长的因果关系及其异质性.研究结果表明,财政支出与经济增长的格兰杰因果关系在不同省份间具有异质性,而且空间相关性对此产生了重要的影响;相对于财政支出是经济增长的格兰杰原因,更多省份则表现为经济增长是财政支出的格兰杰原因.     

广义Gamma分布簇广义线性混合模型的构建

 本文在广义Gamma分布簇基础上引入异质性来构建广义线性混合模型。本文构建的广义Gamma分布簇广义线性混合模型在广义线性混合模型的框架下分析,通过参数重整技术把广义Gamma分布簇变量的建模问题与指数分布簇变量的建模问题联系起来,模型推断可以方便地利用广义线性混合模型和广义线性模型的研究成果,同时也可以方便地推广到其他模型。三参数广义Gamma分布可以收缩到两参数的Gamma分布、Weibull分布或指数分布,能降低模型误设的风险,还能便利地分析误差结构。     

异质性数据下广义线性模型的Maximin似然比估计及应用

针对具有多个来源的异质性数据,文献中通常提出复杂程度较高的模型用于描述每个数据子总体的特征,而本文着眼于刻画不同数据子总体的共性进而建立一个简单的模型。在参数估计方面,本文借鉴了普通线性模型的Maximin估计思想,提出了适用于广义线性模型的Maximin似然比估计方法及稀疏结构下的惩罚估计。该方法通过最大化所有子总体中似然比统计量的最小值,构建成一个简单而保守的模型,以减少数据来源较多而呈现的复杂性。所提方法适用于因变量服从正态分布、两点分布、泊松分布等指数族分布的情形,丰富了前人的研究成果,具有更好的实践意义。模拟分析显示,相比于经典的估计方法,Maximin似然比估计方法不仅能够有效地探寻子总体的共性,而且具有较高的样本外预测精度。本文提出的方法也适用于政府统计和经济统计中具有异质性的大型数据集。     

基于最大熵原理的条件回收率建模分析

通常使用的数据拟合只是对回收率分布的一个描述,为有效对回收率进行研究,建模时将抵押担保和企业的信用等级这两个因素加以考虑,应用最大熵原理,对违约损失率估计出最佳的条件概率密度。利用该模型不仅能够估计出违约损失率的均值和方差,还可以得出违约损失率的分布密度;另外,该模型也具有更明确的经济学意义。返回检验表明,该模型的估计效果优于单因素模型、动态多元回归模型以及非参数核密度估计法。     

结构方程模型的Gibbs抽样与贝叶斯估计

吉布斯(Gibbs)抽样可以在给定协方差数据和参数的先验分布条件下获得结构方程参数的后验分布样本.参数的点估计、区间估计和标准误就可以用这些样本数据计算.然而,在小样本的情况下,不考虑样本规模和似然面形状时,吉布斯抽样能得到较为正确的后验分布.当参数的先验分布充分,它的后验估计值可以被用于对不可识别结构方程模型的参数进行贝叶斯推断.     

经济发展与碳排放的动态研究

经济规模对碳排放具有明显的增量效应,揭示碳排放与经济增长之间的内在逻辑关系,制订合理的低碳经济发展政策因此具有重要的理论意义.论文在多变量分析框架下,建立了碳排放与经济发展的可变参数状态空间模型,并基于我国1978～2009年的统计数据进行了卡尔曼滤波分析,其结果不仅显示了经济增长对碳排放的依赖程度,而且描述了资本和劳动对碳排放的替代作用.     

区域经济增长质量的异质性及空间敛散性研究

文章以中国八大综合经济区为研究对象,基于2000—2019年省级面板数据,采用MMLPI测度地区绿色全要素生产率,并基于此评估区域经济增长质量,探究区域经济增长质量异质性,利用空间杜宾模型研究区域经济增长质量的空间敛散性及影响因素。结果表明：各区域经济实现年均3.22%的增长,增长最快的是东部沿海综合经济区,最慢的是东北综合经济区;北部沿海、东部沿海和南部沿海综合经济区的跨期群组生产技术前沿向全局生产前沿靠近,其余综合经济区的跨期群组生产技术前沿远离全局生产前沿,西北综合经济区远离速度最快;各综合经济区均呈现显著的条件β收敛,受空间异质性影响,区域经济增长质量存在差异。     

Fitting probability distributions to economic growth: a maximum likelihood approach

The growth rate of the gross domestic product (GDP) usually carries heteroscedasticity, asymmetry and fat-tails. In this study three important and significantly heteroscedastic GDP series are examined. A Normal, normal-mixture, normal-asymmetric Laplace distribution and a Student's t-Asymmetric Laplace (TAL) distribution mixture are considered for distributional fit comparison of GDP growth series after removing heteroscedasticity. The parameters of the distributions have been estimated using maximum likelihood method. Based on the results of different accuracy measures, goodness-of-fit tests and plots, we find out that in the case of asymmetric, heteroscedastic and highly leptokurtic data the TAL-distribution fits better than the alternatives. In the case of asymmetric, heteroscedastic but less leptokurtic data the NM fit is superior. Furthermore, a simulation study has been carried out to obtain standard errors for the estimated parameters. The results of this study might be used in e.g. density forecasting of GDP growth series or to compare different economies.     

基于账户参考利率的FISIM对GDP与收入分配的影响研究

本文从使用者成本的角度解析参考利率，并根据2008年SNA构建用于中国FISIM核算的账户参考利率，利用实际数据核算并分摊现价FISIM总产出；借鉴联合国国民经济核算工作组关于FISIM价格指数的思想，结合中国存贷款特点，构建存贷款服务价格指数，并缩减现价FISIM。最后，分析现价 FISIM对 GDP与收入分配的影响，并探究不变价FISIM对实际GDP的影响。综观核算与分析结果，住户部门分摊的FISIM与净出口分摊的FISIM，会增加GDP。各机构部门的初次分配总收入、可支配总收入也因增加值、财产收入及经常转移等的变化而相应变化。不变价FISIM对经济增长波动率的影响大于其对经济增长率的影响。     

正确认识出口贸易对中国经济增长的贡献

  出口贸易自改革开放以来在中国经济的发展中一直扮演着重要角色,出口贸易对中国经济发展的影响究竟有多大是本文关注的主要议题。本文在原始竞争型投入产出表、只分离出进口的非竞争型投入产出表以及同时分离出进口及加工贸易的非竞争型投入产出表的基础上建立了测算三大需求因素对GDP形成与增长的三类投入产出表模型,并通过2007年中国投入产出表进行了测算。研究表明,如果采用竞争型投入产出表及其投入产出模型,仍不能较准确地测算消费、投资与出口对GDP形成与增长的贡献;分离出进口产品的非竞争型投入产出表给出了一个较好的分析框架,但由于未区分加工贸易和普通贸易,出口贡献存在高估现象;而采用区分加工贸易和普通贸易的非竞争投入产出模型,能够较客观地反映国内产品出口与加工贸易出口对GDP形成与增长的实际贡献。     

Predicting Early Data Revisions to U.S. GDP and the Effects of Releases on Equity Markets

The effects of data uncertainty on real-time decision-making can be reduced by predicting data revisions to U.S. GDP growth. We show that survey forecasts efficiently predict the revision implicit in the second estimate of GDP growth, but that forecasting models incorporating monthly economic indicators and daily equity returns provide superior forecasts of the data revision implied by the release of the third estimate. We use forecasting models to measure the impact of surprises in GDP announcements on equity markets, and to analyze the effects of anticipated future revisions on announcement-day returns. We show that the publication of better than expected third-release GDP figures provides a boost to equity markets, and if future upward revisions are expected, the effects are enhanced during recessions.     

Bayesian Inference in Generalized Error and Generalized Student-t Regression Models

This study takes up inference in linear models with generalized error and generalized t distributions. For the generalized error distribution, two computational algorithms are proposed. The first is based on indirect Bayesian inference using an approximating finite scale mixture of normal distributions. The second is based on Gibbs sampling. The Gibbs sampler involves only drawing random numbers from standard distributions. This is important because previously the impression has been that an exact analysis of the generalized error regression model using Gibbs sampling is not possible. Next, we describe computational Bayesian inference for linear models with generalized t disturbances based on Gibbs sampling, and exploiting the fact that the model is a mixture of generalized error distributions with inverse generalized gamma distributions for the scale parameter. The linear model with this specification has also been thought not to be amenable to exact Bayesian analysis. All computational methods are applied to actual data involving the exchange rates of the British pound, the French franc, and the German mark relative to the U.S. dollar.     

中国经济持续增长下的碳减排对策研究——基于LSTR模型的二氧化碳环境库兹涅茨曲线

通过建立中国人均二氧化碳排放和人均GDP关系的LSTR模型,分别以经济增长速度和能源强度为转换变量进行了分析。结果表明,中国人均二氧化碳排放和人均GDP的关系在不同经济环境下有所不同。为实现碳减排和经济增长之双赢,必须在降低能源强度上下功夫。由能源强度的结构向量误差修正模型(SVECM)的脉冲响应分析得知,短期内,能源价格改革和扩大对外开放程度成为"迅速"降低能源强度的关键;长期而言,必须大力发展可再生能源和清洁能源,彻底改变能源消费结构。     

GDP数据修正对经济周期测定的影响

 本文在收集和建立季度GDP实时数据的基础上,利用区制转移模型对我国经济周期测定展开了实时数据分析,并深入讨论了GDP数据修正对经济周期阶段性的影响。研究结果表明GDP数据修正引致我国经济周期阶段性发生了深刻的变化,使我国经济周期在2005Q2至2006Q4间从低速增长改变为高速增长。而且,我们发现GDP数据修正对经济周期平均增长率的影响方向,与其是否影响经济周期阶段性具有相反关系,即当GDP数据修正不影响 (影响) 经济周期阶段性时,它对高、低平均增长率都具有同向 (反向) 影响。     

三大需求对GDP增长贡献率分析

消费、投资和净出口对国内生产总值（GDP）增长的贡献率是研究宏观经济的重要议题,影响三大需求对GDP增长贡献率的因素以及各因素的影响程度等问题为社会各界所关注。本文从消费、投资和净出口对GDP增长贡献率的计算方法入手,得出影响三大需求贡献率的因素有速度因素,结构因素和价格因素。其中同比情况下速度因素是贡献率变化的主因,环比情况下结构因素和速度因素共同影响贡献率。     

Choice of parametric models in survival analysis: applications to monotherapy for epilepsy and cerebral palsy

Summary. In the analysis of medical survival data, semiparametric proportional hazards models are widely used. When the proportional hazards assumption is not tenable, these models will not be suitable. Other models for covariate effects can be useful. In particular, we consider accelerated life models, in which the effect of covariates is to scale the quantiles of the base-line distribution. Solomon and Hutton have suggested that there is some robustness to misspecification of survival regression models. They showed that the relative importance of covariates is preserved under misspecification with assumptions of small coefficients and orthogonal transformation of covariates. We elucidate these results by applications to data from five trials which compare two common anti-epileptic drugs (carbamazepine versus sodium valporate monotherapy for epilepsy) and to survival of a cohort of people with cerebral palsy. Results on the robustness against model misspecification depend on the assumptions of small coefficients and on the underlying distribution of the data. These results hold in cerebral palsy but do not hold in epilepsy data which have early high hazard rates. The orthogonality of coefficients is not important. However, the choice of model is important for an estimation of the magnitude of effects, particularly if the base-line shape parameter indicates high initial hazard rates.     

利用互联网大数据预测季度GDP增速的方法研究

大数据为季度GDP走势预测创新研究带来重要突破口。本文利用百度等网站的互联网大数据,基于代表性高维数据机器学习(和深度学习)模型,对我国2011-2018年季度GDP增速深入进行预测分析。研究发现,对模型中的随机干扰因素作出一定分布的统计假设,有助于降低预测误差,任由模型通过大量数据机械地学习和完善并不总是有利于模型预测能力的提升;采用对解释变量集添加惩罚约束的方法,可以有效地处理互联网大数据维度较高的棘手问题;预测季度GDP增速的最优大数据解释变量集的稳定性较高。