动态利率期限结构模型因子变换及其应用

动态因子模型往往被用来构建收益率曲线,但因子的经济含义经常不明晰,而且由于不同因子的冲击项非正交,收益率曲线的变动来自于哪个因子的冲击无法辨别.本文构建了一种特殊动态利率期限结构模型,通过约束因子载荷使因子正交并具有明确的直观意义.本文采用中国债券市场国债到期收益率数据的实证分析表明,模型具有较好的样本内拟合能力,能够捕捉实际经济中的典型事实.脉冲响应分析表明,短期利率脉冲对中期利率和长期利率没有影响,市场上的利率传导不顺畅,但中期利率脉冲会对长期利率产生持续的显著影响.现有市场条件下,央行可以创新货币政策工具(如中期借贷便利MLF等)直接调控中期利率来影响长期利率,提高价格型货币政策工具的有效性.     

动态因子模型的广义矩估计(GMM)及其统计性质研究

对于一类存在截面相关性的动态因子模型,本文首次分别提出了动态因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法是对传统频域分析方法的补充;其次,分别研究了模型参数广义矩估计量的渐近性质和有限样本性质.研究发现,在适当的条件下,动态因子及其因子载荷矩阵的GMM估计不仅是具有渐近正态分布的一致估计,而且具有良好的有限样本性质.最后,本文利用动态因子模型对我国6大类上市公司盈利能力增长性的共同驱动因素及其差异性进行了实证分析.     

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。     

宏观经济极端景气变动的监测预警——基于动态阈值模型

动态阈值模型能够随序列的趋势变化而不断修正阈值,文章利用这一方法对我国经济景气进行监测预警。首先,选择景气指标构建景气指数以反映实际经济的波动态势;然后利用分整方法将景气指数转换为平稳序列,并通过POT模型确定阈值;最后得到景气指数的动态阈值。计算结果表明,动态阈值模型能够捕捉到我国经济的极端景气变化,准确地判断景气所处的运行区间,该模型适用于新时代下我国经济运行的监测预警。     

基于动态因子模型的金融风险指数构建

文章重点研究金融风险指数的构建方法,选取宏观维度、银行与货币维度、泡沫维度、外部冲击维度、债务维度等17个指标,运用动态因子模型方法构建2004-2015年的金融风险指数,并利用局部加权回归思想,引入高斯核函数改进指标权重估计,与常用的正向客观赋权法SF赋权法、熵赋权法、CRITIC赋权法对比.研究结果表明:改进后的权重估计方法拟合精度提高50％以上,动态因子模型方法构建的金融风险指数比正向客观赋权法灵敏度高,更科学更合理.     

SAS环境下经济运行监测预警系统模型建立

本文根据经济运动监测预警的概念和作用,对确立指标体系和两种指数（扩散、合成）作了详尽阐述。根据经济波动形态理论针对中国企业经济运行模型的建立进行了深入的讨论,并依托SAS平台建立了符合国情的企业经济运行示范教学模型。     

一类近似因子模型的GMM估计及其统计性质研究

对于一类异质性误差项存在截面相关性的近似因子模型,本文首先提出了估计共同因子向量和因子载荷矩阵的广义矩估计方法（GMM）,该方法推广了Doz等（2012）的极大似然估计方法;其次,分别研究了模型参数广义矩估计的渐近性质和有限样本的统计性质,在适当的条件下,证明了参数的GMM估计是具有渐近正态分布的一致估计;最后,利用近似因子模型对我国各类上市公司增长性的共同驱动因素及其差异性进行了实证分析。     

时变三因子模型风险系数的动态研究

由Fama和French提出的三因子模型能够较好地解释股票的收益率风险溢价。文章以状态空间模型为框架,将风险因子系数作为状态变量,市场风险溢价作为观测变量,构建时变三因子模型来应对股票市场价格的时变特征。研究结果显示,利用卡尔曼滤波来估计时变风险因子系数,增强了估计结果的准确性与连贯性;风险因子系数变化规律与中国A股市场政策和环境影响相吻合,消除非理性噪声后的时变三因子模型更具有解释力度。     

一个动态的汇率模型

汇率预测是众所周知的国际经济中的一大难点,许多经济学家曾努力从不同的角度去揭示汇率的规律并建立预测模型,但是从公开发表的资料看来,这些模型都未曾给出比随机游动模型（或鞅模型）更稳健的结果。本文对以往的模型进行了大量的比较分析发现,以前的模型都具有以下几个共同的特点：（１）以前的汇率模型都具有静态性,即模型中的各自变量只能影响同一时刻的因变量。其实,经济变量的相互作用往往具有滞后性,各自变量影响的往往不是同一时刻的因变量,而是随后时间的因变量。（２）以前的汇率模型大多数是两国模型,考虑的数据往往是…     

基于自适应组LASSO估计的高维门限因子模型一致选择

门限因子模型设定载荷具有阈值型区制转换结构,可以同时刻画高维时间序列的共变性和区制转换特征。针对高维门限因子模型,本文基于自适应组LASSO技术给出了一种一致模型选择过程。这一模型选择过程将因子个数设定、门限效应推断纳入统一的分析框架,不仅解决了模型选择的一致性问题,还同时实现了模型选择误差的统一控制,这对于高维门限因子模型而言是非常重要的。理论研究和随机模拟结论表明本文给出的一致模型选择过程具有良好的大样本性质和有限样本表现。最后,本文将门限因子模型应用于我国金融市场分析,实证结果进一步验证了本文理论的有效性。     

动态面板阈模型的一种序贯两步估计

动态面板阈模型可以刻画经济变量动态调整过程的非对称性,在实证分析中有广泛的运用,但阈值参数的引入同时增加了参数估计的困难,理论上尚有许多问题没有解决。针对此类模型,本文提出了一种简单而实用的序贯两步估计方法,首先利用格点搜索获得阈值参数的一致估计,基于该参数对数据结构进行合理划分并引入不同类型的矩条件,然后利用广义矩方法获得自回归参数的估计。理论研究与模拟结果表明,序贯两步估计具有良好的大样本性质和有限样本表现;与现有文献的方法相比,序贯两步估计能够有效避免不同类型参数估计偏差的相互影响,减小估计量的偏差与均方根误差。     

非等间隔动态面板数据模型：基于半差分的估计方法和应用

本文提出了非等间隔动态面板数据模型的估计方法,包括非线性最小二乘和最短距离估计法以及这两种估计方法的一步估计量,并且证明了这几个估计量的一致性和渐进正态性。我们使用数值模拟的方法验证了这些估计在有限样本中的估计精度,并且将这四种估计方法应用于实际的问题当中,最终得到了与以往的文献基本一致的估计结果。     

因子模型的一种结构突变检验及其统计性质研究

为了内生地识别动态因子模型因子载荷矩阵的结构突变（包括因子个数的变化）,本文利用主成分估计得伪因子序列构造累积平方和统计量检验因子载荷矩阵的结构突变性,进一步利用迭代累积平方和算法对多个结构突变点的位置进行探测。研究发现,本文提出的检验统计量对于因子个数误设具有稳健性;并且该检验具有良好的有限样本性质和渐近性;另外,实证分析发现,中国沪市A股市场制造业上市公司的对数收益率序列存在结构突变的共同因子。     

我国城乡收入差距持续扩大的模型解释

 我国城乡收入差距是当前最突出一个社会问题。最近5年来,我国政府在“三农”方面推出的扶持政策如此之多,政策的力度如此之大,为何城乡收入差距扩大的趋势依然如故？本课题在回顾关于收入分配有关理论以及有关专家学者的研究成果基础上,通过建立统计多元回归模型,研究了工业化、城市化、投资、财政支出、经济增长等因素与城乡收入差距的数量关系,解释这些因素影响城乡收入差距变化的关系。并据此提出了缩小城乡收入差距的政策建议。     

基于全局因子分析的地区经济发展潜力研究

本文通过构建地区经济发展潜力的多指标体系,运用全局因子分析法对我国各省的经济发展潜力作出了综合评价,在此基础上,通过系统聚类分析将各省市划分为四类地区,并对各类地区的经济发展潜力的增长趋势进行了研究和探讨,分析结果表明,随着时间的推移,经济发展潜力突出的地方将更具竞争力,从而,地区间的经济差距将日益扩大。     

稳健因子分析方法的构建及比较研究

由于传统因子分析方法对离群值较敏感,导致计算结果与实际不相符。针对这一现象,本文运用FAST-MCD方法对传统因子分析方法进行改进,构建出因子分析的稳健算法,以克服离群值的影响,并对此方法进行了模拟和实证分析。模拟和实证分析结果均表明：因子旋转前后,当数据中不存在离群值时,传统因子分析与稳健因子分析得到的结果基本保持一致;当数据中存在离群值时,运用传统因子分析得到的结果出现较大变化,而运用稳健因子分析方法得到的结果基本不变,这说明相对于传统因子分析方法,稳健因子分析方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。     

因子模型门槛效应的LM和Wald检验及其统计性质研究

门槛因子模型可以有效地刻画高维度时间序列的共变特征和区制转换行为,具有良好的可解释性和预测能力。针对因子载荷矩阵存在的门槛效应,本文提出了拉格朗日乘子和沃尔德检验方法,并给出了渐近分布,相关结果表明以上检验统计量具有良好的大样本性质和有限样本表现。在实证部分,以我国股市的行业指数作为研究对象,通过构建门槛因子模型来刻画我国股票市场波动的共变性特征和非对称效应。实证结果表明基于门槛因子模型可以很好地刻画中国股市行业收益率波动的共变特征和区制转换行为。     

基于因素模型的协高阶矩矩阵估计及其应用研究

在高阶矩投资组合中,使用传统样本估计方法会产生较高估计误差和模型设定误差。本文在多因素模型的基础上,给出一种改进的协高阶矩估计方法,分析了基于多因素模型压缩估计量的渐进一致性。蒙特卡洛模拟表明,多因素压缩估计量在有限样本中具有更小的平均绝对误差、根均方误差以及更高的平均绝对改进百分比,有效提高了协高阶矩矩阵估计的精度;即使在样本观测量比资产数目少时,估计的协高阶矩矩阵精度都会有较大提高。基于2005年6月至2019年5月沪深300成分股的高阶矩投资组合实证发现,多因素压缩方法与其他估计方法相比,在年化收益率上可以获得4.7%～32.8%的提升,最大回撤能够下降3.7%～18.3%,表明使用多因素压缩估计方法构建的投资组合有更大的可能获得更多货币效用增益,以及面临亏损时,产生的最大亏损更小。该方法有助于金融机构或理性投资者在进行投资组合时减小投资损失,获得更好的投资回报。     

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。