CPI与GDP变动相关关系的探讨

改革开放以来,杭州市CPI涨幅与GDP增幅经历了几轮波动,1997年之前的几轮经济高增长,物价都出现了明显的高涨幅;1998-2008年杭州市GDP连续11年保持两位数增长,但物价涨幅却保持低位运行,杭州市经济运行从高增长高物价向高增长低物价转变,反映了CPI涨幅与GDP增速相关关系随着改革的深入发展发生了一些变化。为此,本文拟对杭州市改革开放以来的CPI运行特点,CPI涨幅与GDP增长的关系变化情况     

信息不确定、信息不对称与债券信用利差

在将债券市场中的信息不对称区分为一级市场上发债企业与投资者之间的信息不确定与二级市场上投资者之间的信息不对称基础上,本文以中国企业债券为样本,实证检验信息不确定、信息不对称与债券信用利差的关系。检验结果表明,在控制债券以及企业层面相关控制变量情况下,投资者在信息不确定与信息不对称两种情况下能获得显著的风险溢价。在控制了信用等级与事件日时长的情况下,该结果是稳健的。最后,信息不确定与信息不对称能够帮助信用风险结构模型解释债券信用利差。本文的研究结论表明,为了更好保护投资者,监管部门在加强企业债券信息披露监管的同时,也应该强化对投资者信息披露的监管。     

人民币汇率指数编制及其与宏观经济变量的联动分析

本文在总结国内外汇率指数编制经验教训的基础上,提出了人民币汇率指数编制的基本理论与方法,设计了一套能全方位多角度反映我国在不同市场特征下进出口竞争力状况的包含人民币发达市场汇率指数、人民币新兴市场汇率指数和人民币全市场汇率指数的指数体系编制方案。具体编制时,本文首次引入“第三方市场效应”,以全面反映我国与其他经济体之间的竞争关系,并首次使用“除数修正法”,对指数因成分货币或权重调整引起的非汇率价格因素变动进行修正,以保证指数的连续性。最后,用交叉谱分析实证发现,相对于国内外其他人民币汇率指数,本文编制的人民币汇率指数与主要宏观经济变量之间存在更强的一致性和不同情形的领先响应关系,联动更为紧密。     

Logistic回归的双层变量选择研究

变量选择是统计建模的重要环节,选择合适的变量可以建立结构简单、预测精准的稳健模型。本文在logistic回归下提出了新的双层变量选择惩罚方法——adaptive Sparse Group Lasso(adSGL),其独特之处在于基于变量的分组结构作筛选,实现了组内和组间双层选择。该方法的优点是对各单个系数和组系数采取不同程度的惩罚,避免了过度惩罚大系数,从而提高了模型的估计和预测精度。求解的难点是惩罚似然函数不是严格凸的,因此本文基于组坐标下降法求解模型,并建立了调整参数的选取准则。模拟分析表明,对比现有代表性方法Sparse Group Lasso、Group Lasso及Lasso,adSGL法不仅提高了双层选择精度,而且降低了模型误差。最后本文将adSGL法应用到信用卡信用评分研究,对比logistic回归,它具有更高的分类精度和稳健性。