城投公司债券信用利差影响因素与对策研究

为防范政府债务风险,减少城投债信用违约事件的发生,采用多元线性回归模型,选取2014～2016年新发城投债中7年期公司债为样本,将政府财政及债券等个体因素相关指标作为自变量,以宏观因素指标作为控制变量,分析中国不同行政级别城投债信用利差的影响因素。研究认为,债券个体因素对县、市和省级城投债信用利差均有显著影响,宏观因素的影响随城投公司所属行政级别升高而升高;地方政府财政因素对各行政级别的影响方向相同,由于城投公司资质存在差异,政府财政因素对低行政级别信用利差的影响显著;不同行政级别下,各类因素对信用利差的影响略有不同,城投公司债券发行信用利差与评级情况和发行规模都呈负向关系,系数绝对值随行政级别的升高而降低,企业自身财务因素影响并不显著。地方政府应大力发展经济使城投公司融资成本降低,投资者在投资前利用多种指标估算债券发行信用利差,城投公司也要注意合理设计发债规模,使自身融资成本达到最低,监管机构加强对低行政级别城投公司债券发行的监管和宏观经济方面的政策引导,以此促进解决城投债问题和推动城投债公司合理发行债券。     

基于LW估计的中国证券市场长记忆性实证研究

针对国内研究证券市场长记忆性主要采用的是时域方法,文章采用基于频域的半参数Local Whittle估计方法研究了中国证券市场的长记忆特性,并且和对数周期图回归(GPH)方法进行了比较。结果表明,LW方法具有不受时间频率的影响,能够有效消除时间序列中短期记忆和周期性对估计结果的影响等优点,明显优于GPH方法。实证结果表明,中国证券市场存在明显的长记忆性,并且长记忆行为在重大突发事件发生期间更加明显。文章还从长记忆的角度探讨了“政策市”的存在性和相关特点。     

时间序列新息异常值稳健诊断新方法

文章分析了已有研究提出的时间序列新息异常值诊断法的不稳健性,并从以下两点对其进行稳健改进：一是构建稳健ARMA模型,确保基于该模型得到的残差不受异常值干扰;二是采用无偏Shamos估计量作为残差标准差σ的稳健估计量。通过以上改进,得到了新息异常值稳健诊断统计量。在模拟样本量分别为50、100、200、500,污染率分别为1%、5%、10%时比较传统诊断法与稳健诊断法的诊断效果,结果发现：传统诊断法受异常值干扰较大,在每种样本量下,随着污染率增加,诊断正确率急速下降,特别是在高污染率（10%）下,已基本无诊断力,而稳健诊断法不受异常值干扰,正确率均为100%。随后将稳健诊断法应用于金融时间序列异常值诊断,诊断结果与实际情况相吻合。     

大数据征信的信贷效用——基于中小微企业的理论与实证分析

中小微企业信贷融资难问题依然突出,信息不对称的根本原因突显。而大数据征信作为问题解决的关键所在,其整体建设有待加强。本研究以2013—2017年30个省级行政区为样本,从宏微观双视角出发,结合区域金融发展水平的外在调节作用以及企业软硬信息的内在影响,运用分层线性模型定量分析了大数据征信建设与中小微企业信贷能力之间的影响关系。研究表明,大数据征信建设能有效提升中小微企业信贷能力,且该效用随着时间推移有增强趋势,受企业软硬信息、区域金融发展水平等交互影响。研究认为强化大数据征信顶层设计,健全制度保障体系,拓展大数据征信应用场景,推进金融体系创新改革,进而充分发挥大数据征信效用,是全面提升中小微企业信贷能力的关键路径。     

一种求解双目标flow shop排序问题的进化算法

提出一种求解双目标flow shop排序的递进多目标进化算法.算法采用改进的精英复制策略,在实现精英保留的前提下降低了计算复杂性;通过递进进化模式增加群体多样性,改善了算法收敛性;通过群体进化过程中对非劣解集进行竞争型可变邻域启发式搜索,增强了算法局部搜索性能.采用新算法和参照算法NSGA-II对31个标准双目标flow shop算例进行优化.研究结果表明,新算法在所有算例的求解中均获得了优于NSGA-II的非劣解集,验证了算法的有效性.     

脉宽调制型DC—DC变换器的线性描述函数分析法

介绍了一种分析开关变换器的新方法－线性描述函数法的理论证明及实验结果,这种方法具有精确度高的优点。     

论社会主义市场经济条件下党内民主与集中的关系

民主集中制是党的组织制度。正确处理民主与集中的关系 ,对发展社会主义市场经济具有重要的现实意义。只讲集中、不讲民主和只讲民主、不讲集中的两种倾向中割裂了民主和集中的关系。在社会主义市场经济条件下 ,应根据具体情况正确把握民主和集中的辩证统一关系 ,全面贯彻党的民主集中制     

部分状态可见的隐马尔可夫模型状态序列的估计方法

本文考虑了部分状态可见的隐马尔可夫模型的状态序列估计问题,在分析了现有算法无法合理估计状态路径之后,以状态转移概率、观测概率和可见状态作为先验信息,通过贝叶斯分析计算可见状态前后向状态的后验概率,并给出初始条件和递推公式,运用动态规划递推得到每个观测值对应的最可能状态以及最可能的状态路径。最后,本文给出一个系统故障识别的应用例子,验证了所设计算法的可行性。     

网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数,反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察,均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具,通过对列联表单元格频数进行拟合,可以识别流动表行分类与列分类之间的强弱交互效应,刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构,针对简约对数线性模型拟合精度不够的问题,提出一种新的建模思路：利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘,将发现的社区效应作为附加参数约束引入原对数线性模型,以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束,因此仍可以保证建模结果的简洁性及理论意义,同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析,较好地解释了子代职业阶层与父代职业阶层间的关联模式。