床位统一调配制度下的医院床位工作效率分析

医院床位利用率是反映医院工作效率的主要指标.为提高医院床位利用率,我院自1994年成立以来,鉴借美国医院管理体制,并结合国内医院的实际情况,对医院住院部床位实施统一调配制度,这一制度运行10年来,取得了良好的社会效益和经济效益.     

固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性.当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现.最后,将估计方法应用于分析碳排放的影响因素.     

实际季度GDP指数和季度CPI指数的测算

一、实际季度GDP指数测算限于条件因素,我国国家统计局只公布1992年以来累计季度名义GDP及同期同比增长率,然而由于价格和季节因素的存在,学术上无法利用其进行相关研究,如在产出缺口分析时需要实际季度GDP水平,在观察经济短期波动对长期增长时最好采用季度环比增长率,但是统计局一直公布的是累计季度数据,无法推算出环比增长率,也就无法测算出实际季度GDP指数。     

基于Copula-GARCH模型的新兴产业与上证指数相依性研究

文章利用Copula-GARCH模型对2005年1月1日至2014年4月30日上证交易所新兴产业指数和上证综合指数进行建模,然后运用ARMA(1,1)-GARCH(1,1)-t模型,将边缘分布概率积分变化后的2个服从均匀分布的序列作为Copula模型的边缘分布,得到了较好的拟合效果.通过建立正态Normal Copula函数、t-Copula函数、Gumbel Copula函数、Clayton Copula函数和Frank Copula函数的5个二元Copula模型,并采用AIC法、BIC法、切比雪夫距离和欧式距离4种检验拟合优度的方法选择最优的t-Copula模型.同时利用GPD法对2个指数做了尾部相关性分析,发现下尾比上尾具有更好的相依性,说明极端情形(如金融危机)下两指数的涨跌幅度较大.     

中国经济增长的整体预测——基于月度扩散指数的实证

利用39个宏观经济指标构建中国月度扩散指数,分析了各扩散指数的特征,并利用动态因素模型预测中国2009年4季度至2010年3季度的GDP增长率,取得了较好的预测效果。实证结果表明,基于扩散指数的动态因素模型,具有提高模型自由度、降低多重共线性、综合大量信息、保证预测精确性等优势,对于宏观经济预测分析和决策具有一定的作用。     

基于RS分析的中国债券市场分形特征研究

文章详细讨论了RS分析方法、概率空间分形维的测度,通过对上证国债指数和上证企债指数的RS分析,得到了两序列赫斯特指数和非周期循环长度,进一步得出中国债券市场为分形市场的结论.     

客户忠诚度评价及策略选择

客户忠诚度是企业市场营销中品牌策划的重要依据.本文运用费纳的顾客满意模型(CSI),建立了客户忠诚度指标体系,定量测量了客户忠诚度,并以某移动通信江汉地区市场为样本,根据CSI模型和客户忠诚度指标体系,对样本数据进行了整理分析,根据数据结论提出市场营销策略.     

居民收入差距测量的方法和指标

在现代发展经济学中,经济学家提出了许多分析规模收入分配差别的方法和指标。在这些方法和指标中,有的是由收入分配理论推导出来的比如说洛伦茨曲线、基尼系数、库兹涅茨比率、沃尔夫森“极化指数”等;有的则是从统计学中发展出来的,比如人口(或家户)众数组的分布频率、测度大多数人(或家户)所覆盖的绝对收入范围、以及测度最低或最高收入对平均收入偏离度的离散系数等;有的是从其他相关或相近学科中引入的,比如来自物理学的泰尔指数等。这里介绍几种最常用的。     

中国金融状况指数的构建及预测能力研究

本文首先选取利率、汇率、股票价格和社会融资规模四个金融变量,建立SVAR模型确定变量权重,构建了量化我国金融状况整体松紧程度的中国金融状况指数.其次,基于已构建指数,引入谱分析方法研究发现:中国金融状况指数与宏观经济景气指数中的一致指数、环比和同比CPI三个指标之间均存在39个月的耦合震荡周期,且中国金融状况指数领先三个指标的期数分别为1.91、0.44和5.5个月,对应一致性统计量的值依次为0.94、0.97和0.96,均接近于1,说明中国金融状况指数对宏观经济景气指数中的一致指数以及对通货膨胀均具有先导性和强相关性,可作为其他宏观经济指标的先行指标.     

基于尾部指数回归方法的CVaR估计以及实证研究

 在险价值VaR是一种非常重要的金融风险度量方法,近期也有很多关于动态VaR以及条件VaR (CVaR) 等方面的研究。根据金融资产的收益率具有重尾特征这一事实,本文假定金融资产收益率服从重尾分布,并假定重尾分布的尾部指数随着收益率发生变化。本文基于尾部指数回归模型对重尾分布的尾部指数进行估计,进而得到收益率尾部数据所服从的条件分布,并首次运用该方法对条件VaR进行估计。本文对沪深300指数进行了实证研究,得到CVaR的估计,并对估计得到的CVaR的预测效果作出检验,并与传统VaR估计方法进行了对比,实证结果发现本文的方法的预测效果更好。