人民币汇率的双成分混合波动率模型

汇率波动性预测在金融和计算领域一直受到广泛关注,然而由于缺乏可以捕捉汇率波动动态变化的预测模型,高频汇率的波动率预测至今没有得到彻底的研究.文章提出了基于神经网络的双成分混合汇率波动率模型,该模型利用低通Hodrick-Prescott滤波器将已实现波动率分解为长期分量和短期分量,使用自回归神经网络模拟长期分量,一阶自回归过程模拟短期分量,通过实证分析确定自回归神经网络参数(10个隐神经元和四阶滞后输入神经元),以6种主要高频率汇率(英镑/人民币,美元/人民币,澳元/人民币,欧元/人民币,日元/人民币,和瑞士法郎/人民币),在5 h(d)、20 h(d)、100 h(d)、200 h(d)、360 h(d)和500 h(d)的预测区间构建1 h和1 d已实现波动率,并与双成分GARCH模型、EGARCH模型、四阶滞后自回归神经网络模型3个基准模型进行对比,分析模型的预测性能,实验评估表明,提出的混合预测模型在所有预测的范围内均显著地优于传统人民币汇率波动模型.     

中国股票市场发展对经济增长的门槛效应研究——基于省级面板数据的实证分析

根据中国省级面板数据,分别以股票市场规模、股票市场流动性和股票市场融资率为门槛变量,就股票市场发展对经济增长的门槛效应进行检验,实证结果显示,股票市场发展与经济增长之间并非简单的线性相关,而是呈现促进或抑制的关系。相对于经济而言,股票市场发展向上或者向下的过度偏离都会抑制经济增长。股票市场规模与融资率对经济增长存在一个门槛效应,股票市场流动性对经济增长存在双门槛效应。具体而言,股票市场规模对经济增长效应总体为负,但呈边际效应递增的趋势,且随着股票市场规模的逐步扩大,对经济增长的正向作用终将开始显现。股票市场流动性对经济增长有一个合理的范围,在此范围内,股票市场流动性对经济增长存在正向关系,低于或者高于合理范围时,则抑制了经济增长。股票市场融资率对经济增长存在一个门槛效应,低于门槛值时对经济增长产生了显著的促进作用,高于门槛值则不利于经济增长。根据实证结果,分别就股票市场规模,股票市场流动性、股票市场融资率促进实体经济增长提出了相关政策建议。     

日内知情交易概率测度及事件影响研究

在EKOP模型测度PIN的基础上,通过建立时变交易到达率模型,滚动计算日内知情交易概率,并将PIN测度与事件研究相结合,对比了不同规模公司股票在事件日前后PIN的变化情况。实证结果表明我国股市存在信息泄露情况,尤其是小规模公司股票在公告日前一天知情交易明显增加;前一笔知情交易对当前非知情交易有削弱作用,但对当前知情交易有加强作用,可以进一步解释交易的集簇现象：日内PIN对信息的刻画更加准确,但也发现在公共事件发生后第二天PIN仍会增加,这表明市场上存在信息的学习者,需要对引起PIN增加的原因进行更准确的分析。     

资产结构与公司业绩——来自我国上市公司的经验数据

文章以沪、深两市的非金融类上市公司为研究样本,研究了我国上市公司资产结构与公司业绩之间的关系.研究发现,流动资产率与公司业绩有显著的正相关关系,但没有发现固定资产率和无形资产率与公司业绩之间存在显著的相关关系.研究结果表明,我国上市公司总资产中流动资产对公司业绩的贡献大,而固定资产投资效率不高,无形资产对企业业绩的贡献比较低.     

农村金融发展与农业经济发展的关系研究——以山东为例

采用1986²009年的数据分析了农村金融发展与农业经济发展之间的关系。研究表明,山东省农村金融发展与农业总产值表示的农业经济发展之间存在着一种稳定的均衡关系。格兰杰检验结果显示,农村金融结构和农村金融效率是农业经济发展的格兰杰原因;农业经济发展是农业金融深化率的格兰杰原因。进一步协整分析发现,从长期来看,农村金融结构和农村金融效率对农业经济发展起着正向的促进作用,而农业金融深化率却与农业经济的发展呈现了反向关系。从误差修正模型的分析结果来看,农村金融结构和农村金融效率的短期变动对农业经济的发展有着正向影响。综合而言,山东省农村金融的发展促进了农业经济的发展,但在一些方面对农业经济的发展有抑制作用。