新兴市场股指期货价格发现功能的研究

文章运用ADF检验、协整分析、误差修正模型和非线性因果关系检验法,对印度股指期货市场对于现货市场的预期效果和引导关系进行了递进和全面的分析。实证结果表明,股指期货和现货价格二者之间具有长期稳定的均衡关系,期货价格的价格发现功能良好,能够引导现货价格,并且现货价格与期货价格之间存在双向因果性。期望此研究对我国推出的沪深300股指期货具有一定的借鉴意义。     

非线性协和模型:非参数方法研究综述

对于非线性协和理论,非参数方法具有重要的研究和应用意义。文章对当前非线性协和理论的三个研究方向进行了梳理,进一步对已给出的非线性协和的不同定义,总结了相应的具有非线性结构的时间序列的非平稳性非参数检验、非线性协和关系的非参数检验、非线性协和模型非参数估计方法以及非线性误差修正模型的非参数方法前沿问题。     

高值技术人员股份份额评估研究

高新技术成果出资入股,对与成果相关的高值技术人员进行股份激励是推动高新技术企业快速发展的一种有效方法。在高新技术成果出资入股的股份总额和股票来源确定后,科学地对高值技术人员的份额进行评估,直接关系到成果转化的时间、成本和效益。因此提出熵权修正层次分析法,评估高值人员的股份份额将更加客观。     

工资增长与CPI挂钩吗——基于中国统计数据的实证研究

研究工资增长是否应该与CPI挂钩,对建立职工工资正常增长机制具有重要意义.文章利用1978～2007年时间序列数据,对我国职工平均工资和CPI建立模型,研究CPI变动对工资水平变动的解释程度,同时分析GDP和汇率对工资水平的影响.实证结果表明,我国的职工工资水平增长与CPI之间有很强的相关关系.健全职工工资正常增长机制,工资调整应考虑与CPI联动,但不宜与CPI直接硬性挂钩.     

GM(1,1)模型系列背景值优化的内在联系及其改进

GM(1,1)模型最主要的缺陷在于其白化方程与灰微分方程无法匹配,传统优化方法往往通过重构其背景值形式达到两者匹配的目的.文章介绍了三种重构的背景值形式,其由原始数据为齐次指数序列推导出,因此可以满足白指数率重合性;指出在原始数据为齐次指数序列时,三种背景值形式完全相同;分析了近似齐次指数序列建模下三种背景值形式的适用性,并对其添加动态修正项以弥补其不足.实例应用结果显示,改进的背景值优化形式提高了预测精度.     

民国时期的“回族界说”与中国共产党《回回民族问题》的理论意义

现有研究表明,中国讲汉语的回回在晚明已经形成为一个具有共同祖先认同的独特的族类群体(民族),但是到晚清特别是辛亥革命之后,出现回回学者关于"回族界说"的争议,而且大多数回回精英都不主张回族是一个独立的"民族",也不赞成使用"回族"的称呼。本文认为回回精英的这种立场,主要是因为从西方传入的"民族"概念蕴含"一个民族一个国家"的意义,而中国的回回用"争教不争国"表达了在政治上认同中国的生存策略。这种生存策略的确定,不仅与清代后期的民族压迫有关,而且也受到民国期间中国大社会(国民党和大多数主流学者)的"民族"理论和方针的影响。反观中国共产党的《回回民族问题》(1941年),一方面尊重学理,没有否认中国多民族国家中存在汉族以外的"民族";另一方面修正了少数民族"民族自决"的主张,改为民族平等下的"民族自治"。其在学理上确立了多民族国家中真正实行民族平等政策的理论基础,同时也为中国回回民族指明了不需要否认自己民族身份的发展道路。     

我国沪深300股指期货价格发现功能实证分析

文章通过ADF单位根检验、Granger因果关系检验和johansen协整检验,在此基础上建立var模型及误差修正模型,并用方差分解以及脉冲响应函数分析了我国期货市场和股票市场的价格发现功能。研究结果显示,在股票市场的价格发现上,股指期货占主导地位。这说明,对于我国股指期货的推出,使市场信息能够更快捷的表达,增强了市场效率。     

我国股票市场结构突变与双长记忆的实证分析

文章基于修正的ICSS算法,在消除结构突变影响的前提下,运用ARFIMA-FIGARCH模型,实证考察了我国沪深股市的收益率及其波动的双长记忆性。结论表明,我国股市存在显著的双长记忆性;而结构突变对于长记忆的影响表现为:消除结构突变的影响后,波动过程的长记忆性显著下降,而收益率序列的长记忆性并无显著变化。     

日本对华直接投资与进出口效应的实证分析

文章采用格兰杰的两变量模型,根据Engle-Granger的协整检验及误差修正模型,通过加入时间趋势项以及虚拟变量,分析了日本对华直接投资对中日双边贸易所产生的效应。结果表明,日本对华直接投资与日本对华输出输入分别表现出显著的协整关系,同时误差修正模型也反映了短期修正的变化。     

一种基于Logistic曲线改进的k-NN灰色评估法

朱美玲、陈勇明(2011)提出了一种基于k-NN的灰色评估算法,力求消除专家主观因素对评估结果造成的影响。但该方法存在采用线性修正函数从而任何一点变化率都相同的不合理性的问题。文章将该方法中的线性修正函数改进为logistic修正函数,同时提出了评分专家对不同指标也可能存在各自的认知标准,即主观倾向,并对此提出了改进的方法。