全球服务业FDI变化的原因和影响

服务业FDI在FDI总量中的比重份额上升和变动幅度大,是近年来FDI变动的表现规律之一。服务业FDI具有地域限制、易受汇率风险影响、面临高的管理风险和波动性大的特征。影响服务业FDI的因素主要有收入增长、技术进步、金融发展以及投资和贸易政策变化。服务业FDI变动对经济活动的影响主要表现在带动FDI总量变动和影响产业结构调整两个方面。     

从换韵看王令《梦蝗》诗的情绪变化

换韵与情绪宣泄关系十分密切,从王令《梦蝗》诗可以明显看到这一点。从《梦蝗》诗的换韵中人们可以有效地把握王令诗的情绪节奏变化特征,真正理解作为"蓄含悲愤"而又"笔力恣肆"诗人的情绪结构本质。     

中国股票市场价格波动特征分析

在股票市场中最令人捉摸不定,也最具有吸引力的是波动不已的股票价格。文章对中国股票市场价格波动的分析是从1997年9月展开至2002年10月,其间恰逢中国股市经历了一段从牛市的繁荣到熊市的萧条的过程,两种泾渭分明的市场氛围恰好提供了一个深入研究股票市场价格波动特征的有利契机。遵循经济控制论研究的思路,文章采用了理论分析、市场交易数据的实证研究等技术手段对中国股票市场价格波动进行了研究,通过运用经济控制论的方法建立理论模型,以上海股市和深圳股市的综合指数为样本,对中国股票市场系统本身的波动特征和稳定性进行了量化分析。     

A hybrid ARIMA and support vector machines model in stock price forecasting

Traditionally, the autoregressive integrated moving average (ARIMA) model has been one of the most widely used linear models in time series forecasting. However, the ARIMA model cannot easily capture the nonlinear patterns. Support vector machines (SVMs), a novel neural network technique, have been successfully applied in solving nonlinear regression estimation problems. Therefore, this investigation proposes a hybrid methodology that exploits the unique strength of the ARIMA model and the SVMs model in forecasting stock prices problems. Real data sets of stock prices were used to examine the forecasting accuracy of the proposed model. The results of computational tests are very promising.     

中国股票市场的信息反应曲线和股票价格波动的非对称性

股票价格波动对于市场信息的反应过程具有非对称性。通过利用多种非对称性GARCH 模型,描述和检验了沪市股票日收益率序列的条件波动性,并通过对股票市场信息影响曲线的分析,发现沪市股票价格波动中存在显著的非对称性反应。这说明股市波动对于不同的政策干预和信息冲击具有不同程度的反应,“利好消息”对股市的刺激作用仍然需要其他市场干预的配合才能发挥出来。     

农产品价格波动中的金融化因素分析——以大豆、食糖为例

基于2007年1月至2016年12月的相关月度数据,以大豆和食糖为例,通过ARDL模型分别从长期和短期对影响国内农产品现货价格的金融化因素进行了系统测算。结果表明,通货膨胀因素、国内期货价格、货币供应量和国际现货价格是影响国内大豆现货价格的主要金融化因素;国内期货价格、通货膨胀因素和国际现货价格是影响国内食糖现货价格的主要金融化因素;汇率和能源价格对二者的影响均不明显。最后,从改善宏观经济环境、规范期货市场发展、健全农产品进口风险防控体系、关注品种间差异等方面提出了应对农产品金融化的对策建议。     

房价波动、银行信贷与产业升级——基于银行信贷中介效应检验及区域差异对比分析

房价波动是影响产业升级的重要因素。阐述房价暴涨通过银行信贷中介效应传导机制对产业升级产生抑制作用,并基于全国大中城市2007-2016年面板数据,采用动态面板模型系统GMM估计法检验房价波动通过银行信贷中介效应机制影响产业升级。研究结果表明:第一,大中城市的房价过快上涨对产业升级产生负效应;第二,大中城市的房价过快上涨会增加房地产银行信贷需求,挤出了支持技术创新、产业升级的银行资金,从而抑制产业升级;第三,通过区域差异对比分析,东部大中城市银行信贷对房价波动与高新产业关系发挥中介效应,房价上涨通过吸收银行信贷挤出高新产业发展资金;中部大中城市房价上涨通过吸收银行信贷挤出第三产业发展资金;银行信贷没有对西部城市的房价波动与产业升级发挥中介效应。     

论成品油定价机制中的有限规制：基于合谋的视角

利用单期静态博弈分析法、有限期动态博弈分析法和无限期动态博弈分析法对成品油定价机制中寡头厂商的合谋行为进行了分析。研究发现：两家寡头厂商在合谋条件下的收益均高于双方各自独立定产条件下的收益，因此，双方存在进行价格合谋的利益激励。基于此，我国成品油价格形成机制的改革可以考虑采用有限规制等手段。     

房价对企业技术创新产出的成本效应与投资效应研究——基于A股上市公司数据的实证分析

文章将房价对企业创新水平的影响归结为"成本效应"及"投资效应"两种影响机制，并分析了房地产价格、房产性投资行为、房产性投资的深化以及企业技术创新产出之间的关系。文章的创新之处在于，将创新要素投入和创新管理水平作为中介变量，从理论和实证两方面检验房价和创新产出的关系。基于提出的理论观点利用A股上市公司数据，对研究假设进行了实证研究，得到如下结论：房价对企业技术创新水平的影响机制至少是通过"成本效应"与"投资效应"两条渠道实现的；房价对企业技术创新水平的"成本效应"是通过技术创新投入作为中介对技术创新成果产生影响；房价对企业技术创新水平的"投资效应"是通过技术创新管理水平作为中介对技术创新成果产生影响；未能证实房产性投资会挤压上市公司技术创新投入。文章的研究结论具有以下重要政策启示意义：应当重视房地产价格对企业技术创新产出的"成本效应"。在新旧动能转换的背景下，创新人才的稀缺性提高了其在劳动力市场的议价能力，作为生活必需品的房屋价格上涨，会导致创新人才的劳动力价格随之上涨，这势必加大企业技术创新投入的负担，影响企业的转型升级和长期发展质量；A股企业的房地产投资并未挤压技术创新投入，但降低了企业创新的效率。在政策上，应当制定相关技术创新效率的考察指标，促进骨干型企业重视其创新效率的提升。     

Machine Learning Vasicek Model Calibration with Gaussian Processes

In this article, we calibrate the Vasicek interest rate model under the risk neutral measure by learning the model parameters using Gaussian processes for machine learning regression. The calibration is done by maximizing the likelihood of zero coupon bond log prices, using mean and covariance functions computed analytically, as well as likelihood derivatives with respect to the parameters. The maximization method used is the conjugate gradients. The only prices needed for calibration are zero coupon bond prices and the parameters are directly obtained in the arbitrage free risk neutral measure.