我国农业上市公司融资效率研究——基于DEA模型和Malmquist指数法的实证分析

以我国农业上市公司2013-2017年的面板数据为样本,运用DEA模型和Malmquist指数法对不同金融成长周期的融资效率进行测度和分析.研究结果表明:农业上市公司的融资效率偏低,且大多数企业的综合效率表现为非有效;从不同金融成长周期阶段的融资效率来分析,其中大部分农业上市公司处于中年期,中年期的融资效率与农业上市公司整体融资效率的变化趋势相近,具有重要决定性作用;之后运用Malmquist指数方法从动态角度探究融资效率的变化,发现技术水平的降低是融资效率下降的重要原因.因此,进一步地提出提升农业上市公司融资效率的建议及措施.     

供应链金融、盈余管理与企业融资效率

本文以我国2014—2019年间沪深A股主板非金融类上市公司为研究样本，采用真实盈余管理模型和修正-Jones模型分别度量企业的真实和应计盈余管理，并通过主成分分析提取综合指标衡量融资效率，实证检验了供应链金融、盈余管理对企业融资效率的影响，以及供应链金融与盈余管理对融资效率的交互影响，并按企业规模、企业所有制属性对上述影响进行深入考察。研究发现，高质量的供应链金融有利于改善企业融资效率；企业内部盈余管理会抑制融资效率的提高；上述两种影响在大规模、国有企业中表现更突出。进一步的研究发现，供应链金融与真实盈余管理对融资效率的影响存在显著的替代效应，这种替代效应在小规模、国有企业中更显著。     

江苏省物流业发展对经济增长的作用研究——基于1952-2014年数据的协整分析

基于江苏省1952-2014年的数据对经济增长和物流业发展的关系进行了协整分析、建立误差修正模型、Granger因果关系检验和脉冲响应函数分析.研究发现,物流业规模与经济规模之间存在协整关系和物流业规模对经济规模的单向因果关系.误差修正模型说明物流业规模与经济规模的长期均衡关系对经济发展有显著的调整作用,得出结论物流规模应适度领先于经济规模,应追求物流与经济的可持续发展.     

高频金融时间序列的模型化研究进展回顾

从高频和超高频金融数据的基本统计特征出发,回顾了(超)高频金融时间序列模型化研究的发展历程及相关特征,并详细介绍了高频数据模型研究中针对久期序列建立ACD模型族的研究与进展.对ACD模型族,介绍了两种主要类型:强ACD模型和弱ACD模型.最后展望了高频金融时间序列中ACD模型的研究.     

基于贝叶斯时变VAR模型的中国FCI构建及其应用

本文综合宏观经济变量,利用混频动态因子模型测度月度GDP,之后结合货币供应量、房价以及股价等金融变量,基于贝叶斯时变VAR模型构建科学的金融状况指数(FCI),并采用谱分析研究其预警能力。研究结果表明,股票市场、房地产市场、货币政策与实体经济对我国金融市场状况的影响具备时变性。基于贝叶斯时变VAR模型的脉冲响应分析可以发现,上述变量的影响程度依次递减。在此基础上构建的FCI较基于常系数VAR模型构建的FCI具备更强的预警能力,尤其进行三个月以内的短期预测时,优势更加明显,进而可以为有效监测金融市场状况,预警通货膨胀与金融风险提供科学决策依据。     

经济新常态下我国金融发展质量的测度与分析

经济新常态下,我国经济增速由高速增长转为中高速增长,政府更加注重经济发展的质量,体现在金融方面就是更加注重金融发展质量.首先就经济新常态与金融发展质量的关系进行了阐述,认为金融发展质量的提高是经济新常态的表现.接着运用基于中心点混合三角白化权函数的灰色聚类评估模型对我国其中31个省份2014年的金融发展质量进行了测度,最后得出结论:我国各省份金融发展质量水平参差不齐,各省份发展现状不同.并且分析了聚类结果,对处于金融发展质量每一层次的省份提出了相应的对策建议.     

上海市社会总抚养比的预测分析——基于最小二乘法的改进GM（1,1）模型

上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此文章提出了基于最小二乘法的改进GM（1,1）模型.首先文章介绍了普通GM（1,1）模型的建立方法与步骤;接着通过采用最小二乘法的原理弱化波动较大的数据,加强其规律性从而建立新的GM（1,1）模型;最后结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

基于向量自回归模型和误差修正模型的房产税、住房供给、住房需求和房产价格的关系

研究房产税开征对房地产市场的影响,不仅能使人更好地了解和懂得房产税的精髓,为后续研究提供理论参考,还能对探讨如何有效调控房地产市场有着深远的意义,对确保中国经济又好又快发展,社会和谐稳定,维护个人尊严和实现中华民族的中国梦都有积极的社会意义.采用的是2007年01月到2016年12月十年间的月度宏观经济数据,在经过数据处理消除通货膨胀、季节性等影响后,运用EVIEWS6.0软件对数据进行平稳性检验和协整检验,得出各变量数据之间存在协整关系后通过建立向量自回归(VAR)模型和误差修正(VEC)模型来研究房产税(T)、住房供给(S)、住房需求(D)和房产价格(HP)之间的相互影响关系.     

金融集聚对区域经济增长的空间溢出效应研究——基于江苏省13个地级市的数据

江苏省是我国经济较为发达的地区,也是金融业高度集聚的地区.本文选取2011-2016年江苏省地级市的面板数据,基于SDM空间杜宾模型,研究了江苏省金融集聚对经济增长的空间溢出效应.模型计量结果显示:金融集聚、金融效率、人力资本以及投资行为均对经济增长有显著的正向空间溢出效应.从溢出效应的分解来看,金融集聚区位熵和人力资本的直接效应均大于间接效应.表明区位熵和人力资本对本地区经济增长的影响程度显著大于对周边地区的影响程度,辐射以及外溢作用比较弱.金融效率、政府行为以及投资行为则恰恰相反.政府应积极出台相应的政策促进金融集聚溢出效应的发挥,积极推进不同地区之间深入沟通交流与合作.构建省内金融中心,发挥中心城市的金融辐射效应.     

基于HP滤波和ARMA-GARCH模型的人民币汇率趋势预测

在复杂多变的金融市场,人民币汇率的变化受多种因素的影响,而人民币汇率的变化又影响着经济生活的方方面面,人民币汇率及其变化特征受到人们的广泛关注,研究人民币汇率变化特征,正确分析与预测人民币汇率的走势,对于国家和各个经济主体制定金融政策和投资决策具有十分重要的意义,采用HP滤波法将汇率数据序列分解为趋势成分序列和波动成分序列,然后使用自回归和ARMA-GARCH模型分别进行拟合和预测,通过实证分析发现模型有着较好的预测效果,可以为金融产品的预测研究和制定金融政策提供参考。     

中美经济冲击传播途径研究

本文应用近似因子模型以及因子增广的向量自回归模型,考察了1995～2009年间美国的经济冲击对我国经济的传播渠道.本文发现出口和消费者信息指数比进口以及金融市场对美国的经济冲击更为敏感;而就冲击的类型来看,美国经济的需求冲击比供给冲击对我国经济的影响更大.     

基于多角度的我国房地产行业数学模型的建立与分析

房地产业在我国国民经济中起着重要的作用,通过建立数学模型,从多个角度研究我国的房地产行业的性质与发展态势.首先,建立了基于联立方程组的住房的供给和需求模型,并结合蛛网模型进行分析,发现我国房地产目前处于一个非均衡的阶段;接着,建立了基于VAR模型的房地产行业和国民经济13个主要其他行业关系模型,找到了与房地产业互相影响的产业;再接着建立了基于组合权重的GC-TOSIS法的我国房地产行业态势分析模型,得出近几年房地产的态势不太乐观的结论;并通过态势分析模型得到我国房地产的经济发展情况,并引入可持续发展指数,建立了基于离散Hopfield神经网络的房地产行业可持续发展模型,得到我国房地产行业可持续发展程度以及可持续发展的等级正在逐渐增高.最后,结合以上四个模型,综合分析我国房地产的各个方面的发展趋势,并提供了可行性建议.     

基于系统冲击的灰色预测模型及其应用研究

针对系统受到系统外部冲击问题,结合泛函理论和灰色系统理论,建立了含有系统冲击泛函分析因子的灰色泛函预测模型。并运用贝叶斯网络推理技术,建立了系统冲击与系统控制的灰色贝叶斯网络推理预测模型。所建模型可以分析基于系统冲击演化的泛函分析因子的动态推演问题。依据泛函分析因子的变动,可以预测与修正系统发展趋势。案例分析了2013年房地产经济受到新政策的冲击问题。由于房地产经济受到新政策冲击,使经济发展态势发生转变。根据房地产经济的当前时段信息,利用灰色贝叶斯网络推理预测模型对历史趋势进行修正,预测结果与实际数值仅有3.81%的偏离,预测结果较其它现有模型的预测结果精确。灰色贝叶斯网络推理模型强调对近期数据的开发利用,适用于预测系统近期受到外部冲击的发展趋势问题。     

基于房地产行业发展现状的数学模型

基于我国房地产行业发展的现状,根据优化与运筹的相关数学理论,采用BP神经网络、灰色理论、目标规划等方法,建立了住房需求-供给模型、房地产行业与国民经济其他行业关系模型、房地产行业态势分析模型、房地产行业可持续发展模型、合理房价制定模型,对我国的房地产行业作了深入的分析和科学的探讨,给政府相关部门制定决策提供了重要的理论依据.     

The odd log-logistic Topp–Leone G family of distributions: heteroscedastic regression models and applications

We introduce a new class of distributions and provide a comprehensive treatment of its mathematical properties. The maximum likelihood method is discussed to estimate the parameters of the new model by means of Monte-Carlo simulation study. The heteroscedastic regression models with long-term survival are introduced to model data sets with the non homogeneity of the error variances in the presence of cured individuals. The potentiality of the proposed models is illustrated by means of four real data sets.     

Statistical simulation based on right skewed distributions

Statistical simulations in medical and biological research are usually conducted with normal random numbers. However, in many cases, the distributions of real data in medical fields are usually right skewed. The conclusions led by simulations with the misspecified model might be misleading because of a gap between real data’s distribution and theoretical one. In this paper, we provide the simulation procedure for right skewed data based on reparameterized, easily interpretable parameters of the Box–Cox transformation model which includes multivariate distributions and regression models. We also show that the provided procedure is widely applicable to real world based on laboratory data, and then we provide parameter vector sets obtained by reparameterized parameter estimates that would cover almost all situations in which the distributions of data were right skewed and unimodal.     

Joint modelling of location and scale parameters of the skew-normal distribution

Joint location and scale models of the skew-normal distribution provide useful ex- tension for joint mean and variance models of the normal distribution when the data set under consideration involves asymmetric outcomes. This paper focuses on the maximum likelihood estimation of joint location and scale models of the skew-normal distribution. The proposed procedure can simultaneously estimate parameters in the location model and the scale model. Simulation studies and a real example are used to illustrate the proposed methodologies.     

Heteroscedastic replicated measurement error models under asymmetric heavy-tailed distributions

We propose a heteroscedastic replicated measurement error model based on the class of scale mixtures of skew-normal distributions, which allows the variances of measurement errors to vary across subjects. We develop EM algorithms to calculate maximum likelihood estimates for the model with or without equation error. An empirical Bayes approach is applied to estimate the true covariate and predict the response. Simulation studies show that the proposed models can provide reliable results and the inference is not unduly affected by outliers and distribution misspecification. The method has also been used to analyze a real data of plant root decomposition.     

我国房地产市场发展问题研究

房地产市场是一个庞大而复杂的系统,它对我国国内生产总值有重要影响,并和百姓生活必需的"住"关系极为紧密.因此,有必要对房地产市场进行深入分析.从当前社会经济发展的现实着手,建立了一系列数学模型,包括房地产市场的供求模型、价格影响模型、房地产行业与国民经济相关行业关联度模型和房地产行业泡沫度量模型.并运用可获得的经济数据对以上模型进行了实证分析,旨在研究如何促使房地产市场健康稳定地持续发展,同时为国家制定房地产的相关政策提供一定的理论参考.     

A fractional order epidemic model for the simulation of outbreaks of influenza A(H1N1)

In this paper, we propose a nonlinear fractional order model in order to explain and understand the outbreaks of influenza A(H1N1). In the fractional model, the next state depends not only upon its current state but also upon all of its historical states. Thus, the fractional model is more general than the classical epidemic models. In order to deal with the fractional derivatives of the model, we rely on the Caputo operator and on the Grünwald–Letnikov method to numerically approximate the fractional derivatives. We conclude that the nonlinear fractional order epidemic model is well suited to provide numerical results that agree very well with real data of influenza A(H1N1) at the level population. In addition, the proposed model can provide useful information for the understanding, prediction, and control of the transmission of different epidemics worldwide. Copyright © 2013 John Wiley & Sons, Ltd.