金融科技发展对金融机构系统性风险的影响——基于时变视角的实证研究

本文基于2011-2020年金融科技关键词的百度搜索指数,通过动态因子模型构建我国金融科技发展指标;利用沪深两市金融机构的相关数据,基于DCC-GJR-GARCH模型构建我国金融机构系统性风险指标。然后通过TVP-VAR模型,在控制宏观经济变量和微观金融市场变量的条件下,研究了我国金融科技发展对金融机构系统性风险的动态时变影响。实证结果表明:我国金融科技发展对金融机构系统性风险的影响有显著的时变特征,在金融科技发展初期,金融科技发展会增大金融机构系统性风险;随着金融科技进一步发展,金融科技发展会降低金融机构系统性风险。通过对金融机构进一步分类实证,发现金融科技发展对银行类金融机构系统性风险的影响更显著。     

高维数据下的贝叶斯网络结构学习

贝叶斯网络模型作为一种传统有效的大数据图模型,因其具有因果和概率性语义等特点受到学者们的广泛研究。为了解决基于高维数据构建贝叶斯网络的难题,本文提出了一种适用于高维数据的贝叶斯网络结构学习算法—LTB算法,该算法由Lasso、Tabu Search算法和BIC结合。首先,运用Lasso降低协变量的维数,筛选出与目标变量关系密切的协变量将作为贝叶斯网络的顶点。然后,选择Tabu Search作为元启发式算法,选择BIC作为计算得分的方法,两者结合构建全局最优的贝叶斯网络结构。实证分析表明,LTB算法应用于上证综指影响因素的研究,既可以获得上证综指与其影响因素间的因果关系,也可以利用条件概率得到上证综指影响因素间的组合方式。     

嵌入全球金融因子的中国广义灵活动态金融状况指数构建及应用--基于MI-TVP-SV-SFAVAR模型的实证分析

借鉴Thompson等(2013)[1]嵌入全球金融因子的做法,在周德才等(2015)[2]的基础上,从利率、信贷、货币供给、房价、股价和全球金融6类共30个金融指标中分别提取6个结构公因子,使用新建的MI-TVP-SV-SFAVAR模型,提出并測度了中国广义灵活动态金融状况指数(BFDFCI),进而分析其与通胀的关系,并与不包含全球金融因子的NFDFCI进行比较。结果表明:与NFDFCI相比,BFDFCI是通胀更优的领先性、相关性、因果性和预测指标,并明显优于FCI的已有研究;BFDFCI的权重是灵活时变的,其中全球金融因子的权重在世界金融危机后一直居于首位。     

贝叶斯网络仿真元模型及其在装备战场损伤仿真中的应用研究

结合装备战场损伤仿真系统,研究了贝叶斯网络仿真元模型的构建方法.从条件概率角度描述了仿真模型输入参数与输出参数之间的映射关系,研究了构建贝叶斯网络仿真元模型的可行性,分析了贝叶斯网络仿真元模型的优点;研究了贝叶斯网络仿真元模型构建过程中的关键问题,包括:元模型参数的确定、原始模型参数向贝叶斯网络节点的转化、联结强度的计算、衍生元模型的构建;针对不完全信息条件下装备战场损伤快速定位问题,研究了基于K2算法的贝叶斯网络仿真元模型构建方法;构建了某型高炮的战场损伤贝叶斯网络仿真元模型.     

基于分层贝叶斯广义线性模型的小域估计方法研究

当前,构建恰当的小域估计方法是解决我国政府抽样调查中多层次推断问题的关键所在。由于小域的小样本特性,基于频率统计学的小域估计方法推断效果并不理想,而传统基于贝叶斯统计视角的小域估计方法在非连续型变量估计时适应性不强。本文在系统介绍传统贝叶斯小域估计方法的基站上,为了解决离散变量的估计推断问题,将广义线性模型引入到分层贝叶斯方法中,构建了基本的理论机制和分类数据的估计模型。基于此模型,运用全国流动人口动态监测调查2014年广东省内的样本数据进行实例测算,估计出广东省各地级市的流动人口学历分布情况,并将分层贝叶斯广义线性模型的估计结果与传统估计方法进行了对比分析。结果显示,分层贝叶斯广义线性模型在样本量充足的情况下能够准确地估计出目标小域的总体参数,在样本量不足的小域中依然能够给出稳健的估计结果。文章所构建的估计模型不仅可以充分利用先验信息和辅助信息,还适用于对复杂数据进行估计推断,能够为我国政府抽样调查的小域估计实践提供有价值的理论参考。     

基于MCMC模拟的贝叶斯厚尾金融随机波动模型分析

针对现有金融时间序列模型建模方法难以刻画模型参数的渐变性问题,利用贝叶斯分析方法构建贝叶斯厚尾SV模型。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,构造了基于Gibbs抽样的MCMC数值计算过程进行仿真分析,并利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰厚尾的特性,并且证明了我国股市具有很强的波动持续性。     

企业财务危机预测的贝叶斯模型研究

本文探讨商业银行如何利用贝叶斯分类技术构建企业客户财务危机预测模型。本文使用财务比率作为评价企业绩效的特征属性,并考察两个不同的贝叶斯模型在估计企业客户发生财务危机的后验概率方面的有效性。一个比较简单但有较多的假设,即朴素贝叶斯模型;另一个某种程度上更为复杂但有更少的假设,即组合属性贝叶斯模型。研究发现,与朴素贝叶斯模型相比,由于组合属性贝叶斯模型更好地反映了变量之间潜在的联合分布,因此它能在历史数据支持下估计所要求的概率并做出更精确的预测。所提出的模型可以作为辅助银行审核者做出正确而快速决策的有用工具。     

二元选择分位回归的自适应LASSO改进

为避免模型出现过拟合,将自适应LASSO变量选择方法引入二元选择分位回归模型,利用贝叶斯方法构建Gibbs抽样算法并在抽样中设置不影响预测结果的约束条件‖β‖=1以提高抽样值的稳定性.通过数值模拟,表明改进的模型有更为良好的参数估计效率、变量选择功能和分类能力.     

基于全球流动性背景下的新兴资本市场收益研究

随着在全球金融一体化程度不断加深,全球流动性状况对于新兴市场资产价格的影响备受关注.构建了反应主要发达国家与新兴市场国家对全球货币数量影响的广义流动性指标,并以波动率指数作为反映市场情绪的变量将市场分为平稳期和压力期.通过建立非线性面板门限回归模型考察了全球流动性状况对于金砖五国资本市场的非线性影响,结果表明在金融市场繁荣期,流动性过剩对于资产价格起到了明显的正向带动作用;而在市场衰退期间,流动性的释放并没有对资产价格的提升产生显著的影响.     

非贵金属期货市场对白银期货市场的贝叶斯非线性效应研究

选取2012年8月13日至2013年9月16日的各金属期货周收盘价构成的平衡面板数据,以黄金期货价格为转换变量,本文利用贝叶斯面板平滑转换模型探索非贵金属与白银期货可能存在的非线性关系.研究结果表明,铜、铝、螺纹钢市场与白银期货市场具有时变的非线性关系.因此,投资者可以根据非贵金属期货价格走势更好的对白银期货投资价值进行评估,从而提高投资决策的科学性.     

GARCH模型的贝叶斯局部影响分析及其应用

广义自回归条件异方差(GARCH)模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数(NYSE)和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。     

天山北坡经济带农户借款行为的影响因素研究

基于对天山北坡经济带450个家庭的调查数据,通过构建双变量logistic模型,对该地区农户正规金融与非正规金融借款行为的影响因素进行估算.研究得到以下基本结论:1)影响农户借款行为的关键性和主要因素是农户家庭的特征;2)金融环境对农户借款行为影响显著;3)受民族聚居的影响,民族这一因素对地区农户借款的可获得性有所差异,对非正规金融借款行为的影响度高于对正规金融借款行为的影响.     

基于MTS模型的政府融资平台风险预警实证研究

地方政府融资平台的信用风险是目前政府部门和金融系统面临的全新课题,如何正确度量、评估融资平台潜在金融风险、并建立合适的预警分析模型,是目前社会各界普遍关心和探讨的重要课题。本文简要介绍了政府融资平台的背景和风险特征,在此基础上采用合适的财务指标构建风险预警指标体系,运用MTS模型对风险预警客户和政府融资平台客户的样本数据进行定量分析、分类验证和实证研究,证明MTS模型和降维特征变量的有效性,最终得出融资平台风险预警的关键性财务指标,供政府及银行从业人员在实际工作中参考,并对今后的研究提出合理化建议。     

Copula的局部变结构点诊断的实证研究

基于Copula函数对相关性研究的特有优势,构建了二元正态Copula模型,提出了在时变相关系数的基础上对局部变结构点的诊断方法.以上证煤炭指数及有色金属指数作为实证样本,研究了煤炭指数和有色金属的相关性发生显著变化的时刻,并分析其变化原因.本文的研究结果能更敏锐地捕捉金融市场的动向和指导风险投资.     

基于混合密度网络模型拟合收益统计分布与计算Expected Shortfall

基于混合密度网络模型估计金融时间序列的时变条件密件,提出数值模拟方法计算ExpectedShortfall。对香港恒生指数的实证研究表明,混合密度网络可以有效地描述收益的经验分布统计特征和波动规律,模型评估指标反映出预测效果良好,Value-at-R isk的预测精度在高端分位点表现较好,且可有效计算Expected shortfall指标,是金融市场风险测量的有效方法。     

宁夏生产性服务业发展对经济增长作用的动态研究

生产性服务业是服务业的重要组成部分,其发展水平已成为衡量一个国家或地区综合竞争力和现代化水平的重要标志.基于宁夏1990-2014年的有关统计数据,运用动态计量模型(VAR),构建生产性服务业与各经济变量之间的动态关系系统,分析生产性服务业对各经济指标的影响规律,为宁夏生产性服务业的进一步发展提供理论依据和实证参考.     

货币政策对房地产价格影响的非对称性分析——基于LSTVAR模型

由经济学理论分析可知,货币政策对房地产价格的具有显著的影响.利用LM检验和LR检验得到,包含货币政策变量和房地产价格变量的VAR模型具有非线性特征,并构建了相应的LSTVAR模型.运用广义脉冲响应函数研究了货币供应量与利率变化对中国房地产价格动态影响的非对称性.     

可变抽样区间的多变量自相关过程VAR控制图

基于批量-均值法的思想,向量自回归(VAR)控制图对多变量自相关过程的较小偏移可以进行有效控制。为了提高多变量自相关过程监控效率,本文研究可变抽样区间的VAR控制图。首先,对多变量自相关过程的VAR控制图进行可变抽样区间设计;然后,用蒙特卡洛模拟方法计算其平均报警时间;最后,以平均报警时间为评价准则,对所设计的可变抽样区间VAR控制图与固定抽样区间的VAR控制图进行比较研究。研究结果表明:所设计的可变抽样区间多变量自相关过程VAR控制图较固定抽样区间的多变量自相关过程VAR控制图能更好的监控过程的变化。     

带耦合时序网络、重要性节点识别及投资组合研究—–以股票市场为例

时序网络可以更好地描述复杂网络中节点拓扑结构的动态演变.考虑到节点在不同时间层的相互影响及多层网络中的层间时序关联耦合关系,本文提出了一种基于向量自回归(VAR)模型的带耦合时序网络,研究网络的构建过程及性质,并将其应用于纳斯达克100、标普500、深证100和上证180四个股票市场的实证分析.结果表明:与已有模型(比如文献[15]及[16])相比,本文提出的带耦合时序网络模型无论在重要性节点识别的分辨率,还是投资组合的内样本及外样本表现上,都具有明显的优势.同时本文还基于重要性节点序列探讨了“外围”股票的确定方法.这些研究可进一步丰富时序网络理论,为金融市场研究提供新的技术工具.     

泊松逆高斯回归模型的贝叶斯统计推断

本文研究泊松逆高斯回归模型的贝叶斯统计推断.基于应用Gibbs抽样,Metropolis-Hastings算法以及Multiple-Try Metropolis算法等MCMC统计方法计算模型未知参数和潜变量的联合贝叶斯估计,并引入两个拟合优度统计量来评价提出的泊松逆高斯回归模型的合理性.若干模拟研究与一个实证分析说明方法的可行性.