商业银行信用风险评估的生存分析模型及实证研究

企业发生财务危机，不能归还到期贷款是商业银行信贷资产的主要风险来源，商业银行如何构建恰当的信用风险评估模型来预测企业的财务危机，从而避免这类信用风险的出现就显得尤为重要。本文以我国上市公司为研究对象，结合杜邦分析法建立了基于生存分析的信用风险评估模型，模型对于随机选取的预测样本，其提前1年、2年和3年的预测准确率分别达到86％、72％和68％。通过与Ahman模型、Ohlson模型预测结果的比较和鲁棒性检验的结果发现，该模型同时具有可以使用时间序列、无需样本配对、中远期预测能力强和高鲁棒性的特点．这些特点特别对于商业银行中长期信贷风险管理具有较高的应用价值．     

存贷款时间序列指标数据预测方法比较研究--基于甘南州数据的预测实证

文章以2010年1月到2015年9月的甘南州存贷款历史数据为样本，利用时间序列预测理论中的平滑预测法与线性趋势预测法相结合进行了系统研究，构建时间序列模型对未来甘南州存贷款数据进行预测，并通过实证研究及结果对比分析论证了模型的可行性，得出用移动平均法模型预测存贷款数据更为接近实际观测指标，能够比较准确的反映出甘南州存贷款增长趋势。     

市场反应、生存模型与信息披露

本文应用生存模型对上市公司年报信息披露后股票市场价格反应时间进行研究，选择沪深两市在2004年710家样本公司年报信息披露后的股票价格作为研究对象，使用生存模型研究股价的变动方向和价格沿同一方向持续变动的时间。研究结果表明，上市公司的业绩变量、行业因素、市场交易状况和审计意见类型对市场反应时间有明显的影响，投资者可以选取关键指标来预测市场反应。     

商业银行信用风险评估的生存分析模型及实证研究

企业发生财务危机,不能归还到期贷款是商业银行信贷资产的主要风险来源,商业银行如何构建恰当的信用风险评估模型来预测企业的财务危机,从而避免这类信用风险的出现就显得尤为重要。本文以我国上市公司为研究对象,结合杜邦分析法建立了基于生存分析的信用风险评估模型,模型对于随机选取的预测样本,其提前1年、2年和3年的预测准确率分别达到86%、72%和68%。通过与Altman模型、Ohlson模型预测结果的比较和鲁棒性检验的结果发现,该模型同时具有可以使用时间序列、无需样本配对、中远期预测能力强和高鲁棒性的特点,这些特点特别对于商业银行中长期信贷风险管理具有较高的应用价值。     

仿射死亡率模型长期预测的优化与分析——考虑非完整近期队列数据

死亡率建模与预测是精算科学的重要基础，而仿射死亡率模型作为一种经典的连续时间随机模型被大量地应用于评估系统性死亡率的发展，其中模型构建的一种常用方法是卡尔曼滤波算法。本文针对传统卡尔曼滤波算法在建模过程中自动忽略近期非完整队列数据的情况，借鉴机器学习和贝叶斯算法中迭代学习的理念，对传统算法进行了拓展，从而将近期非完整队列数据应用于模型拟合与预测中。通过量化分析对比证明了基于拓展算法的模型在预测方面，尤其是长期预测中，有两方面的优势：更好地捕捉了系统性死亡率风险的变动，避免了对长期长寿风险的低估；在预测精度方面有了较大的提升，特别是在长期预测时优势更为明显。     

我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标,也是国民经济体系中的一个重要指标。本文运用时间序列分析方法中的季节时间序列模型(SARIMA),对我国2002年-2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现,误差较小,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,该模型可以提供较为准确的短期预测效果。     

我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标．也是国民经济体系中的一个重要指标。本文运用时间序列分析方法中的季节时间序列模型（SARIMA）．对我国2002年一2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现．误差较小．SAILIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,该模型可以提供较为准确的短期预测效果。     

人民币汇率波动的预测——基于损失函数和DM检验的比较分析

随着人民币汇率市场化程度的不断加深,人民币汇率的波动越来越大,对人民币汇率波动的预测显得越来越重要。现有文献都只通过单一的模型来预测人民币汇率的波动,我们无法据此确定哪一种模型对人民币汇率波动有更好的预测能力。本文选取常用的预测金融资产波动率的指数平滑模型、ARCH模型和GARCH模型,采用动态时间滚动窗口技术,对2005年以后的人民币汇率波动进行了拟合和样本外预测,并通过损失函数的计算和DM检验方法比较了各模型对人民币汇率波动的样本外预测能力。结果发现,相对于ARCH模型和GARCH模型,指数平滑模型具有最优的波动预测能力。     

预测疾病发病率的统计分析方法进展

医学统计作为医学研究的辅助工具有着非常重要的作用,从医学实验设计到数据分析方面都有着广泛的运用。统计分析方法的应用能够有效的提高医学研究的质量。本文通过分析预测疾病发病率的统计分析方法,以期能给广大医务工作者科学研究提供一定的参考。     

人类生存函数的数学模型及其应用

本文通过数学推论和仿真实验,建立了人类生存函数的数学模型,对30多个国家20世纪以来编制的近1000张生命表数据进行模拟,拟合结果非常精确。这一模型能够较为精确地计算不同年龄的生存概率和平均预期寿命,可以对未来人口生存状态、人口结构及其数量作出科学预测。     

基于季节时间序列模型的民航客运需求预测分析

随着经济的不断发展，人们的生活水平不断提升，消费理念也有很大改变，民用航空运输业也获得了飞速发展，越来越多的人选用航空这一交通方式出行。文章主要介绍了季节时间序列模型，并使用1998年1月至2013年5月的月度数据建立SARIMA模型，并对2013年的民航客运量进行预测分析。通过使用SARIMA模型对我国民航客运量进行预测，以期对民航企业制定合理的运营决策提供一些参考。     

基于季节时间序列模型的民航客运需求预测分析

随着经济的不断发展，人们的生活水平不断提升，消费理念也有很大改变，民用航空运输业也获得了飞速发展，越来越多的人选用航空这一交通方式出行。文章主要介绍了季节时间序列模型，并使用1998年1月至2013年5月的月度数据建立SARIMA模型，并对2013年的民航客运量进行预测分析。通过使用SARIMA模型对我国民航客运量进行预测，以期对民航企业制定合理的运营决策提供一些参考。     

基于ARIMA模型的上海居民消费价格指数分析及预测

大多数的经济时间序列存在惯性,通过这种惯性可以对时间序列的历史数值进行分析建模,从而对未来值进行预测。本文对1991~2015年上海居民消费价格指数的时间序列进行数据分析,利用Eviews9软件对1991~2013年上海居民消费价格指数实际的数据建立ARIMA(1,2,2)模型。用该模型对2014年和2015年的上海居民消费价格指数进行预测并与实际值进行对比,结果显示该模型预测的精准度较高。后对2016年上海居民消费价格指数进行预测,以达到合理预期和分析目的。     

基于贝叶斯MCMC方法的年金长寿风险度量研究

长寿风险的准确度量是年金长寿风险管理的基础和前提，具有一定的学术和实际意义。通过利用贝叶斯MCMC（马尔科夫链蒙特卡洛模拟）算法统筹死亡率预测的Lee-Carter模型和利率预测的CIR模型，将长寿风险的度量转化成长寿期权的定价问题，考查了年金中长寿风险的变动规律和影响因素。MCMC抽样和数值模拟的结果表明，年金中的长寿风险与预测年份和年金持有人年龄成正向关系，其在年金中所占的比重随着年金持有人年龄的增加而增加，60岁的终身生存年金中长寿风险的占比高达10.11%；同时长寿风险与利率成反向关系，当前的低利率环境将会给年金发行人造成更高的长寿风险压力。     

美国经济逐渐回暖 货币政策逐步回归常态 标准银行：短期金价或将振荡下行

8月1日，标准银行发布了最新一期大宗商品日报，其中对接下来的金价走势进行了分析和预测，认为虽然地缘地政危机对近期金价形成了某种程度的支撑，但随着美国经济逐渐回暖、货币政策逐步回归常态，短期金价存在不小的下行风险。     

用ARMA对我国GDP预测的实证研究

经济运行过程从较长时间序列看，由于市场机制的作用，呈现一定的规律，这对预测提供了依据。目前预测经济运行时问序列的理论与方法较多，而ARMA模型在经济预测过程中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性．对经济运行短期趋势的预测准确率较高．是近年应用比较广泛的方法之一。由于国内生产总值（GDP）不仅能够在总体上度量国民产出和收入规模，也能够在整体上度量经济波动和经济周期状态阁此．对GDP进行精确的拟合和分析对分析一国的宏观经济发展趋势具有重要意义。在本文中研究中，根据ARMA模型的应用条件，选取1978年以来我国实行市场经济体制的（IDP时间序列数据进行建模分析。     

证券市场预测的神经网络方法

首先讨论了证券市场的各种影响因素，预测分析方法和定量预测模型的选择，然后运用神经网络模型的非线性映射能力和学习联想能力，提出了证券市场预测的通用模型，最后通过一个证券买入时机预测的实例，证明了该模型的有效性。     

基于ARIMA模型的我国人民币汇率的时间序列分析

大多数经济时间序列呈现非平稳性,因而不能直接用ARIMA模型进行分析。但是通过对原始序列进行差分,将其转换为平稳时间序列,再用ARIMA模型进行建模。本文通过对2000-2010年我国人民币汇率时间序列的分析,预测2010年6-12月数据,并证实了ARIMA模型是一种很好的短期预测模型。     

北京市软件与信息服务业发展预测

灰色GM(1,1)模型可以预测较短时间序列的发展态势,马尔可夫模型可以对具有随机波动性的时间序列进行预测。本文结合了两种模型的特点,综合预测了2008年和2009年北京市软件与信息服务业营业收入可能达到的规模,从而对新兴产业的发展预测提供了一种尝试。     

Lee-Carter模型在中国城市人口死亡率预测中的应用与改进

由死亡率下降带来的长寿风险给社会、政治以及经济带来了新的挑战。为了更加准确地对长寿风险进行评估和管理,需要对未来死亡率趋势进行预测。本文针对我国死亡率数据样本量小以及数据存在缺失的实际情况,对Lee-Carter模型进行了改进,通过一个双随机过程对Lee-Carter模型中的时间项进行建模。在模型中考虑了样本量不足对预测结果造成的影响,使得改进后的Lee-Carter模型更加适合目前中国的人口死亡率预测。