中国银行间国债市场利率期限结构实证分析——基于Nelson Siegel模型

利用粒子群算法,以2007年1月—2009年12月中国银行间国债市场的日交易数据模拟Nelson Siegel模型,通过构建参数β1和β2的AR(2)模型对利率期限结构进行预测,样本内的预测结果比较理想,但样本外的预测绩效不佳。     

混频模型在我国宏观经济预测中的应用研究

近年来,我国宏观经济预测模型存在稳定性显著下降、预测精度大幅降低等缺陷,亟待对其进行改进。本文通过融合动态因子模型和混频数据抽样模型,构建了因子混频数据抽样模型FA-MIDAS,实现对120多个宏观运行监测指标的深度挖掘和信息提取,并对我国季度GDP增速进行样本内拟合与样本外预测。研究结果表明：FA-MIDAS模型的样本内拟合效果好于未考虑混频数据的模型以及将月度数据简单平均后转换为季度数据的模型。与同频模型相比,FA-MIDAS模型能够提高预测精度。在数据处于较为平稳阶段时,模型中加入自回归项确实会带来预测精度的改善,但在数据波动较大时,加入自回归项会存在惯性趋势,反而降低了模型预测精度。随着当季数据公布的增多,当季GDP的实时预测及向前多步预测的预测精度会随之提高。     

基于ARIMA模型对股票和指数预测结果的简单比较分析

ARIMA模型可应用于预测平稳时间序列,且预测效果较好。本文选取2017年10月9日到2018年9月25日的240个收盘价和收盘指数作为样本,运用ARIMA模型对2018年9月26日到2018年10月9日的恒瑞医药股价和深圳综合指数做出预测,并比较模型对于两者的预测效果。     

我国上市公司MBO财务绩效的研究——基于因子分析法的实证研究

本文运用因子分析法,以2001~2009年沪深交易所实施MBO的31家上市公司为研究样本,根据选定的相关财务指标构建公司财务绩效的综合评价模型,对样本公司财务绩效进行评价。通过构建的公司财务绩效增长模型对样本进行实证研究,实证结果表明:上市公司在实施MBO后财务绩效有较大的提高。     

Fama-French五因子模型在A股市场的适用性检验

本文以沪深A股1995年1月至2019年12月数据为样本,以股改为分界点,考察Fama-French五因子模型在中国股市不同时期的适用性,并引入流动性指标进一步探索更适用于中国的资产定价模型。实证结果表明,股改前后投资效应不显著;股改有效提升中国资本市场的定价效率,五因子模型解释力提高,但投资因子CMA仍为冗余因子;中国市场存在流动性溢价,全样本下使用换手率因子TO替换投资因子CMA的换手率五因子模型优于Fama-French五因子模型。本研究为进一步揭示中国资本市场定价、找到适合中国市场的定价因子提供可借鉴的思路与样本区间。     

基于非节假日Elman神经网络的电力负荷短期预测

为降低节假日对预测工作的影响,将剔除法定节假日后的样本作为预测样本。以最大相对误差、平均绝对误差以及均方根误差作为模型的衡量指标,通过建立广义回归神经网络、小波神经网络与Elman神经网络预测模型对预测样本进行预测,最后仿真结果表明Elman神经网络预测模型能更好地提高预测精度。     

基于SARIMA模型的大连黄瓜月度零售价格预测

根据农产品价格变动非线性、非平稳的特点,选择SARIMA模型,以2005年1月至2010年12月大连黄瓜月度零售价格为样本,对2011年大连黄瓜短期价格变动进行预测。预测结果表明,SARIMA模型预测精度较高,平均绝对百分比误差(MAPE)为6.94%;且精度较为稳定,相对误差的标准差为4.59%。     

全国商品房价格指数数据质量评估-基于数据异常值诊断

该文以全国商品房价格指数为研究对象，选取1998年1季度至2007年4季度为样本，经过季节性调整后建立包含时间趋势的AIL（2）模型。在模型通过各种检验，具有很好预测能力的基础上，运用grubbs统计量对08年四个季度的房价指数数据进行了质量评估。     

市场特征、公司基本因素双重考虑下的β值估计

本文将公司基本因素与市场特征相结合构建线性回归模型,用于预测公司股票的β值。实证结果发现这种基于市场特征和基本因素双重考虑下的β值回归模型,能达到较好的拟合效果,对公司股票的β值预测会更准确。     

基于AHP、PCA、多因子模型对FOF子基金选择的研究

本文就FOF对冲基金中成分基金的筛选对三个评级模型进行比较,对2015年~2016年中国市面上4000多支私募证券投资基金数据进行清洗、整理、筛选和建模后,针对每个模型的最后得分,分别选择评分前十的私募基金作为FOF基金的成分基金,按照等权重的方式进行组合,用2017年1~5月的样本外数据进行拟合比较,判断在实际中哪种评估模型在样本外表现得更好。结果表明,AHP模型选择出来的对冲基金在样本外表现得效果最好。     

基于跳跃、好坏波动率的混频已实现EGARCH模型的波动率预测与风险度量

为探究资产价格的跳跃行为和收益波动的非对称效应对波动率预测的影响,以高频数据建模为视角,基于跳跃、好坏波动率将Realized EGARCH-MIDAS模型进行拓展,以提升模型的波动率预测能力与风险度量效果。运用拓展后的模型,以沪深300指数价格高频数据为样本进行实证分析,探究中国股票市场的波动性规律,并采用似然函数、信息准则和基于损失函数的DM与MCS等检验方法,综合比较了改进前后的模型对波动率及风险值的预测效果。实证结果显示：(1)沪深300指数收益的长期波动主要来源于连续波动而非跳跃波动,且受正连续波动影响更大,而负跳跃对波动具有明显的负向冲击;(2)文章提出的拓展模型均能更好地捕捉波动率的长记忆性,在样本内估计和样本外预测上也都有更好的表现,其中同时考虑跳跃与非对称影响的Realized EGARCH-MIDAS-RSJ拓展模型拥有最优的估计及预测效果。     

上海股市系统性风险的长期变动特征研究

本文建立DCC-MVGARCH模型估计上海股市80家上市公司的时变β系数,分析β系数的统计特征,并采用R/S分析法研究时变β系数序列的长记忆特征,进而建立ARFIMA模型对β系数进行短期预测。研究结果表明,上海股市系统性风险水平偏高;时变β系数序列具有长记忆特征;描述长记忆的ARFIMA模型能够更好地描述β系数序列的长期变动特征并更为精确的预测未来期β系数。     

制造业上市公司财务危机预警模型

本文以我国制造业上市公司为研究对象,选取了181家发生财务危机的公司和181家财务正常的公司为样本,以财务危机发生前三年财务指标为基础,首先运用正态性检验、T检验以及非参数检验筛选出预警能力较强的财务指标,然后运用主成分分析方法构建了财务危机预警模型,最后进行了回代检验和测试样本检验.研究结果显示,预警模型对检验样本的预测正确率为76.60％,能够给投资者、债权人和监管机构等相关各方提供预测财务危机的有用信息.     

基于Logistic回归的中国上市公司信用风险度量研究

以我国A股90家上市公司为研究样本,利用其2008年的财务数据,通过运行SPSS,建立Logistie回归模型,对其2010年的财务状况进行两类模式分类预测。对每一家上市公司,考虑其经营状况,根据对财务指标的曼一惠特尼检验结果,建立了包括净资产收益率、主营业务收入、净资产、总资产、每股净资产、每股现金流6项财务指标的Logistic预测模型。结果表明：模型的全样本判别准确率很高,可作为较理想的预测工具。     

财务危机预警模型研究

本文把上市公司中的*ST板块界定为有财务危机的企业,选取15家*ST公司作为研究样本,同时选取15家非ST公司作为配对样本,组成一个样本量为30的估计样本组,选取这些公司2007年的20个财务指标作为研究变量,采用主成分分析法建立财务危机预警模型。再选取30家非ST公司作为检验样本组,然后用该样本组对模型的有效性进行检验,得出本文建立的模型可以提前预测财务危机的结论。     

基于β系数的我国电力行业系统性风险的研究

β系数是CAPM模型中用于说明某种证券或者证券组合的风险对市场平均风险的贡献度的系统风险度量指标。本文从我国电力行业2011年新一轮的改革入手,以电力行业深沪51家上市公司为样本,计算电力行业的β系数,并对结果进行分析总结,最后对投资者提出建议。     

CAPM资本资产定价模型的应用——浦发银行股价预测与风险系数研究

CAPM模型的关键在于β系数的衡量计算,它是资本系统性风险的度量指标,反映了资产价格对市场价格平均水平的敏感程度。掌握了β系数,也就基本可以掌握这个经典模型从而为投资决策服务。本文选取事后估计β系数(其中以日β系数(一个交易日为一日)为代表,同理可得周β系数(5个交易日为1周)和月β系数(30个交易日为1月),就不再一一赘述)对股票市场进行有效的预测。以金融产业中浦发银行这只股票作为代表。在传统计算方法之外,运用布鲁姆修正,统计学ARMA模型预测等方式对β系数进行改进,并通过比较分析其数学内涵和经济含义,以期得到更好的预测结果。     

基于二项Logistic回归的上市公司财务预警实证研究

在本文研究中,通过以2015年上半年12家因为连续亏损3年被特别处理(被ST)的上市公司和12家财务运行正常(未被ST)的上市公司为样本,运用独立样本T检验方法筛选指标,并基于二项Logistic回归分析方法,通过SPSS统计软件建立了上市公司被ST前三年的logistic财务预警模型。该实证研究表明,模型整体预警识别率高达91.67%,这说明该模型的预测准确度较高。     

基于ARMA模型的我国居民消费价格指数预测

居民消费价格指数(CPI)是用于反映居民家庭一般购买的商品和服务物价变动情况的宏观经济指标,对展示经济运行的平稳性,表现经济发展的质量和效益有重要意义。因此本文建立了一个ARMA模型,选取我国2001年1月到2015年12月的CPI环比月度数据作为样本,运用R3.4.3软件对居民消费价格指数时间序列的自相关系数与偏相关系数进行统计,进行模型定价并估计出其参数,并对2016年1月至5月的居民消费价格指数进行预测。实证结果显示MA(2)模型能较好地拟合商品指数的动态路径,模型的预测值与实际观测值非常接近,表明ARMA模型在居民消费价格指数的预测中效果较好。通过ARMA模型合理预测我国的居民消费价格指数,能够对未来经济发展有初步的了解,为国家有关政策的制定提供理论支持。     

我国制造业上市公司财务危机预警研究

本文以2008-2010年被"特别处理"(ST和*ST)的34家制造业上市公司和68家健康公司为研究样本,选取了资产负债率、应收账款周转率、销售净利率、主营业务收入增长率、现金流量比率、每股收益等25个财务预警初始指标,运用正态性检验、T检验、非参数检验以及相关性分析,筛选出了财务预警能力较强的财务指标;基于logistic回归分析法,构建了T-2年、T-3年和T-4年的制造企业上市公司财务预警模型,采用样本外检验法检验了所建模型的有效性,解释分析了模型结果。结果表明模型具有较高的预测能力,尤其在发生财务危机的前两年,准确度更是高达90%以上。