发展粮食期货市场 促进粮食市场化改革

随着粮食生产经营的全面市场化,健全和完善粮食期货市场有了更重要的现实意义:调节粮食供求,稳定粮食价格;优化粮食品种结构,推动产业化经营;为粮食企业提供避险渠道;减轻入世冲击,保护粮食安全。文章指出发展粮食期货市场的政策措施包括:推出大宗粮食期货交易品种;培育和发展套期保值用户;规范粮食现货市场;发展商品投资基金;开创场外交易;调整不符合国际惯例的法规政策。     

完善我国的政府转移支付制度

我国1994年分税制财政体制的改革,已初步建立了适合当时情况的转移支付制度,但由于经济体制和财政体制的约束,使其存在诸多的不完善、不规范之处。本文通过对我国目前转移支付现状的分析,为我国转移支付制度的完善和发展提出了多种思路和方法。     

论风险投资行为及其规律

章从作提出的行为统计结构理论出发，认为包括风险投资行为在内的风险行为都遵循三条规律，即风险行为的预期效益引导规律，风险责任承担的制约规律，风险效用规律。     

国有土地分配与转让的现状、问题与对策

近年来,国有土地分配与转让问题引起了全社会的普遍关注,成为我国国民收入分配不可或缺的重要内容。本文在简要介绍我国国有土地分配与转让现实状况的基础上,探讨了存在的主要问题,最后给出了解决问题的对策。     

我国住房抵押贷款证券化的必要性和可行性分析

随着我国房地产业的高速发展和单一的房地产银行融资手段，我国商业银行住房抵押贷款余额占其贷款余额的比重越来越高，从而使得我国商业银行面临的金融风险越来越大，而且单一的银行融资手段不利于我国房地产业的高速发展，住房抵押贷款证券化对我国房地产业和银行业的发展意义巨大。本文试分析了住房抵押贷款证券化这一金融创新工具在我国实行的必要性和可行性。     

转轨时期我国小农经济改造思想演变与争议

改造小农经济是转轨时期社会主义建设的最艰巨的任务之一。本从家庭经营、规模经营、农业产业化、农村剩余劳动力、农地制度创新等5个方面总结了理论界对小农经济改造的争议与研究，并认为改造小农经济应以邓小平“两个飞跃”理论作为理论基础。     

外资进入对本土企业风险承担的影响：资本逐利还是风险规避

外资自由化作为我国资本市场开放的重要内容,在促进境内外资本要素互联互通的同时,也深刻影响着微观企业行为。以我国2007—2017年A股上市公司作为研究样本,实证检验外资进入对我国本土企业风险承担的影响。研究发现：外资进入能够显著提升企业的风险承担水平。进一步地,外资进入对企业风险承担的促进效应在融资约束严重、股权集中度更高和市场化进程缓慢地区的企业中更加显著。此外,在不同资本市场开放水平,外资进入对企业风险承担的作用存在明显差异。     

我国商业银行中小企业信贷风险管理研究

在经济新常态下,我国商业银行中小企业信贷业务面临着机遇和挑战。中小企业发展迅速,在推动就业、增加税收等方面起着重要作用。但其自身稳定性弱、风险大,使得商业银行对其谨慎放贷,中小企业融资难成为制约其发展的一大重要因素。论文通过对我国商业银行中小企业信贷现状及其风险形成进行分析,对商业银行中小企业信贷风险管理提出相应策略和管理措施。     

A Bayesian approach for more reliable tail risk forecasts

This paper demonstrates that existing quantile regression models used for jointly forecasting Value-at-Risk (VaR) and expected shortfall (ES) are sensitive to initial conditions. Given the importance of these measures in financial systems, this sensitivity is a critical issue. A new Bayesian quantile regression approach is proposed for estimating joint VaR and ES models. By treating the initial values as unknown parameters, sensitivity issues can be dealt with. Furthermore, new additive-type models are developed for the ES component that are more robust to initial conditions. A novel approach using the open-faced sandwich (OFS) method is proposed which improves uncertainty quantification in risk forecasts. Simulation and empirical results highlight the improvements in risk forecasts ensuing from the proposed methods.     

Forecasting recovery rates on non-performing loans with machine learning

We compare the performance of a wide set of regression techniques and machine-learning algorithms for predicting recovery rates on non-performing loans, using a private database from a European debt collection agency. We find that rule-based algorithms such as Cubist, boosted trees, and random forests perform significantly better than other approaches. In addition to loan contract specificities, predictors that refer to the bank recovery process — prior to the portfolio’s sale to a debt collector — are also shown to enhance forecasting performance. These variables, derived from the time series of contacts to defaulted clients and client reimbursements to the bank, help all algorithms better identify debtors with different repayment ability and/or commitment, and in general those with different recovery potential.