汇率基本面模型对人民币汇率的预测能力

本文选取五个主流的汇率基本面模型,使用2005年汇改后的人民币兑美元、欧元、日元、英镑汇率数据进行样本内拟合和样本外预测,并通过计算损失函数和SPA统计量比较五种模型的预测能力。实证结果表明：随机游走模型短期内具有更优的预测能力,但中长期内,汇率基本面模型具有更优的预测能力;总体来讲,汇率基本面模型的预测能力优于随机游走模型,人民币汇率不存在“汇率失联之谜”;对不同的货币,具有最优预测能力的模型不同。     

上确界ADF方法在农产品市场泡沫检验中的应用:文献综述

概述了泡沫检验的理论基础和上确界ADF方法的实施步骤,对该方法在价格泡沫检验中的应用进行了综述,尤其重点综述了该方法在农产品价格泡沫检验中的应用。指出上确界ADF方法的特点:在向前递归回归的基础上集合右尾单位根检验对周期性破灭的价格泡沫进行检验;对于临界值,既可以采用保守的计算方式得到,也可以灵活地通过仿真模拟得到;在递归回归过程中,由向前递归发展到向前和向后递归方式。     

汽车维修管理信息系统的辅助测试

本文主要阐述了《汽车维修管理信息系统》的后期测试功能。在文章的开头作者给出了软件测试的整体概念和相关的测试方法。整体软件系统设计开发完成之后要对该系统进行单一模块的测试,以便观察每一个应用单元是否和我们预想的结果是完全一致的;接着要对系统的整体功能连接进行测试,观察是否在满足每一单元模块的基础上还能够在每个模块的衔接上没有任何问题。本文最后对《汽车维修管理系统》的每一模块单元进行测试,摘取其中部分环节给予描述。     

金属材料专业学生金相实验技术能力提升探索

金属材料专业是培养学生具备金属材料科学和工程等方面知识的高级工程技术人才的专业,要求学生具有卓越的采用科学方法解决工程实际问题的能力。在"卓越工程师教育培养计划"背景下,对金属材料专业金相试验技术课进行了改革探索,按卓越工程师教育培养方法,采取理论与实践相结合的方式,增加学生学习的积极性和主动性,提高学生的动手能力、实践能力、创新能力,培养金属材料领域的卓越工程师。     

华能邯峰电厂TTS系统软件优化

邯峰电厂TTS系统(汽轮机跳闸系统)采用的是SIEMENS公司的S5-95F型PLC设备,经过长期运行,暴露出诸多问题。自投产以来,我厂多次因汽机跳闸系统误动引起机组跳闸。因此我厂对汽机跳闸系统的软件部分进行优化,将其容易引起误动的部分进行合理的修改。优化完成后收到了明显的效果,自优化以来运行至今没发生因汽机跳闸系统故障引起的机组误跳闸事故。     

磁致位移传感器在自行火炮性能测试中的应用

介绍磁致伸缩位移传感器的工作原理和小位移参数的测量方法。该传感器有精度高、寿命长、安装简便的特点。对各种位移量变化的测量是自行火炮性能检测的重要内容,针对现有测试方法存在的不足,提出了基于磁致位移传感器的位移量测试系统并应用于自行火炮性能测试中,通过实验得出:该方法使用操作方便、测量准确、自动化程度高,应用范围广。     

从电气角度浅谈1000MW发电机组甩负荷试验

从电气角度阐述了上海漕泾电厂1000MW机组甩负荷试验的具体情况,并针对试验中出现的问题进行了分析。     

膨胀土土体抗剪强度参数测定试样尺寸效应

文章在大量试验资料的基础上,论述测定膨胀土抗剪强度时试样尺寸对抗剪强度参数的影响,从而指出测定膨胀土抗剪强度时的合理试样直径及C、Φ值的确定方法。     

打孔卷烟烟支通风率研究

打孔卷烟的烟支通风率直接影响到烟支焦油的大小,在卷烟打孔接装纸规格及标准一定的情况下,影响烟支通风率大小的主要原因有打孔接装纸的无胶区域、接装纸与胶辊的包角角度,以及接装纸卷曲器上刮刀的角度,通过正交试验的方式对三者进行研究,寻求在给定的烟支通风率条件下,接装纸无胶区域,包角角度、刮刀角度三者的最优组合。通过试验研究,结果表明,接装纸打孔区域无胶区面积140 mm2,包角角度170°,刮刀角度45°,烟支通风率过程控制最稳定,过程控制能力最优。     

Improving the J Test in the SARAR Model by Likelihood-based Estimation

Abstract

It has been demonstrated recently that in small-to-medium samples the empirical significance levels of the asymptotic J-type tests for the SARAR model introduced by Kelejian (2008) can be controlled in many cases by the use of a bootstrap to construct a reference distribution. A feature of the popular GMM estimator in this context that deserves to receive more attention is that in small samples it will often deliver spatial parameter estimates that lie outside the invertibility region of the model. Using such illegitimate estimates to construct bootstrap samples is then problematic; the present paper finds that this practical obstacle may be removed by the use of quasi-maximum likelihood estimates that guarantee invertibility. The effects of different spatial weight patterns and sample size on the empirical significance levels and power of the tests are illustrated, and the paper demonstrates that estimation using QMLE, allied to a simple bootstrap, yields tests with reliable significance levels and reasonable power, in a majority of cases.

RÉSUMÉ dans des échantillons petits à moyens, il est possible, dans de nombreux cas, de contrôler les niveaux à signification empirique des tests asymptotiques introduits par Kelejian (2008) à l'aide d'un ‘bootstrap’. Dans ce contexte, une caractéristique de l'estimateur GMM, très répandu, est qu'il fournit, dans de petits échantillons, des estimations de paramètres spatiaux situés hors de la région d'inversibilité du modèle. L'emploi de telles estimations illégitimes pour la réalisation d’échantillons ‘bootstrap’ devient alors problématique; la présente communication indique que l'on peut supprimer cet obstacle pratique en utilisant le QMLE garantissant l'inversibilité. Les effets des tendances du poids spatial et la taille des échantillons sur les niveaux d'importance et la puissance sont illustrés, et la communication démontre que le QMLE, allié à un simple ‘bootstrap’, permet de réaliser des tests offrant, dans la plupart des vas, des niveaux d'importance fiables et une puissance raisonnable.

EXTRACTO En muestras entre pequeñas y medianas, los niveles de significancia empírica de las pruebas asintóticas de tipo J para el modelo SARAR introducidas por Kelejian (2008) pueden controlarse en muchos casos mediante el uso de un bootstrap. Una característica del popular estimador GMM dentro de este contexto es que en las muestras pequeñas, a menudo producirá estimaciones de parámetros espaciales que están fuera de la región de reversibilidad del modelo. No obstante, el empleo de este tipo de estimaciones ilegítimas para construir muestras bootstrap es problemático; el estudio actual muestra que este obstáculo práctico puede eliminarse mediante el uso del QMLE que garantiza la reversibilidad. Se ilustran los efectos de las pautas de peso espacial y del tamaño de la muestra sobre el poder y los niveles de significancia, y el estudio demuestra que el QMLE, aliado a un bootstrap simple, dota a las pruebas de niveles de significancia fiables y de un poder razonable, en la mayoría de los casos.