媒体信息、预期冲击与经济周期波动——基于中文财经类报刊数据

新闻媒体作为公众信息的主要来源，对公众预期具有不可忽视的作用，进而可能对宏观经济波动产生影响。本文首先使用潜在狄利克雷分配模型，将中文财经类报刊文本数据转化为新闻主题关注度，并依据新闻主题关注度构建新闻指数作为公众预期的测度，然后结合消费、产出等关键宏观经济变量，利用结构VAR模型考察预期冲击和噪声冲击对经济周期波动的影响。研究发现，新闻指数对消费、产出等关键宏观经济变量具有明显的领先关系；从新闻指数中识别的预期冲击会对实际经济变量产生永久性的影响，而噪声冲击的影响会逐渐衰减，最终回到冲击前的水平。本文的研究验证了预期管理在宏观经济调控中的重要性，并为文本数据在宏观经济研究中的应用提供了新视角。     

基于Lasso-Logistic模型的个人信用风险预警方法

将lasso-logistic模型引入到个人信用评估中,通过模拟实验发现,逐步回归法倾向于保留一些不重要的变量,而且选出正确模型的概率较低,而Lasso不仅计算更加快捷、同时进行变量选择和参数估计,而且能更准确筛选出重要变量。此外,本文以信用卡消费信贷违约数据为例对我国个人信用评估进行了实证分析,发现相对于全变量Logistic模型和逐步回归Logistic模型,lasso-logistic模型更能抓住影响消费信用风险的关键因素,而且预测准确率也更高。     

基于随机森林方法的基金收益率方向预测与交易策略研究

笔者引入一种新的非参数随机森林方法预测我国基金超额收益率方向,并和自回归移动平均、随机游走、支持向量机等方法进行比较,发现随机森林方法在收益率方向预测上有很好的效果,一定程度上证明了我国金融市场的可预测性。并在收益率方向预测结果的基础上构建各种交易策略,利用2006年12月至2008年10月我国股市大涨大跌期来检验交易策略,结果表明,在其他条件相同情况下,基于随机森林的交易策略表现明显要好于其他策略。     

通胀预期形成与信息黏性特征：基于媒体新闻视角

本文使用主流中文财经报刊中的近百万篇新闻报道构成语料库，利用潜在狄利克雷分配模型将新闻文本转换为结构化的高维新闻主题关注度序列，旨在探讨媒体新闻对通胀预期的驱动作用。为此，本文运用LASSO、LASSO-UMIDAS模型识别对通胀预期具有重要影响的新闻主题，并基于噪声信息模型估计时变信息黏性，通过将其与媒体报道持续期和信噪比进行联合建模分析，进一步考察了媒体新闻对通胀预期的影响机制。研究表明，媒体信息会从数值驱动和速度驱动两个方面对通胀预期产生重要影响。在数值方面，媒体信息中的经济增长、物价波动、国家要闻与金融信贷等多个主题在通胀预期的形成中发挥着重要作用；在速度方面，媒体报道的持续期和信噪比会对信息黏性产生显著的正向影响，进而影响通胀预期的调整速度。