深度学习导向下数据赋能课堂教学质量评价研究

随着教育信息化从1.0时代向2.0时代转段升级,如何通过数据赋能课堂教学质量评价实现深度学习目标正成为研究热点。目前课堂教学质量评价体系难以满足深度学习要求。因此,为适应智能时代的发展,提高教学质量,该文构建深度学习导向下的课堂教学质量评价体系,并且应用主成分分析法发现传统课堂教学评价背景下高校学生在认知领域、个人能力方面与深度学习目标差距较大。基于此,该文为数据赋能课堂教学质量评价提出针对性的建议和措施,以期达到深度学习目标。

我国绿色债券避险能力研究

本文首先利用多元变量(DCC-GARCH)模型实证分析了传统金融市场及能源市场与我国绿色债券市场的收益相关性。随后,基于混频模型(GARCH-MIDAS)实证检验了风险溢出随宏观经济运行的长期演变。最后,通过构建周度异质自回归模型(Weekly-HAR)对我国绿色债券市场波动率进行样本外滚动预测。结果表明:(1)公司债、国债及高收益债市场对绿色债券市场的动态风险溢出效应较大,但高收益债市场和绿色债券市场的动态条件相关系数波幅较大,稳定性较弱;(2)能源市场、外汇市场、股票市场与绿色债券市场的动态条件相关系数较小,风险溢出效应不明显;(3)宏观经济运行会长期显著影响股票市场、能源市场对绿色债券市场的动态风险传导;(4)在HAR模型中加入公司债和国债市场的已实现波动率,可显著提高绿色债券市场波动率样本外预测精度。

基于混频数据的互联网金融风险测度及预测研究

从宏观经济、传统金融行业、互联网行业和互联网金融行业等维度,采集2014年1月~2022年3月的9组混频风险变量,结合频率转换法和动态因子模型对互联网金融风险进行实时、系统性测度;基于马尔可夫区制转换模型识别风险变化特征;根据该特征分别进行样本外滚动预测和固定系数预测。研究表明:混频变量对风险变化有较高的解释能力;风险的高低区制转换特征明显;互联网金融风险整体呈下降趋势,未来虽会经历温和上升,但仍处于低风险区制;随着互联网金融向其“金融”本质回归,风险的顺周期性及与传统金融风险的共振效应日趋显现。