中国省份环境污染与FDI关系研究——基于固定效应面板数据的格兰杰因果分析视角

运用基于固定效应面板格兰杰因果检验方法,对全国及30个省份外商直接投资(FDI)与二氧化碳(CO2)之间的直接因果关系进行研究。选取2006年为断点,对前后因果传导方向发生改变的省份进行聚类分析。结果显示:中国FDI与CO2长短期均互为因果,且大多数省市传导方向为FDI到CO2;通过聚类,发现突变省份分为两类,一类省份FDI与碳排放水平大幅改变,且大多属于经济发达城市,另一类则与之相反。FDI的引入会带来环境质量的改变,而碳排放量又会对环保法规的制定产生影响,并作用于FDI的流入,从而影响因果关系。因此,我国应该积极利用FDI溢出效应,加大高科技低污染的第三产业外商投资引入力度,促使产业结构转型升级。

基于机器学习的非线性格兰杰因果关系统计意义的研究

传统的格兰杰因果关系度量标准仅指示多个时间序列之间的线性因果关系。研究中我们将因果关系检测方法推广到非线性情况。当应用不同的机器学习模型时,我们主要专注估计因果度量的分布。由此计算出临界间隔,临界间隔是用于判断非线性因果关系是否具有统计意义。机器学习结果拟合了由 LASSO回归、随机森林和神经网络计算出的因果度量标准的经验分布。与基线相比,机器学习模型能够检出测线性和非线性因果关系。

基于条件生成式深度学习模型的大类资产配置策略研究

资产配置策略是金融投资领域中投资者们重点关注的一类问题,较为合理的资产配置策略不仅能够优化投资者的投资模式,而且能够为投资者们带来较为可观的超额收益。大类资产是投资者们在资产配置中常作选择的基底资产。基于此,本文拟采用生成式深度学习模型——GAN网络的衍生模型CGAN-GP网络对未来交易日中各项大类资产的投资风险进行追踪与预测,并选择传统资产配置模型——风险平价模型作为策略基本框架以设计智能资产配置策略,进行大类资产配置与量化交易。实证结果表明CGAN-GP网络所对应的策略净值具有较高的夏普比率与较高的年化收益率,且CGAN-GP网络具有较低的波动率,这也体现出CGAN-GP网络所对应策略的强稳健性。