我国共同富裕评价指标体系及测度——基于省级行政区与区域层面的探讨

扎实推动共同富裕的重要基础是科学构建评价指标体系,并准确测度共同富裕水平。本文强调整体思维、多维思维、长线思维和底线思维,系统梳理共同富裕的理论内涵与统计含义,构建由富裕性、共享性与托底性三个一级指标组成的共同富裕评价指标体系,并采用政府统计部门宏观数据与中国家庭追踪调查(CFPS)的大样本微观调查数据,在省级与区域层面测度2010—2018年共同富裕的实现程度。研究发现,从省级层面看,共同富裕指数持续向好,省级行政区之间的共同富裕指数呈收敛趋势;从一级指标看,富裕性指数与托底性指数稳步提升,但共享性指数提升乏力;省际富裕性指数与共享性指数呈比较明显的倒U型关系。从区域层面看,东部、中部、西部、东北地区之间在共同富裕指数上呈现明显的收敛趋势;南方与北方地区之间在共同富裕指数上的差距则呈加速扩大态势,但北方地区共享性维度的指数却一直高于南方地区。本文丰富了构建共同富裕评价指标体系的理论与方法,并将共同富裕的测度细化到省级与区域层面,为刻画共同富裕指数的省际差异、区域差异与时序变动,找准共同富裕的着力点并优化相关政策提供重要借鉴。

含零收益率的金融非对称Log-GARCH模型研究

在实际外汇市场中,由于诸如交易缺失、舍入误差等原因使得收益率序列中出现零值,常见GARCH族模型无法对含零收益率数据进行有效拟合,导致波动率估计结果产生较大偏差。为了更准确地估计汇率波动率,本文对含有零收益率的外汇数据进行建模。首先运用不受条件方差为正限制的log-GARCH模型对汇率市场收益率数据进行拟合,同时提出一个处理含有零收益率的数据处理框架,即将零值视为缺失的观测值。然后通过结合QMLE方法和期望最大化(EM)算法对含缺失观测值的log-GARCH模型进行无偏估计。最后通过实证分析比较零收益率两种不同处理方法——非零值代替零值方法和将零值视为缺失值方法下波动率估计结果的差异。研究结果显示零收益率的存在会增加波动率的估计偏差,将非零值作为缺失值方法得到的估计结果更接近市场真实情况。

基于FDS准则的响应曲面设计预测能力比较

预测能力是实际应用工作者评价设计优劣的重要准则之一,一般地,通过方差散布图可以对一个固定球面上的设计预测能力进行比较和选择,但无法获得对整个设计区域上的比较结果。文章介绍了基于正交表的响应曲面设计(OACD)以及基于极小极大准则的改进设计(OACM),并应用全区域预测方差占比准则——FDS准则对这两类中心组合设计进行预测能力的比较。结果表明,在一个较小方差范围内,OACD得到的FDS结果要优于OACM,而对于大部分给定方差值,OACM的FDS结果要优于OACD。

带有时变杠杆效应的随机波动率模型参数估计及其应用

为了更好地捕捉金融时间序列中杠杆效应的时变非对称性,本文基于线性样条思想,提出一种带有时变杠杆效应的半参数随机波动率模型,并利用贝叶斯MCMC方法对所提模型中的参数进行了估计.模拟研究表明贝叶斯MCMC方法在所提模型的参数估计方面有着良好的有限样本表现.最后利用本文所提出的带有时变杠杆效应的半参数随机波动率模型对2000年1月4日至2020年8月18日的上证综合指数和深证成份指数日收益数据进行了实证分析,结果表明利用本文所提出的模型拟合这两组实例数据是合理的.

协变量缺失情形下的逆概率加权众数回归估计

数据缺失在实际应用中普遍存在,数据缺失会降低研究效率,导致参数估计有偏.在协变量随机缺失(MAR)的假定下,本文基于众数回归和逆概率加权估计方法对线性模型进行参数估计.该方法结合参数Logistic回归和非参数Nadaraya-Watson估计两种倾向得分估计方法,分别构建IPWM-L估计量和IPWM-NW估计量.模拟研究和实例分析表明,众数回归模型比均值回归模型更具稳健性,逆概率加权众数(IPWM)估计方法在缺失数据下表现出了更好的拟合效果,与IPWM-L估计量相比,IPWM-NW估计量更稳健.

具有时变杠杆效应的已实现GARCH模型

杠杆效应是金融市场中的一种常见现象。为了更好地刻画杠杆效应的时变性,首先基于线性样条函数将时变杠杆效应引入了经典已实现GARCH模型,得到了具有时变杠杆效应的已实现GARCH模型,并给出了模型的参数估计及其算法。其次,模拟研究了本文所提模型在有无杠杆效应、不同样本容量及不同噪声选取下的有限样本表现。最后,利用伦敦富时100指数实证分析了本文所提模型相比于经典已实现GARCH模型的优越性。

考虑Vasicek利率和相依风险的最优投资与再保险

本文研究了利率由Vasicek过程描述,两类保险业务具有相依风险的最优投资和再保险模型.盈余过程由扩散近似模型刻画,保险人的目标是在给定期望终端财富的情况下,寻找使得终端财富的方差最小的投资和再保险策略.通过使用随机线性二次最优控制理论,建立Hamilton-Jacobi-Bellman(HJB)方程,我们获得了值函数的精确表达式以及最优投资和再保险策略.另外,我们给出了有效策略和有效前沿.最后,通过数值例子说明了模型参数对最优投资和再保险策略的影响.

新时代高校“四史”教育建构集体记忆的逻辑理路

高校是大学生思想政治教育的主阵地,也是“四史”教育的主战场。着眼于历史发展的脉络,“四史”教育与集体记忆的建构在逻辑上是契合的,通过建构起“四史”的集体记忆,可以在获得亲历者般的情感体验和价值追求。推进“四史”教育融入高校大学生思想政治教育,可以厘清“四史”的时代内涵,帮助高校大学生从历史中汲取现实的力量,从而坚定四个自信。

非线性纵向数据模型中自相关性和随机效应的存在性检验

刻画纵向数据协方差结构有三种可能因素 ,即序列相关 (特别是一阶自相关 )、随机效应和常规的随机误差 (Diggleetal,2 0 0 2 ) .本文研究非线性纵向数据模型的自相关性和随机效应存在性的单个和联合检验 ,得到了检验的score统计量 ,并利用血浆药物渗透数据 (Davidian&Gilinan ,1 995)说明检验方法的应用 .

非线性Poisson-Gamma回归模型中存在偏大离差时离差参数的齐性检验

Poisson回归模型广泛地应用于分析计数型数据,但该模型往往存在偏大离差(overdispersion)问题。刻画Poisson回归模型的偏大离差性的两种方法是拟似然方法和随机效应法(Lee ＆ Nelder,2000),已有许多作者利用随机效应法研究了Poisson模型的偏大离差的检验问题。但他们均假定随机效应是独立同分布的,本文对他们的假设进行检验。我们分别在组内效应一致和组内效应不一致的情形下,研究了存在偏大离差的Poisson-Gamma非线性随机效应模型中,随机效应方差(称为离差参数)的齐性检验问题,得到了离差参数齐性的score检验统计量。最后给出两个数值例子说明本文方法的应用。

加权非线性随机系数模型异方差性的Score检验

在回归分析中 ,随机误差的方差齐性的假设往往有助于问题的解决 ,但方差齐性假设并不总是正确的。在线性和非线性回归中关于异方差的诊断问题已有许多讨论。在韦博成 (1995 )讨论的加权非线性回归模型的基础上 ,用随机系数的方法 ,讨论加权线性随机系数模型中的异方差检验问题 ,得到了方差齐性检验的Score统计量。

基于重复测量数据的Poisson回归模型的偏大离差的Score检验

Poisson回归模型广泛应用于分析计数型数据 ,Dean&Lawless(1989)和Dean(1992 )讨论了非重复测量得到的计数型数据的偏大离差存在性的检验问题 .本文分别利用随机系数模型和对数非线性模型讨论了基于重复测量得到的计数型数据的偏大离差的检验问题 ,得到了检验的score统计量 .

随机权函数非线性回归模型的异方差统计分析

在回归分析中,随机误差是否存在方差齐性是理论与实际工作者都十分关心的问题,方差齐性假设并不总是正确的.在线性和非线性回归中关于异方差的诊断问题已有许多讨论（[1],[2],[4],[5]）.本文在韦博成（1995）讨论的加权非线性回归模型的基础上,用随机系数的方法,讨论随机权函数非线性回归模型中的异方差检验问题,得到了方差齐性检验的似然比统计量和score统计量.同时,当模型存在异方差时,本文给出了估计方差的一种方法.

基于Ⅱ型截尾样本下Rayleigh分布参数的条件置信限

Rayleigh分布是很重要的寿命分布 ,单参数Rayleigh分布的参数推断问题在一些文献中已有讨论 .本文假设寿命X服从双参数Rayleigh分布 ,即X有密度 f(x ;μ ,σ) =2 (x - μ)σ e(x- μ) 2σ x>μ ;-∞ <μ <∞ ;σ >0通过Ⅱ型截尾样本的前r个次序统计量 :X(1 ) ≤X(2 ) ≤…≤X(r) (r≤n) ,首先推出了枢轴量Z1=( ^μ - μ) ^σ,Z2 =^σ σ建立在可观测的辅助统计量a =(a1 ,a2 ,… ,ar) (ai=(X(i) - ^μ) ^σ;μ ,^σ分别为参数 μ ,σ的极大似然估计 )基础上的条件分布 ,据此得到了参数 μ ,σ的条件置信限 (置信区间 ) ,最后 ,给出了p分位点xp 的置信区间和Rayleigh分布的容许限的计算方法 .

具有ARIMA(0,1,0)误差的非线性模型的异方差检验

本文讨论随机误差是 ARIMA( 0 ,1 ,0 )序列的非线性回归模型的异方差检验问题 .首先导出了检验的 score统计量 ,然后利用参数的正交变换 ,得到了调整的 score统计量 .最后 ,利用氯化物数据 ( Bates &Watts,1 988)

基于拟似然方法的股票收益与波动率关系及其应用研究

股票市场中收益与波动率的关系研究在金融证券领域起着很重要的作用,而随机波动率模型能够很好地拟合这种关系。本文将拟似然方法和渐近拟似然方法运用在随机波动率模型的参数估计方面,渐近拟似然方法可以避免因为人为的结构错误指定而造成的偏差,比较稳健。本文采用拟似然和渐近拟似然方法对随机波动率模型的参数估计进行了模拟探索,并和两种已有估计方法进行了对比,结果表明拟似然和渐近拟似然方法在模型的参数估计方面有着很好的估计结果。实证研究中,选取2000—2015年标准普尔500指数作为研究对象,结果显示所选数据具有金融时间序列的常见特征。本文为金融证券领域中股票收益与波动率关系及其应用研究提供了一定的启示。

指数族广义非线性随机系数模型的变离差检验

指数族广义非线性随机系数模型是 Smith & Heitjan[1 0 ]和 Wei etal[1 1 ]所研究模型的推广 .该文分别在模型离差 (dispersion)的权不变和变异时 ,讨论了指数族广义非线性随机系数模型的变离差的检验问题 ,得到了 score检验统计量 .并利用欧洲野兔数据 ,分别对正态分布模型、Γ分布模型和逆高斯分布模型说明检验方法的有效性 .

Parameter Estimations of Rayleigh Distribution

设随机变量X服从Rayleigh分布，其密度函数为p(x;β)=2x/βe-x^2/β，x＞0,β＞0为参数，对变换群G={gc;gc(x)=c^2x,c＞0}，本文分别在平方损失和熵损失下研究了β在G上的最优同变估计；当β有先验信息时，给出了β的Bayes估计。

心理状态数的Bayes估计

设误差 X在心理状态数的作用下的分布为偏正态分布 ,即 X有密度f ( x;σ2 ,C) =C2πσe-x22σ2 x 02 - C2πσe-x22σ2 x >0其中 0 C 2为心理状态数 ,σ>0为未知参数 ,本文分别在 C服从 [C1,C2 ]上的均匀分布 ,Jeffreys无信息先验分布和共轭先验分布的假设下 ,得到了心理状态数 C的 Bayes估计。

具有随机效应和AR(1)误差的非线性纵向数据模型中组间方差和自相关系数的齐性检验

组间方差和自相关系数的齐性是纵向数据分析的基本假设之一,然而这种假设需要进行统计检验.Zhang&Weiss讨论了线性随机效应模型的组间和组内方差齐性的检验问题;林金官&韦博成研究了具有AR(1)误差但没有随机效应的非线性模型的自相关系数的齐性检验.该文研究具有随机效应和AR(1)误差的非线性模型的组间方差和自相关系数的齐性检验问题,构造了几个score检验统计量,并通过Monte Carlo模拟方法研究了检验统计量的性质.最后利用该文的方法分析一组实际数据和一组模拟数据.