基金业绩分析——基于有向学习网络的研究

本文使用LASSO算法构建了基于基金持股数据的基金间动态学习网络,将基金研究中传统的无向网络扩展为有向网络,并检验了正向学习与反向学习两种不同的学习模式(信息利用方式)对基金业绩的影响,进而探讨了其背后的经济含义。实证结果表明:当基金作为被学习者(信息被观测方)时,被正向学习会显著提高其业绩,被反向学习会显著降低其业绩;当基金作为主动学习者(信息观测方)时,无论是正向学习还是反向学习均不会对其业绩造成显著影响;对基金学习动机的分析表明,基金参与学习是为了提升相对自己上期的业绩、防止业绩倒退,且反向学习相对更加有效。本文分析了信息传递方向、信息利用方式对基金业绩的影响,为如何将统计学习方法应用于金融问题的分析提供了一个新的视角。

地方政府债务、空间溢出效应与区域经济增长

在区域协调发展和城市群不断扩大的背景下,本文基于2008-2018年我国271个地级市的平衡面板数据,利用动态空间杜宾模型探究地方政府债务通过基础设施建设渠道促进区域经济增长的作用机制。研究发现:(1)地方政府债务存在空间溢出效应,即本地的地方政府债务能够促进邻近区域的经济增长。该结论不随模型设定、代理变量、估计方法更改而发生变化。(2)从时间维度上看,基础设施的服务期限较长,因此地方政府债务对邻近区域经济增长的空间溢出效应存在时间累加,即长期效应大于短期效应。(3)从空间维度上看,我国省际间存在市场分割,导致地方政府债务的空间溢出效应省内强于省外。与此同时,地方政府债务的空间溢出效应主要存在于东部发达区域。(4)机制研究发现,基础设施作为政府提供的公共品,具有正外部性,在促进本地经济增长的同时,通过提升区域内互联性,促进了邻近区域的经济增长。本文研究表明,地方政府债务发行应同时考量本地效应、空间溢出效应以及区域差异;此外,制定地方债务相关政策时应在稳增长(同时考虑本地经济增长和区域经济增长)和防风险之间寻求平衡。