中国实时金融状况指数的另一种测度--基于函数型数据分析方法

本文使用28个变量的混频数据集,借助函数型数据建模思想,从连续、动态的视角测度了中国实时金融状况指数。研究表明:金融状况指数(Financial ConditionsIndex,FCI)各组成变量的权重具有时变特征,其大小存在较大差异;样本期内新增贷款是影响FCI的最主要因素,金融危机后货币供应、汇率维度的影响程度日益加深;FCI波动具有明显的周期性特征,在经济繁荣时期FCI处于上升态势,在经济萧条时期FCI处于下落态势,其波动转折态势与中国金融市场主要历史事件相吻合;所构建的FCI对于通货膨胀的代理变量CPI具有先导作用,可以有效预测未来6个月内的通货膨胀趋势。较于现有研究,本文构建的中国实时金融状况指数的相对优势在于能够测度任意时点金融运行状况的静态水平,并且其对通货膨胀的预测效果更好。

中国股市投资者情绪指数的函数型构建方法研究

针对中国股市投资者情绪的连续动态测度,基于离散数据的函数化建模思想,提出了函数型投资者情绪指数-FISI。以上证综指和深证成指为对比基准,定性分析了FISI波动与中国金融市场实际运行的匹配程度,并定量检验了FISI相较现有投资者情绪指数的相对优势。研究发现:应用拓展双参数广义交叉验证选取六个情绪指标的粗糙惩罚参数相差较大,说明独立地对每一情绪指标进行函数化处理的必要性;基于信息自适应迭代更新的六个函数型熵权都频繁波动,说明构建综合情绪指数时进行动态赋权的重要性。相较现有投资者情绪指数,FISI的核心优势在于:能够测度投资者在任意时刻的情绪水平,其波动特征能够有效体现市场实际运行的重要事件,并且其与沪深两市的相关程度相对更高。最后,结合大数据时代的数据特征,展望了函数型投资者情绪指数未来的研究方向。