基于因子增广型向量自回归模型的货币政策效应分析

经济转轨背景下,仅以某一单个指标作为货币政策的代理变量无法完整捕捉我国货币政策态势,货币政策效应估计存在误差。基于此,论文采用2005年1月—2014年6月相关变量(31个产出相关变量、4个物价相关变量、5个货币政策工具变量),利用动态因子模型分别构建产出因子、通货膨胀因子、货币政策因子,据此估计由三因子组成的FAVAR模型,实证分析我国货币政策效应。结果表明:现有以单一指标为货币政策代理变量的研究低估了货币政策的真实效应。更为重要的是,以货币政策因子为政策变量的FAVAR模型避免了"价格之谜"现象。

基于因子分析与有序支持向量回归模型的上市公司财务预警研究

一、因子分析基本模型及指标确定 本文研究所用的数据来自天津37家上市公司2009年和2010年的财务数据。用到分析软件分别为SPSSl7．0、matlab7．1软件。（一）因子分析基本模型因子分析正是基于信息损失最小化而提出的一种非常有效的方法。它把众多的指标综合成几个为数较少的指标，这些指标即因子指标。其基本模型如下：

我国中药材价格波动影响因素的实证研究——基于因子分析和向量自回归模型

近年来,中药材价格持续上涨,并屡屡出现价格暴涨暴跌的情况,给药农、药材商、消费者以及中药材市场都带来了不小的影响。通过因子分析我国中药材价格波动影响因素,研究发现:我国通货膨胀与生产成本的综合因子对我国中药材价格波动的解释力最强,影响最为显著,供给因子也具有显著的影响;在因子分析的基础上运用向量自回归模型对各具体影响因素进行分析发现:中药材价格受自身的滞后影响显著;中药材种植面积对我国中药材价格波动影响也较大;农业生产资料价格指数和受灾情况也对我国中药材价格的波动具有一定的影响,并整体呈现逐年上涨的趋势;西药类商品零售价格指数的影响并不显著。

数据增广求解贝叶斯Logistic回归模型的方法研究

贝叶斯Logistic回归模型是机器学习中一类被广泛应用的经典模型,然而由于其先验和似然间的非共轭性,Logistic回归模型的贝叶斯推理成为机器学习中的一个重要问题。数据增广方法是一种解决非共轭问题非常有效的方法,该方法通过引入增广变量来发掘模型中的隐藏结构,再通过采样的方法得到模型推理结果。本篇文章实现了两种不同的数据增广算法并通过在多个现实生活数据集上进行试验来对比算法的优越性。

数据增广求解贝叶斯Logistic回归模型的方法研究

贝叶斯Logistic回归模型是机器学习中一类被广泛应用的经典模型,然而由于其先验和似然间的非共轭性,Logistic回归模型的贝叶斯推理成为机器学习中的一个重要问题。数据增广方法是一种解决非共轭问题非常有效的方法,该方法通过引入增广变量来发掘模型中的隐藏结构,再通过采样的方法得到模型推理结果。本篇文章实现了两种不同的数据增广算法并通过在多个现实生活数据集上进行试验来对比算法的优越性。

支持向量回归机不敏感因子ε对运动建模的影响

通过对仿真Z形试验数据的分析,应用具有不同不敏感因子ε的ε-支持向量回归机(Support Vector Regression,SVR)辨识了船舶操纵运动二阶线性响应模型中的K,T等操纵性指数,并利用回归得到的响应模型进行了Z形试验的数值模拟。通过比较采用不同不敏感因子ε所得首向角和转艏角速度的预报结果,表明可以通过调节不敏感因子ε值来控制样本输入中支持向量的个数与ε-SVR的回归精度。

删失部分线性可加模型的复合分位数回归及应用

本文针对一种具有广泛适用性的半参数模型,部分线性可加模型,研究其响应变量存在删失数据时模型系数和非参数函数的估计.对此,提出了一种基于数据增广的复合分位数回归估计方法.该方法利用分位数回归和分布函数之间的联系,构造插补数据集,并通过迭代采用复合分位数回归得到最终的估计值.所提方法放宽了对模型的假设,不但对迭代初始值的要求很低,还允许响应变量同时存在多种类型的删失,具有一定的普适性.数值模拟表明所提方法可以较为准确地估计出删失部分线性可加模型的系数和非参数函数.实证研究中,本文选取了北京市空气质量数据,测度了PM10浓度、CO浓度、温度、气压以及露点对PM2.5浓度的影响.结果显示,部分线性可加模型的复合分位数回归可以较好地从线性和非线性关系两个角度来刻画这些因素对PM2.5浓度的影响,并且所提方法在删失数据的处理上表现良好.

分位数因子增广的分位数自回归分布滞后模型构建

因子增广回归是利用高维数据对宏观经济进行预测的重要方法。然而,均值回归框架下的因子模型和回归模型在面对异常值或厚尾分布时结果不够稳健。为此,文章在分位数回归框架下构建分位数因子增广分位数自回归分布滞后模型,该模型通过构建分位数因子模型对高维数据进行降维,提取不同分位点的公共因子;进一步,利用提取出的公共因子和响应变量的滞后项构建分位数自回归分布滞后模型。数值模拟结果表明,在数据出现异常值或厚尾分布的情境下,分位数因子分析估计的均值因子和非均值因子更稳健,分位数因子增广回归的预测性能优于因子增广回归的预测性能,且分位数因子增广分位数自回归分布滞后模型的预测性能优于基准模型。

渭河流域多时间尺度径流变化特征及主控因子

为研究变化环境下渭河流域多时间尺度径流变化特征及影响因素,基于渭河流域咸阳水文站1961-2015年实测径流量数据,分析不同时间尺度上径流的变化趋势,并选取多个气象要素与归一化植被指数(normalized difference vegetation index,NDVI)构建向量自回归(vector autoregression,VAR)模型,量化各影响因素对径流变化的贡献程度,探讨全年、汛期和非汛期径流变化主控因子的差异性。结果表明,1961-2015年渭河流域径流整体呈下降趋势,汛期径流量占比为65.5%。在年代尺度上径流的丰枯变化存在差异,1970-1979年和1990-1999年径流量呈显著减少趋势;影响汛期和全年尺度径流变化的主控因子均为降水,贡献率达50%,其次是太阳辐射,在汛期和全年的贡献率分别为14.37%、18.45%。非汛期影响径流变化的主控因子为NDVI(贡献率30.08%)与太阳辐射(贡献率30.05%),且NDVI对径流变化的滞后效应更明显,其他因子贡献大小依次为降水、空气比湿、气温。

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。

基于改进支持向量机的TVARMA模型辨识

提出了一种改进的最小二乘支持向量机并将之应用于时变自回归滑动平均模型的辨识。与传统的最小二乘支持向量机相比,通过同时引入结构风险矩阵Q和经验风险权重因子vi,既降低了数据存储空间,又兼具较好的灵活性和适应性,并成功地应用于TVARMA模型的参数辨识过程。实验结果表明方法的有效性。

基于矩阵值因子模型的高维已实现协方差矩阵建模

随着大数据时代的来临,待分析数据维度越来越高,高维协方差矩阵的估计与建模已经成为统计学领域的一个基本问题。本文提出基于Cholesky分解的可预测矩阵值因子模型,对高维已实现协方差矩阵进行了建模及预测。模型有效地降低了矩阵维度,显著减少了待估参数数目,有效地避免了估计误差的累积,且因子分析降维使得协方差矩阵元素之间的相依关系更加清晰。实际建模结果表明,模型与VAR-LASSO方法预测误差较为接近,但是降维效果更加明显,待估参数数目大大减少,更加具备应用价值。基于矩阵值因子模型构建的投资组合收益更加贴近真实投资组合收益,而且比VAR-LASSO方法更加稳健。

基于改进灰狼算法的船舶数学模型参数辨识

为了解决船舶操纵性指数计算复杂以及辨识参数泛化性较低问题,本文利用改进灰狼算法对辨识参数进一步优化。基于大型油轮运动数据以及一阶、二阶线性响应型数学模型,利用支持向量回归得到辨识参数的参考值。当参考值泛化性较低或者不准确时,利用改进灰狼算法实现辨识参数的范围内寻优,并将所得的辨识结果与基于遗忘因子的递推最小二乘的辨识结果对比。研究表明:利用改进灰狼算法优化后得到的辨识参数结果精度较高并且具有一定的泛化性。改进灰狼算法具有较强的搜索能力,同时可以对其他算法得到的不准确的参数进一步优化,使得参数辨识值更为准确。

基于VAR模型的能源消费、经济发展与城市化质量关系分析——以天津市为例

运用因子分析的方法对天津市城市化质量指数进行了综合测度。在此基础上,引入人力资本因素作为控制变量并运用VAR模型对能源消费、经济发展和城市化质量之间进行了动态关系分析,结论显示城市化质量、经济发展、能源消费、人力资本水平之间存在长期均衡关系,能源消费短期内有利于城市化质量的提高,但长期则会阻碍城市化质量提升和经济可持续发展。因此,应优化能源结构,提升城市化质量,推动城市经济可持续发展。

平稳增广混合回归模型参数估计的一种新方法及其应用

本文提出平稳增广混合回归模型参数估计的一种新方法,该方法采用逐次投影分离参数的方法直接给出模型中自回归部分参数的估计,并由此而获得回归部分参数的估计。该方法克服了以往解此类问题时只能用近似求解方法的缺点。将该方法用到雷达使用有效度预测方程的参数估计中,取得令人满意的效果。

基于时序隐变量模型的因果关系发现算法

为在基于隐变量模型的因果关系发现算法中综合考虑隐变量之间的瞬时性和延时性因果效应,构建以动态贝叶斯网络为基础的时序隐变量模型,提出对应的因果关系发现算法。使用因子分析的方法估计测量模型中的因子载荷矩阵,应用结构向量自回归模型估计自回归矩阵,利用数据的非高斯性依次学习模型中隐变量之间的瞬时效应矩阵与延时效应矩阵,构建时序隐变量模型的因果网络结构。实验结果验证了算法的有效性。

房地产投资促进区域经济增长的分解研究

本文利用动态因子模型,将我国房地产投资分解为共同因子和区域因子,然后运用脉冲响应函数分析两类因子对区域经济增长的作用。研究发现:共同因子对中、西部经济增长具有促进作用,对东部却不显著;区域因子对经济增长的拉动作用强于共同因子,但只针对东、中部地区,对西部则具有反作用。

投资者情绪对股票收益的长期影响与短期交互研究

研究针对我国证券市场2017年—2021年期间的日度财经新闻文本数据,运用情感词典法量化财经新闻情绪,以探究财经新闻情绪与股票收益之间的互动效应;并结合资金面与交易面的代理指标,构造投资者综合情绪指数,通过Fama-French三因子模型和时变参数向量自回归模型,对投资者情绪对股票收益的长期影响效应和短期交互特征进行分析。研究结果表明,财经新闻情绪与股票收益之间存在着双向的格兰杰因果关系。长期来看,投资者情绪对我国股票市场收益影响效应显著为正,中小盘更易受市场情绪异动波及,大盘则对情绪边际变化更为敏感;短期来看,情绪或收益自身的冲击对股市收益难以产生持续效应,而投资者情绪会被更长时期前的收益或情绪自身冲击所影响。此外,在不同市场行情下,情绪作用的强度存在着异质性。

中美经济冲击传播途径研究

本文应用近似因子模型以及因子增广的向量自回归模型,考察了1995~2009年间美国的经济冲击对我国经济的传播渠道。本文发现出口和消费者信息指数比进口以及金融市场对美国的经济冲击更为敏感;而就冲击的类型来看,美国经济的需求冲击比供给冲击对我国经济的影响更大。

经济增长、卫生投入与健康投资效益:基于FAVAR模型的实证研究

目的:充分利用已有变量集信息,考察经济增长、卫生投入与健康投资效益之间的动态关联。方法:利用众多变量构成的变量集,提取共同因子并进行向量自回归(VAR)估计。结果:经济增长对健康产出的影响具有两面性,卫生投入增加会带来显著的健康投资收益和经济增长效应,短期健康水平上升有显著的经济增长效应,但长期可能会妨碍经济增长。结论:政府应加大卫生投入,兼顾经济增长带来的健康损耗,并在追求健康投资效益的同时防范"未富先老"风险。