中国城市数字普惠金融发展的分位数动态收敛研究

基于中国数字普惠金融指数2011—2019年地级市层面的面板数据,运用核密度估计探究城市数字普惠金融及其子维度发展的分布动态,构建q-σ收敛模型来测度数字普惠金融发展在不同分位下的q-σ收敛趋势。同时,引入具有因子结构的面板时变分位数回归模型检验其在不同分位水平下的动态收敛特征,该模型通过包含时间与个体效应乘积形式的高维交互项来描述共同因素对不同个体的冲击差异,有效降低了模型的设定误偏和遗漏变量误差。研究发现,城市数字普惠金融及其子维度发展趋于明显上升,绝对差异有所减小,但在后期存在微弱扩大的趋势。城市数字普惠金融及其子维度的发展呈现出显著的动态q-σ收敛,其中q-σ收敛系数在同一年份中从低分位到高分位均呈现出U型曲线模式,即中分位处的动态q-σ收敛趋势要明显强于低分位和高分位处。进一步,城市数字普惠金融及其子维度的发展呈现出显著的动态绝对q-β收敛和动态条件q-β收敛,且相比于动态绝对q-β收敛来说,动态条件q-β收敛有更强的收敛效应。此外,数字普惠金融指数、数字金融覆盖广度指数和数字金融使用深度指数在不同分位水平下具有收敛异质性,高分位处的动态绝对q-β收敛和动态条件q-β收敛特征要明显强于低分位处。这些发现不仅为中国城市数字普惠金融的区域协同发展和双循环新发展格局的构建提供依据,也为政策制定者及时调整有效服务实体经济的数字普惠金融发展战略提供参考。

加权核密度估计及其在沪深300股指收益率上的应用

由于金融数据的特殊性,对于其时变概率密度的估计和相应的累计分布函数的估计,可以通过非参数运用加权的核密度估计来捕捉每个时刻金融收益率的密度变化情况,这种方法中的重要参数,如带宽,可以通过最大似然函数和交叉检验进行估计.诊断检验可以通过向前一步预测的累计分布函数进行验证.对于这种追踪时变密度变化的方法,适用那些密度变化相对缓慢的数据上,并且该方法可以结合滤波进行递推估计.本文最后将此方法运用在沪深300股指.