中国城市空气质量的“春节效应”分析——来自31个重点城市的经验证据

近年来,空气污染成为大家十分关注的话题。2014年春节期间,山东、河北、江苏、陕西等省份的多个城市空气质量指数频频爆表,出现了严重的空气污染。分别以2007-2012年、2014年31个重点城市春节期间及其前后的空气质量指数、污染物排放量及人口密度、工业比重、所处区域、客运量等资料为基础,分析了31个重点城市空气质量是否存在显著的"春节效应"。研究表明,城市空气质量的"春节效应"主要表现为"节后效应"。春节期间的空气污染指数比非春节期间高出约6.37%,集中供暖区域的空气污染指数比非集中供暖区域高出约37.04%。2014年城市空气质量存在显著"节后效应"的主要原因是PM2.5、PM10在春节期间的排放量显著高于春节后的排放量。从总量上严格控制春节期间烟花爆竹的燃放数量,并尽快改善北方城市的供暖方式、供暖来源应作为防治空气污染的考虑方向。

医院住院人数序列的春节效应调整

目的本文以医院住院人数序列为例阐述春节效应调整的方法。方法根据每段效应期内落入某月份的天数占该段效应期总天数的比例确定春节效应回归因子,采用regARIMA模型进行春节效应的调整。结果调整后序列的年度均值近似,频域消除了年度周期峰值且其他周期基本不变,调整后序列的预测效果明显优于调整前序列。结论采用regARIMA模型进行春节效应调整是必要的,其调整效果令人满意。

基于ARMA模型的深圳股票市场春节效应实证分析

随着行为金融学研究的深入,股市异象受到越来越多的关注。作为股市异象的节日效应之一,春节效应备受学者青睐。本文以春节效应为研究对象,深证成分指数收盘价为研究样本,运用时间序列研究ARMA模型系统性的分析了1996-2016年间我国深证股票市场的春节效应。研究结果表明我国深证股票市场确实存在春节前后收益率异常的情形,且春节后收益率异常情况较春节前更为显著。

中国股票市场春节效应的实证研究

季度效应自从被发现以来,就不断地涌现各种各样的实证研究,并在很多国家的实证研究中被证明。但在我国目前对于其他类型的季节效应,如月份效应、月初效应、年末效应等,则几乎没有研究。由于我国有传统的春节,类似于国外的圣诞节,是否也存在与圣诞效应或一月效应一样的春节效应或者二月效应的问题,笔者就此对季节效应进行了深入的研究,并发现我国并不存在二月效应。

中国股票市场的春节效应的实证研究

季度效应从被发现以来,就一直不断地出现各种各样的实证研究,并在许多国家的实证研究中已经被证明。但在中国对于季节效应,如月份效应、月初效应、年末效应等,则几乎没有研究。中国有着传统的春节,类似于西方国家的圣诞节,我们是否也存在与圣诞效应(一月效应)一样的春节效应(二月效应),本文试从此对季节效应进行深入的研究,并发现中国并不存在二月效应。

中国股市春节效应实证分析

中国证券市场信息有效性的问题,一直是国内外学者和投资界关注的焦点。本文通过对中国春节股票市场的测试,认为中国股票市场存在春节效应但并不十分明显,投资者通过技术分析来获得短期超额收益是完全可能的。目前中国股市已进入规范发展时期,市场会朝着价值规律决定的趋势运动,但政府监管仍旧会导致股市在相当长时期内受政策的影响较大,监管部门应采取更多的市场化取向政策调控股市,恢复市场自动调节经济机制,有助于股市效率的提高。

城乡居民储蓄存款“春节效应”研究

我国的城乡居民储蓄存款具有季节性变动规律,准确分析和预测这种变动规律,对于国家的宏观经济调控和金融机构的经营管理具有重要意义。春节是对居民储蓄影响最大的一个传统节日,在季节变动的分析中具有重要作用,本文以"春节效应"为切入点,提供一种分析传统传统节日对居民储蓄影响的有效方法。

济南市大气污染物“春节效应”特征

为明确济南市大气污染物在春节期间的变化特点,利用2014—2016年济南市16个国控监测站数据,以济南市天桥区、历下区、市中区、槐荫区、历城区5区作为研究对象,对春节期间的PM_(2.5)、PM_(10)等6项污染物浓度时空变化特征进行分析。研究结果表明,受气象因素及相关政策影响,不同年份、不同污染物在春节期间的平均浓度逐日变化特征并不相同。且烟花爆竹燃放对PM2.5、PM_(10)、SO_2逐时变化特征影响较大,对NO_2、CO影响较小。与其他污染物相比,O_3变化较独特。在空间分布规律方面,PM2.5、PM_(10)及SO_2表现较为一致,NO_2分布具有一定对称性。CO呈现南北高,中部低的分布特点。O_3则呈现西北及东南高,东北及西南处低的特征。综合考虑6项污染物日均浓度,可将16个监测站总体分为4类。

中国31个城市大气污染物“春节效应”时空变化研究

为明确中国春节期间大气污染物“春节效应”时空变化特征及其原因,利用2014年春节期间(2014-01-17-2014-02-14)31个城市(22个省会、5个自治区首府、4个直辖市,不含港澳台地区)大气PM_(2.5)、NO_(2)和SO_(2)浓度监测数据,并结合相应时段的气象数据,分析这三种大气污染物时空分布特征及其与气象要素的关系。结果表明:PM_(2.5)和SO_(2)受除夕夜燃放烟花爆竹影响较大(受影响的城市分别占66%和58%),而NO_(2)表现不明显(受影响的城市只占16%)。此外,春节中期大部分城市三种大气污染物的浓度都比春节前期低,而与春节后期差异不明显。从空间来看,南方城市三种大气污染物浓度在春节中期与春节前期差异比北方城市大。气象要素对不同城市各大气污染物浓度变化影响不同。总体而言,“春节效应”在全国各大城市间存在明显的时空差异。

中国股市春节效应的验证及投资建议

节假日效应是指股票的回报率在假期前后异常高于其他交易日的现象。目前在全球股票市场已发现了各种不同形式的节假日效应。文章重点研究我国最重要的传统节日春节前后A股市场是否存在异常的高收益,即是否存在春节效应。根据2006年6月7日~2015年10月30日上证指数的日收益率,并采用引入了虚拟变量的GARCH模型,发现沪市存在显著的春节效应,尤其是钢铁、运输服务、交通设施、有色、半导体、通信设备这几个板块。文章最后为投资者列举了一些实用的投资策略。

中国A股市场春节效应研究

本文以上证综合指数1996年-2015年的日收益率为样本,对中国股市是否存在"春节效应"进行研究。先通过对收益率的统计分析,发现无论是在春节节前,还是在春节节后,都存在着明显的高收益率现象。随后,本文使用回归分析方法,证实中国A股市场确实存在春节节前效应,并探讨了节前效应的形成机理。

中国股市春节效应探究

本文通过对最近7年春节前后20个交易日沪深300指数收盘点位的统计和图表分析,得出中国股市并不存在所谓的春节效应的结论,并给出相应的离概率获利策略.

沈阳：春节效应带动服务行业人才需求

又到年终岁尾，对于服务行业来说又将迎来营业额增长的高峰期，但“春节效应”带来的“用工荒”，给众多服务型企业带来困扰。 “有钱没钱回家过年”。回家过年是大多数外地务工者的愿望，但这也是让依赖外来务工人员的服务性企业头疼的地方。

金融危机后上证市场春节效应检验

股票市场出现周末效应、一月效应等异象对有效市场假说提出了挑战,通常认为这些市场异象与投资者情绪等非理性因素有关。2008年金融危机改变了很多市场参与者对市场的看法,金融危机后股票市场的节日效应的表现和特征反应了我国股票市场的发展。本文通过对上证指数收益率数据建立GARCH (1, 1)模型,分析得到上证指数存在春节效应的结论,同时,对上证10个一级行业指数进行分析,得到不同行业春节效应有差异、春节的节后效应强于节前效应的结论。根据得到的结论,本文对监管当局和投资者提出建议。

春节后纸浆表现预计震荡偏强

2024年1-2月,纸浆期货维持震荡略偏弱的格局,形成这一情况的主要原因有:针叶木浆年前备货情况一般,没有形成集中采购;针叶木浆美金盘报价略有松动出现下行;春节效应,节前停工,低价买盘匮乏。往后来看,纸浆期货或会呈现震荡偏强态势,原因在于:①纸浆及下游纸张都没有在春节前迎来大规模备货,因此,春节后,在整体金融市场较为稳定的背景下,各个环节的备货容易带来纸张价格的偏涨可能;②下游产量水平维持高位,2024年的金三银四预计会如期到来,对纸浆的消耗存在提升;③针叶木浆价格内外倒挂。2024年度内,针叶木浆无新增供应,全球维持紧平衡,低价易触发下游囤货,美金持续走低概率不高。因此,供应端的大跌困难,而需求端偏向有相对确定的利多推动。春节后,纸浆供需偏向向上影响价格,以低多配置纸浆期货为主。风险因素:宏观大幅波动,美金价格超预期下跌。

X-12-ARIMA中调整类似春节效应的模型研究及应用

由于X-12-ARIMA只根据美国的假日情况设定复活节、劳动节和感恩节3种移动假日效应的调整,其调整方法不适用中国特有的类似春节效应的调整。因此,本文针对中国现有的类似春节效应调整模型中存在的局限性,构建扩展的L-Z模型体系,并与X-12-ARIMA程序相结合,形成一套具有中国特色的调整方案。同时利用新的调整方案对中国工业增加值中存在的类似春节效应进行有效调整,得到的经季节调整数据可以更好地满足经济分析的要求。对X-12-ARIMA进行本地化改造后,不但应用效果更好,而且应用范围更加广泛。

春节效应对布鲁杆菌病监测分析影响的探讨

目的分析2012年2月全国布鲁杆菌病疫情同比上升原因,提出并分析春节效应对监测分析的影响。方法对2012年2月全国布鲁杆菌病疫情监测资料进行三间分布的流行病学描述,对春节效应分析采用卡方检验。结果 2008～2012年全国布鲁杆菌病春节所在月份平均发病率与非春节月份平均发病率差异有统计学意义(χ2=9183.16,P<0.01),2008～2012年1月包含春节月份与不包含春节月份的平均发病率差异有统计学意义(χ2=59.88,P<0.01),2008～2012年2月包含春节月份与不包含春节月份的平均发病率差异有统计学意义(χ2=959.7,P<0.01)。结论 2012年2月全国布鲁杆菌病疫情同比上升的原因由春节效应、闰年与部分地区疫情上升等综合因素导致,春节效应可使春节所在月份的布鲁杆菌病报告发病率同比降低,采用调整ARIMA模型、移动平均等分析方法可减少监测分析中春节效应的影响。

春节效应对传染病网络直报工作的影响

目的通过对2008-2012年1-2月份平顶山市传染病报告病例监测分析,探讨传染病网络直报工作中是否存在着春节效应以及对网络直报工作的影响。方法对2008-2012年1-2月份平顶山市传染病网络直报数据进行描述,对春节效应采用同比分析,发病率的检验采用z检验法。结果 2008-2012年平顶山市传染病春节期间日均报告病例数低于各年全年日均报告病例数,春节所在月份报告发病率低于非春节月份平均报告发病率（z=1.77,P=0.0384）,历年2月份包含春节的传染病平均发病率同比低于往年不包含春节的传染病平均发病率（z=1.85,P=0.0322）。结论平顶山市传染病网络直报工作中存在着春节效应,可使春节所在月份的传染病报告发病率降低,采用移动平均法可在一定程度上解决春节效应对监测数据分析的影响。

时间序列季节调整的必要性、方法以及春节效应的调整

许多宏观经济序列存在季节效应,必须进行季节调整。季节调整既是时间序列分析的起点,也是研究动态随机一般均衡模型的基础。X-12-ARIMA程序是一种主要的季节调整方法,包括X-11和RegARI-MA两个子模块。在本文中,对这两个子模块的原理、结构、特点以及应用进行了全面的讨论。X-12-ARIMA程序没有预设春节效应调整功能;本文讨论了春节效应的调整方法,并将之应用于中国火力发电量的春节效应的诊断和调整。

一超多强格局与春节效应凸显--2011年3月份全国省级卫视频道网络影响力数据分析

中国广播电视协会、中国传媒大学和中央民族大学从2007年4月开始联合成立《中国电视网络影响力报告》课题组（2010年4月南开大学加入），在国内率先提出了“网络影响力”这一概念，并将网络影响力这一概念作为全新的标准运用到了中国电视的评价当中，致力于建构起基于网络影响力的新型中国电视评价体系。课题组利用中视动力传媒文化中心专门为网络影响力开发的检测平台，已经对电视行业的网络影响力进行了多年监测。